首页
›
生物信息学与 AI 制药工程
›
021-蛋白配体结合自由能估计
›
《分子模拟力场参数配置与兼容性验证》
VIP20
本课程属于:021-蛋白配体结合自由能估计
生物信息学与 AI 制药工程 · 共 20 门相关课程,组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录
咨询 / 购买
分子模拟力场参数配置与兼容性验证
共计 30 章节
点击此处阅读海量试读课程:100+行业、1000+细分领域
01
力场参数化基础
力场的基本概念 · 常见力场类型(GAFF · CHARMM
力场参数化基础
力场的基本概念
02
原子类型选择
原子类型定义的重要性 · 不同力场的原子类型差异 · 误匹配导致的结构异常(案例讲解)
原子类型选择
原子类型定义的重…
03
电荷计算
RESP与HF/6-31G*方法的参… · 电荷约束的陷阱 · 多重构象电荷平均的注意事项
电荷计算
RESP
04
键参数拟合
平衡键长与键力常数的来源 · 量子化学数据拟合的收敛性 · 避免零力常数或异常值
键参数拟合
平衡键长
05
角参数拟合
平衡角与角力常数的拟合 · 线性分子角度处理 · 简谐近似与周期项的选择
角参数拟合
平衡角
06
二面角参数
傅里叶级数的阶数与相位 · 参数不独立导致过拟合 · 常见二面角类型(n
二面角参数
傅里叶级数的阶数
07
非键参数(Lennard-Jones)
组合规则(Lorentz-Berth… · σ与ε的物理意义 · 金属离子参数的陷阱
Lennard-Jone…
非键参数
08
1-4相互作用
缩放因子(SCNB · SCEE)的作用与常见误设 · 不同力场的默认值差异
4相互作用
SCNB
09
参数扫描与优化
多变量扫描策略 · 避免局部最优 · 使用Python脚本自动拟合时的常见…
参数扫描
优化
10
交叉验证方法
训练集与测试集的划分 · RMSD与能隙的适用性 · 避免数据泄露导致虚假准确
交叉验证方法
训练集
11
溶剂模型兼容性
隐式溶剂(GB · PCM)与显式水模型的参数调整 · 溶剂对参数拟合的干扰
溶剂模型兼容性
GB
12
周期性边界条件
镜像邻居列表的修正影响 · 静电无穷求和的参数设置(PME的精度… · 避免周期性假象
周期性边界条件
镜像邻居列表的修…
13
Antechamber使用避坑
分子拓扑生成中的原子类型映射错误 · 价电子缺失的处理 · BCC电荷与RESP电荷的差异
Antechamber
使用避坑
14
GAFF力场深入
通用力场的适用范围 · SMILES与SYBYL原子类型的转… · 常见官能团的参数化失败案例
GAFF
力场深入
15
CHARMM力场与CGenFF
CGenFF参数的自动分配 · Penalty值的含义 · 需要手动调整的典型情况
CHARMM
CGenFF
16
OPLS力场参数化
OPLS-AA与OPLS-2005的… · 拟合策略(二面角扫描) · 与实验数据的对比经验
OPLS
力场参数化
17
力场文件格式
PRMTOP · ITP · TOP文件的字段含义
力场文件格式
PRMTOP
18
单位与精度控制
能量单位(kcal/mol vs.… · 长度与电荷单位的转换 · 参数数值精度对模拟的影响
单位
精度控制
19
静电与范德华截断
截断距离对能量误差的影响 · 长程修正的开启时机 · switch与force-switc…
静电
范德华截断
20
模拟条件对参数验证的干扰
温度耦合(Berendsen vs.… · 压力控制(各向同性/各向异性)的影响
模拟条件对参数验…
Berendsen
21
量子化学计算基础
DFT泛函选择(B3LYP · M06-2X等) · 基组大小与收敛阈值
量子化学计算基础
DFT
22
拟合目标权重
实验数据(密度 · 螺旋偏好等)与量子化学数据的权重分配 · 避免过拟合单一数据源
拟合目标权重
实验数据
23
自动化参数化脚本
使用Python(协同Packmol · MDAnalysis)时的接口错误 · 输入文件格式检查
自动化参数化脚本
Python
24
参数库管理
不同项目力场文件的隔离 · 同一分子多次参数化结果的一致性维护 · 版本控制技巧
参数库管理
不同项目力场文件…
25
模拟软件差异
GROMACS · AMBER · NAMD
模拟软件差异
GROMACS
26
参数验证指标
RMSD(构象偏差) · 能量差 · 径向分布函数(RDF)的比较
参数验证指标
RMSD
27
多分子复杂体系
蛋白质-配体体系中的力场组合问题(配… · 混合力的参数不匹配
多分子复杂体系
蛋白质
28
反应力场(ReaxFF)
参数化策略的独特要求 · 键级截断对反应路径的影响 · 与经典力场的衔接
ReaxFF
反应力场
29
机器学习力场
传统力场与ML力场的界限 · 训练数据需求与过拟合 · 物理一致性(对称性
机器学习力场
ML
30
总结与最佳实践
力场参数化的常见误区归纳 · 从失败案例中提炼的检查清单 · 推荐的工作流与工具链
最佳实践
力场参数化的常见…
所属VIP或分类
同VIP:FEP与伞形采样自由能估计方法比较
同VIP:FEP结合自由能计算工作流构建与验证
同VIP:FEP自由能计算环境版本控制与结果复现