MindSponge分子动力学模拟——使用MDAnalysis工具进行后分析（2024.02）

最新推荐文章于 2024-05-12 11:45:07 发布
最新推荐文章于 2024-05-12 11:45:07 发布
阅读量510 收藏 6
点赞数 5
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/baidu_37157624/article/details/137286880
版权

技术背景

分子动力学模拟(Molecule Dynamics Simulation，MD)，本质上是一门采样技术。通过配置力场参数、拓扑结构和积分器，对一个给定的体系不断的采样，最终得到一系列的轨迹。那么得到分子动力学模拟的轨迹之后，如何使用后分析工具进行轨迹分析，也是一项很重要的工作。目前来说，基于Python的开源工具MDAnalysis(简称mda)是一个比较常用的MD后分析工具。本文主要介绍基于MindSponge分子动力学模拟框架生成了相应的轨迹之后，如何使用MDAnalysis工具进行分析。

环境配置

需要说明的是，MindSponge当前主要有两个版本，一个是华为MindSpore下的官方仓库MindScience，这里面包含了多个工具的正式发布版本，其中也有MindSponge，相对而言功能比较稳定，但是需要编译构建和安装使用。另外一个仓库是MindSponge，是MindSponge开发团队维护的一个develop版本，这个仓库只要git clone下来就可以测试和使用。本文章中的相关代码是基于后者来实现的，暂时没上正式版仓库。关于MindSponge的安装和基本使用方法，可以参考下之前的文章，所有的内容都是开源免费的。

