Überwindung von Sampling-Problemen und Verbesserung der rechnerischen Effizienz in kollektiven Variablen-basierten Enhanced-Sampling-Simulationen: Ein Tutorial

Dieses Tutorial ist darauf ausgelegt, Benutzern zu helfen, Sampling-Herausforderungen zu überwinden und die rechnerische Effizienz in kollektiven Variablen (CV)-basierten Enhanced-Sampling- oder Importance-Sampling-Simulationen zu verbessern. Zu diesem Zweck stellen wir die well-tempered metadynamics-extended adaptive biasing force (WTM-eABF) vor und deren Integration mit Gaussian accelerated molecular dynamics (GaMD). Darüber hinaus wird eine Methode zur Identifizierung des least-free-energy pathway (LFEP) und mehrerer gleichzeitiger Pfade auf hochdimensionalen freien Energieflächen verwendet. Wir veranschaulichen diese Sampling-Techniken mit den konformationellen Gleichgewichten von Trialanin und Chignolin in wässriger Lösung als Testfälle. Dieses Tutorial setzt voraus, dass der Benutzer über Erfahrung mit molekularen Dynamik-(MD)-Simulationen im Allgemeinen, mit dem populären Programm NAMD und bis zu einem gewissen Grad mit Colvars, dem Modul für CV-basierte Berechnungen, verfügt. Dieses Tutorial kann jedoch in großem Maße in Verbindung mit alternativen MD-Engines verwendet werden, die das Colvars-Modul unterstützen, wie GROMACS, LAMMPS und Tinker-HP.