然后MDAnalysis可以用pip直接安装(这里我们使用的是pip清华源)：

$ python3 -m pip install mdanalysis --upgrade
Looking in indexes: https://pypi.tuna.tsinghua.edu.cn/simple
Requirement already satisfied: mdanalysis in /home/dechin/anaconda3/envs/mindsponge/lib/python3.9/site-packages (2.7.0)
Requirement already satisfied: numpy<2.0,>=1.22.3 in /home/dechin/anaconda3/envs/mindsponge/lib/python3.9/site-packages (from mdanalysis) (1.24.0)
Requirement already satisfied: GridDataFormats>=0.4.0 in /home/dechin/anaconda3/envs/mindsponge/lib/python3.9/site-packages (from mdanalysis) (1.0.2)
Requirement already satisfied: mmtf-python>=1.0.0 in /home/dechin/anaconda3/envs/mindsponge/lib/python3.9/site-packages (from mdanalysis) (1.1.3)
Requirement already satisfied: joblib>=0.12 in /home/dechin/.local/lib/python3.9/site-packages (from mdanalysis) (1.2.0)
Requirement already satisfied: scipy>=1.5.0 in /home/dechin/anaconda3/envs/mindsponge/lib/python3.9/site-packages (from mdanalysis) (1.10.1)
Requirement already satisfied: matplotlib>=1.5.1 in /home/dechin/anaconda3/envs/mindsponge/lib/python3.9/site-packages (from mdanalysis) (3.7.1)
Requirement already satisfied: tqdm>=4.43.0 in /home/dechin/anaconda3/envs/mindsponge/lib/python3.9/site-packages (from mdanalysis) (4.65.0)
Requirement already satisfied: threadpoolctl in /home/dechin/.local/lib/python3.9/site-packages (from mdanalysis) (3.1.0)
Requirement already satisfied: packaging in /home/dechin/anaconda3/envs/mindsponge/lib/python3.9/site-packages (from mdanalysis) (23.0)
Requirement already satisfied: fasteners in /home/dechin/anaconda3/envs/mindsponge/lib/python3.9/site-packages (from mdanalysis) (0.19)
Requirement already satisfied: mda-xdrlib in /home/dechin/anaconda3/envs/mindsponge/lib/python3.9/site-packages (from mdanalysis) (0.2.0)
Requirement already satisfied: mrcfile in /home/dechin/anaconda3/envs/mindsponge/lib/python3.9/site-packages (from GridDataFormats>=0.4.0->mdanalysis) (1.5.0)
Requirement already satisfied: contourpy>=1.0.1 in /home/dechin/anaconda3/envs/mindsponge/lib/python3.9/site-packages (from matplotlib>=1.5.1->mdanalysis) (1.0.7)
Requirement already satisfied: cycler>=0.10 in /home/dechin/anaconda3/envs/mindsponge/lib/python3.9/site-packages (from matplotlib>=1.5.1->mdanalysis) (0.11.0)
Requirement already satisfied: fonttools>=4.22.0 in /home/dechin/anaconda3/envs/mindsponge/lib/python3.9/site-packages (from matplotlib>=1.5.1->mdanalysis) (4.38.0)
Requirement already satisfied: kiwisolver>=1.0.1 in /home/dechin/anaconda3/envs/mindsponge/lib/python3.9/site-packages (from matplotlib>=1.5.1->mdanalysis) (1.4.4)
Requirement already satisfied: pillow>=6.2.0 in /home/dechin/anaconda3/envs/mindsponge/lib/python3.9/site-packages (from matplotlib>=1.5.1->mdanalysis) (9.4.0)
Requirement already satisfied: pyparsing>=2.3.1 in /home/dechin/anaconda3/envs/mindsponge/lib/python3.9/site-packages (from matplotlib>=1.5.1->mdanalysis) (3.0.9)
Requirement already satisfied: python-dateutil>=2.7 in /home/dechin/anaconda3/envs/mindsponge/lib/python3.9/site-packages (from matplotlib>=1.5.1->mdanalysis) (2.8.2)
Requirement already satisfied: importlib-resources>=3.2.0 in /home/dechin/anaconda3/envs/mindsponge/lib/python3.9/site-packages (from matplotlib>=1.5.1->mdanalysis) (5.12.0)
Requirement already satisfied: msgpack>=1.0.0 in /home/dechin/anaconda3/envs/mindsponge/lib/python3.9/site-packages (from mmtf-python>=1.0.0->mdanalysis) (1.0.5)
Requirement already satisfied: zipp>=3.1.0 in /home/dechin/anaconda3/envs/mindsponge/lib/python3.9/site-packages (from importlib-resources>=3.2.0->matplotlib>=1.5.1->mdanalysis) (3.11.0)
Requirement already satisfied: six>=1.5 in /home/dechin/anaconda3/envs/mindsponge/lib/python3.9/site-packages (from python-dateutil>=2.7->matplotlib>=1.5.1->mdanalysis) (1.16.0)

安装完成后，就可以先用MindSponge生成一个用于后分析的轨迹，再调用MDAnalysis进行分析。

生成轨迹

这里我们使用的案例轨迹，还是前一篇文章中所用到的能量极小化的一个案例。模拟的分子是这个样子的：

分子动力学模拟的相关代码如下：

from mindspore import nn, context
import numpy as np
import sys
# 添加sponge所在的路径，这样就不需要安装即可直接使用
sys.path.insert(0, '../..')
from sponge import ForceField, Sponge, set_global_units, Protein
from sponge.callback import RunInfo, WriteH5MD, SaveLastPdb
from sponge.colvar import Distance, Angle, Torsion

# 配置MindSpore的执行环境
context.set_context(mode=context.GRAPH_MODE, device_target='GPU', device_id=1)
# 配置全局单位
set_global_units('A', 'kcal/mol')

# 定义一个基于case1.pdb的分子系统
system = Protein('../pdb/case1.pdb', template=['protein0.yaml'], rebuild_hydrogen=True)
# 定义一个amber.ff99sb的力场
energy = ForceField(system, parameters=['AMBER.FF99SB'])
# 定义一个学习率为1e-03的Adam优化器
min_opt = nn.Adam(system.trainable_params(), 1e-03)

cv_bond = Distance([0, 1])
cv_angle = Angle([0, 1, 2])
cv_dihedral = Torsion([0, 1, 2, 3])
# 定义一个用于执行分子模拟的Sponge实例
md = Sponge(system, potential=energy, optimizer=min_opt, metrics={'bond': cv_bond, 'angle': cv_angle,
                                                                  'dihedral': cv_dihedral})

# RunInfo这个回调函数可以在屏幕上根据指定频次输出能量参数
run_info = RunInfo(20)
# WriteH5MD回调函数，可以将轨迹、能量、力和速度等参数保留到一个hdf5文件中，文件后缀为h5md
cb_h5md = WriteH5MD(system, 'test.h5md', save_freq=10, write_image=False, save_last_pdb='last_pdb.pdb')
# 保存PDB文件
bonds = np.array([[0, 56], [6, 10]], np.int32)
# 开始执行分子动力学模拟，运行2000次迭代
md.run(200, callbacks=[run_info, cb_h5md])

运行结束后，会在当前路径下生成一个名为last_pdb.pdb的构象文件和一个test.h5md的轨迹文件。关于h5md格式的轨迹文件，可以用silx这个工具来进行直观的可视化：

这是体系能量极小化过程中的能量变化曲线：

并且保存了轨迹数据：

MDAnalysis分析

使用MDAnalysis进行分析的主要流程，就是用拓扑结构文件和轨迹文件构建两个MDAnalysis.Universe对象。这里拓扑结构文件可以使用pdb文件，但要求pdb文件中包含有CONECT成键相互关系，否则跟成键相互作用相关的内容使用mda无法分析，MindSponge所生成的pdb文件中是包含了成键关系信息的。再者就是h5md也是mda所支持的轨迹文件扩展名，使用MindSponge生成的轨迹可以直接用mda加载：

import MDAnalysis as mda
u = mda.Universe('last_pdb.pdb', 'test.h5md')

加载完之后，我们可以打印其中的一些关键信息，比如原子类型和残基类型等：

print('Atom Types List:\n', u.atoms)
# Atom Types List:
# <AtomGroup [<Atom 1: N of type N of resname ALA, resid 1 and segid A and altLoc >, <Atom 2: CA of type C of resname ALA, resid 1 and segid A and altLoc >, <Atom 3: CB of type C of resname ALA, resid 1 and segid A and altLoc >, ..., <Atom 55: HB1 of type H of resname ALA, resid 4 and segid A and altLoc >, <Atom 56: HB2 of type H of resname ALA, resid 4 and segid A and altLoc >, <Atom 57: HB3 of type H of resname ALA, resid 4 and segid A and altLoc >]>
print('Residue Types List:\n', u.residues)
# Residue Types List:
# <ResidueGroup [<Residue ALA, 1>, <Residue ARG, 2>, <Residue ALA, 3>, <Residue ALA, 4>]>
print('Step 0 Coordinates Shape:\n', np.array(u.coord).shape)
# Step 0 Coordinates Shape:
# (57, 3)
print('C Atoms:\n', u.select_atoms('name C'))
# C Atoms:
# <AtomGroup [<Atom 4: C of type C of resname ALA, resid 1 and segid A and altLoc >, <Atom 22: C of type C of resname ARG, resid 2 and segid A and altLoc >, <Atom 40: C of type C of resname ALA, resid 3 and segid A and altLoc >, <Atom 50: C of type C of resname ALA, resid 4 and segid A and altLoc >]>
print('Contact Map:\n', contact_matrix(np.array(u.coord)))
# Contact Map:
# [[ True  True  True ...  True  True  True]
# [ True  True  True ...  True  True  True]
# [ True  True  True ...  True  True  True]
# ...
# [ True  True  True ...  True  True  True]
# [ True  True  True ...  True  True  True]
# [ True  True  True ...  True  True  True]]
print(u.bonds)
# <TopologyGroup containing 56 bonds>

然后是一些跟轨迹相关的条目：

print('Number of Frames in Trajectory:\n', u.trajectory.n_frames)
# Number of Frames in Trajectory:
# 20
print('Number of Atoms:\n', u.trajectory.n_atoms)
# Number of Atoms:
# 57
print(u.trajectory.has_positions)
# True
print(u.trajectory.ts.positions.shape)
# (57, 3)
print(u.trajectory.ts.has_velocities)
# False
print(u.trajectory.ts.has_forces)
# False
print(u.trajectory[0].data)
# {'trajectory': 10, 'time': 0.010000000707805157, 'step': 10}
print(u.trajectory[1].positions[0])
# [ -0.11355944 -11.455442    -0.79421705]

因为我们在定义CallBack的时候没有在轨迹中保存速度参量和力参量，因此这里has_velocities和has_forces两个的值都是False，但实际上我们是可以支持在中间轨迹把这两个参量写入到h5md文件中的。由于轨迹有很多帧，在mda里面我们可以直接对u.trajectory使用索引，来定位到特定的某一帧，再导出自己所需要的参量。除了单点分析，我们还可以定义一个reference trajectory来计算RMSD等参数：

ref = mda.Universe('last_pdb.pdb', 'test.h5md')
R = RMSD(u, ref, select="backbone", groupselections=['backbone and resid 1-4'])
R.run()
rmsd = R.results.rmsd.T
print (rmsd[2])

更多的MDAnalysis工具的使用方法和函数接口，可以参考MDAnalysis官方文档或者是这个中文翻译版文档。

总结概要

这篇文章我们主要介绍了MindSponge分子动力学模拟软件如何跟后分析工具MDAnalysis相配合的方法，其主要操作流程就是调用MindSponge自带的CallBack来输出拓扑文件和轨迹文件给MDAnalysis，然后就可以调用MDAnalysis的相关分析函数接口，十分的方便。

版权声明

本文首发链接为：https://www.cnblogs.com/dechinphy/p/mda-mds.html

作者ID：DechinPhy

更多原著文章：https://www.cnblogs.com/dechinphy/

请博主喝咖啡：https://www.cnblogs.com/dechinphy/gallery/image/379634.html

DechinPhy
关注
  • 5
    点赞
  • 踩
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
python分子化学模拟_#分子模拟#MDTraj分子模拟python包（一）
weixin_39574555的博客
01-29 2035
MDTraj是分子动力学模拟的一个python包，相对于MDAnalysis个人觉得操作性更强，更加Python范一些。其能够进行不同模拟软件的轨迹转换，常规计算，分析等等一体化。今天我们介绍其安装方法和简单使用。 官方地址:点击进入安装方法推荐使用conda安装mdtraj.$ conda install -c conda-forge mdtraj同样也可以使用pip来安装mdtraj测试安装运...
md-analysis-tools:使用 VMD 分析分子动力学轨迹的脚本
06-03
md-分析工具 使用 VMD 分析分子动力学轨迹的脚本 描述 脚本将在给定 .gro 和 .xtc/.trr 文件的情况下运行分析。 （它期待 GROMACS 输出，但可以轻松调整其他类型的 MD 包输出）。 大多数分析目录（比如local-rmsd ）都有一个关联的 tcl 文件（比如local-rmsd.tcl ）=，它实际上是通过 vmd 传递的，这会产生大量难以理解的输入。 local-rmsd.py然后处理此输入并以人类（和“R”）可读格式将其吐出。 可以使用每个目录中的run-me.sh脚本对多个文件运行分析。 分析目录有时具有关联的.R文件，用于绘图和/或进行进一步分析。
MDplot：强大且免费的分子动力学模拟数据后处理神器，让您的数据分析效率直接起飞
最新发布
mt811的博客
05-12 970
MDplot支持分析20+种类型的性质分析，能直接输出符合论文标准的原始图像
Gromacs——教程学习(2)
yin1331102028yin的博客
04-28 1038
Gromacs教程学习(2)
分子动力学键角分析后处理软件
04-28
分子动力学键角分析后处理软件
conda 安装 MDAnalysis.
weixin_39716898的博客
06-20 1950
MDAnalysis是面向对象的工具包，用于分析CHARMM，Gromacs，NAMD，LAMMPS或Amber生成的分子动力学轨迹。 #首次使用conda安装： conda config --add channels conda-forge conda install mdanalysis #这将自动安装一整套依赖项。 #要稍后升级： conda update mdanalysis #测试 ...
分子动力学开源分析软件MDAnalysis安装介绍及使用
qq_31637761的博客
11-17 8254
MD AnalysisMD Analysis 安装 MD Analysis (以下简称mda) 是一款分子动力学后处理代码，具有优秀的后处理函数库，高效的处理速度，可并行的计算功能。 MD Analysis 安装 普通安装（#为非必须） 从pip pip install --upgrade MDAnalysis # pip install --upgrade MDAnalysisTests # 安装测试数据 从Conda conda install -c conda-forge mdanalysis
frameanalysis:在MDAnalysis中建立残基对的轨迹分析
03-19
轨迹框架分析 中轨迹分析器用于在中测量残渣对距离。该脚本在终端中接受输入文件以定义其输入，分析设置和残基对。 依存关系 1. 负责选择残基原子和坐标以及分析模板。 使用 根据存储库中的模板创建一个input.in文件。残基对之间用空格隔开，所有其他值之间用'='符号隔开。在'3：RUN_SETTINGS'中，布尔值必须大写，如python ex'False'所示。 运行程序 python frameanalysis.py input.in
MDAnalysis 安装及使用
Jasonkun
03-01 3433
MDAnalysis 不作介绍。 上官网链接：https://www.mdanalysis.org/pages/installation_quick_start/ conda 安装及使用 安装前注意： matplotlib库版本问题，需要卸载重新安装低版本，否则有参数无法运行 The ‘warn’ parameter of use() is deprecated since Matplotlib 3.1 and will be removed in 3.3. If any parameter follo
使用pip或者conda安装mdtraj失败解决办法
01-20
MDTraj MDTraj是分子动力学模拟的一个python包，相对于MDAnalysis个人觉得操作性更强，更加Python范一些。其能够进行不同模拟软件的轨迹转换，常规计算，分析等等一体化。简单的说就是可以用来对轨迹进行分析，可以通过计算rmsd和rmsf值来判断轨迹的偏移等一系列操作。在2019年出的1.9.3中还包含了计算rmsf功能。所以有计算rmsf的需要的话最好还是安装1.9.3版本。 安装mdtraj需要先安装一些环境依赖numpy和cython。且版本最好更新一下，不然旧版本里可能并不包含某些必要的依赖项。 安装NumPy和Cython NumPy是Python语言的一个扩充
mdanalysis, MDAnalysis是用于分析分子动力学轨迹的python 库.zip
09-18
mdanalysis, MDAnalysis是用于分析分子动力学轨迹的python 库 MDAnalysis存储库自述文件 [*] 美国的 MDAnalysis是一个用于分析各种流行的模拟软件包的分子动力学轨迹，包括 DL_Poly 。CHARMM 。琥珀。NAMD 。LAMMPS和。 (
MDAnalysis
05-07
MDAnalysis 分析分子动力学轨迹 MDAnalysis-0.7.2.tar.gz MDAnalysis is an object-oriented python toolkit to analyze molecular dynamics trajectories generated by CHARMM, Gromacs, NAMD, LAMMPS, or Amber. It allows one to read molecular dynamics trajectories and access the atomic coordinates through numpy arrays. This provides an extremely flexible and relatively fast framework for complex analysis tasks. In addition, CHARMM-style atom selection commands are implemented. Trajectories can also be manipulated (for instance, fit to a reference structure) and written out. A typical usage pattern is to iterate through a trajectory and analyze coordinates for every frame. In the following example the end-to-end distance of a protein and the radius of gyration of the backbone atoms are calculated: import MDAnalysis from MDAnalysis.tests.datafiles import PSF,DCD # test trajectory import numpy.linalg u = MDAnalysis.Universe(PSF,DCD) # always start with a Universe nterm = u.s4AKE.N[0] # can access structure via segid (s4AKE) and atom name cterm = u.s4AKE.C[-1] # ... takes the last atom named 'C' bb = u.selectAtoms('protein and backbone') # a selection (a AtomGroup) for ts in u.trajectory: # iterate through all frames r = cterm.pos - nterm.pos # end-to-end vector from atom positions d = numpy.linalg.norm(r) # end-to-end distance rgyr = bb.radiusOfGyration() # method of a AtomGroup; updates with each frame print "frame = %d: d = %f Angstroem, Rgyr = %f Angstroem" % (ts.frame, d, rgyr)
MOE 分子动力学模拟操作
bobo531的博客
12-28 5261
MOE 分子动力学模拟操作 对对接后的结构进行分子动力学研究 1、从MOE导入对接后的复合物结构； 2、加溶剂：edit–solvate，周期性边界，选择periodic,shape选择Box，Salt选择NaCl，Margin一般是cutoff值off值的一半+1（即cutoff=10，得到10/2 + 1=6）cutoff可从力场里查看。 Solute（溶质）选择all，将center和Axis Align选择上，将溶质（即蛋白）居中（注：蛋白不能固定在原位置，不管何止方法处理位置都会发生偏移，这是MO
python package什么意思_Python模块、包(Package)概念与用法分析
weixin_42342226的博客
02-09 6439
本文实例讲述了Python模块、包(Package)概念与用法。分享给大家供大家参考，具体如下：Python中”模块”的概念在开发中，我们会有很多函数，我们可以把这些函数都放到一个文件。比如function.py中：#定义函数def show():print("jack")#定义变量name = "tom"在其他地方要使用其中的函数怎么办呢？第一步：需要先引入import funtions第二步：...
Python工程化管理：package包层次结构组织以及module模块详解
master_hunter的博客
11-24 2901
稍微正式一点的项目，都会通过将代码组织成有层次结构的组织，以便于管理和持续维护。Python 通过的方式来组织代码，包是一种特殊的模块(module)。平时写的一些python代码都比较随意，更多的是直接作为脚本来使用，作为一个功能来用，但是一般真正的python项目工程化能力才是作为代码工程师应该掌握的能力。这样的层级结构才是作为一个项目或者是作为模块长久维护的最好形式。
conda-forge安装工具包
热门推荐
windyhigh的专栏
05-15 1万+
利用conda 安装Python语音处理工具包librosa librosa在音频、乐音信号的分析中经常用到，是python的一个工具包 conda下安装librosa的命令为： “conda install -c conda-forge librosa "
管理层讨论与分析md&a 代码
08-14
管理层讨论与分析是一种组织决策过程中非常重要的环节。在这个过程中，管理层会就某个特定问题或挑战进行深入的讨论和分析，以制定最佳的行动计划。 首先，管理层讨论是为了加强沟通和协商。在一个组织中，不同的管理层成员可能拥有不同的观点和意见，通过讨论和分析这些观点和意见，可以提高彼此之间的理解和信任，进而找到共识，为组织制定合适的战略和决策。 其次，管理层讨论和分析还可以帮助识别问题和挑战。通过深入的讨论和分析，管理层可以更好地了解组织内部和外部的情况，发现可能存在的问题和挑战。这样，他们就可以及时采取行动来解决这些问题和挑战，避免对组织造成严重的负面影响。 另外，管理层讨论和分析是为了优化资源的分配。在一个组织中，资源是有限的，需要合理地进行分配。通过讨论和分析，管理层可以评估不同的用途和方案，确定最佳的资源分配策略。这可以帮助组织提高效率和效益，使资源得到最大的利用和回报。 最后，管理层讨论和分析还有助于提高组织的决策质量。通过深入的讨论和分析，管理层可以全面地评估各种可能性和风险，从而作出更明智和可持续的决策。这将有助于组织在竞争激烈的市场环境中保持竞争优势，并实现长期的可持续发展。 总之，管理层讨论与分析是组织决策过程中不可或缺的环节。通过这个过程，管理层可以加强沟通和协商，识别问题和挑战，优化资源分配，提高决策质量，从而为组织的成功和发展提供有力的支持。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值