gromacs文件介绍and一些杂知识

1（1）gromacs(GMX)各种文件格式详细，可以查阅GROMACS手册第5章第6小节，以下为简要介绍。CPT文件：该文件为模拟断点文件（checkpoint，.cpt）。该文件为模拟过程固定时间间隔产生，保存模拟系统所有信息。该文件一部分可以在能量文件（.edr）找到，一部分可以在双精度轨迹文件（.trr）中找到。如果模拟不幸因为外界条件中断（如断电，模拟人发脾气砸电脑等），可以使用该文件重新在断点处开始模拟，以节省模拟时间。同时也可以依靠该断点文件开始，并延长模拟计算（见tpbconv）。EDR文件：系统能量文件（energy，.edr）。该文件记录模拟输入文件中定义的能量组的各种相互作用能量等。EPS文件：封装文件格式（.eps），并不是GROMACS自身文件格式，可以当图片打开。LINUX系统下一般已经有默认打开程序，WINDOWS要安装其他打开程序（可以GOOGLE以下）。GROMACS的DSSP和罗麽占陀罗图等通过xpm2ps处理后都是这个文件格式。习惯就好。G87文件：分子坐标文件（.g87）。该文件记录并只记录原子坐标和速度，不含原子序号。并只记录常压强模拟系统的盒子信息。G96文件：分子坐标文件（.g96）。GROMOS96程序的分子坐标文件，模拟程序以15.9的C语言格式写入，精度较高，但是会比较大。包含有文件头，时间步，原子坐标，原子速度，以及盒子信息等。GRO文件：分子坐标文件（.gro）。GROMACS的最主要分子坐标文件，明白这个文件，就基本明白使用GROMACS了。该文件类型的各个文本列字数固定，C语言的写入格式为：%5d%5s%5s%5d%8.3f%8.3f%8.3f%8.4f%8.4f%8.4f。具体固定文本列有：2残基序号，5位数；残基名称，5字母；原子名称，5字母；原子序号，5为数；原子坐标三列，X，Y，Z坐标各8位数，含3个小数位；速度同坐标，速度单位为nm/ps（km/s）。ITP文件：分子拓扑文件（.itp）。被主拓扑文件（.top）包含的分拓扑文件，一般包含某个特定分子的类型。于主拓扑文件区别有它不引用其他力场文件，同时包含[system]，[molecule]等拓扑字节。M2P文件：xpm2ps程序配置文件，定义输出eps文件中颜色，字体种类及大小等。MDP文件：GROMACS的模拟配置文件（.mdp）。该文件所含定义较多，各关键字的含义可以查阅GROMACS手册。（这是使用GROMACS进行分子动力学模拟最最最最（10个最）重要的文件，nomdp文件，noGROMACS模拟。好好看书，以明白各个关键字的含义。因为它太重要，所以不在此简要描述。N2T文件：原子名称及类型对照文件（.n2t）。x2top程序可以按照原子名称得到该原子的原子类型力场参数，N2T就是x2top程序扫描的数据库，文件很小。文件中文本行有原子名称，原子类型，原子电量，原子质量，该原子与其他原子成键距离等。NDX文件：原子索引文件（.ndx）。该文件含原子的序号，当使用make_ndx程序生成索引文件时，可以定义不同的原子组，每组名下即是该组所含各个原子的序号。PDB文件：分子坐标文件（.pdb）。这个就不用说了（说真的，如果真没有听过这个文件类型的话，看这篇文章有点浪费时间。）RTP文件：残基力场参数文件（.rtp）。该文件包含常见残基的力场信息，3包括残基所含原子，成键种类等。使用pdb2gmx处理PDB文件时，程序按照PDB文件信息，在RTP文件中寻找对应的残基力场信息。TOP文件：模拟系统的拓扑文件（.top）。该文件就是所谓十分及其著名的系统拓扑文件啦，其包含各个关键字都十分易懂；一般其还包含引用其他力场文件（#include）。TOP文件一般由pdb2gmx产生，grompp程序生成模拟TPR文件时使用。TPR文件：模拟打包文件（.tpr）。该文件打包模拟需要各种信息，包括模拟系统，模拟控制等。TRJ文件：全精度轨迹文件（.trj）。该文件包含模拟系统模拟各个时间下的原子坐标，速度和受力等。所含帧数频率由MDP文件控制，文件较大。TRR文件：以上同，一般为默认格式。由于所含信息多，可以也EDR文件一起使用，重新开始模拟程序。XPM文件：数据矩阵文件（.xpm）。该文件矩阵中每个值即是矩阵点所表示的物理量大小（也可以是布尔值）。该文件其实就是二维图，可以失踪xpm2ps转换为图片。XTC文件：模拟轨迹单精度文件（.xtc）。单精度轨迹文件，文件较TRR和TRJ小，为常用分析文件。包含模拟系统中原子坐标，模拟时间，和模拟盒子信息。XVG文件：二维图标文件（.xvg）。二维画图工具xmgrace的默认文件，可以使用xmgrace打开。（2）Gromacs中几个特殊文件aminoacids.dat该文件保存GMX默认的蛋白质和核算的默认残基名称。如果计算过程要4建立一个新的蛋白质或者核算残基，可以将新的残基名称加到该文件中，并增加文件第一个的整数即可。有时候可以将该文件拷贝到当前工作文件夹进行编辑，以不影响其他计算的命名（GMX的文件搜索总是从当前目录开始的。）FF.datGMX默认力场列表，即pdb2gmx处理PDB文件时可以选择的立场列表。增加新的力场，可以编辑该文件，并修改文件第一行的整数，使其与力场种类熟目一致。specbond.datGMX处理特殊化学键的文件，特殊化学键包括二硫键，血红素铁原子于其他原子成键等。该文件第一行指明特殊键对的数目，第二行开始即为各个特殊键对的信息，其中第一列为键对第一个残基的名称，第二列为该残基成键原子的名称，第三列为该原子可以成键的数目，第四到第六列为成键另一个残基的信息，第七列为该化学键的平衡长度，此后两列为成键后残基的新名称。vdwradii.dat原子范德华半径数据库。使用genbox为系统添加水分子，或者使用genion为系统添加离子时，各个原子间的距离要大于两个原子范德华半径之和，否则则为原子重叠（3）常见水分子模型进行分子动力学模拟，水分子十分重要，除非选择使用连续介质模型（implictitwatermodel）。水分子模型较多，选择这些模型要结合使用的力场，并参考别人已经的数据。一下简单介绍几种常见的水分子模型，希5望对了解它们有点帮助。按照一般化学常识，水分子由三个原子构成，主要的参数应该有各个原子的质量，电量，氢氧键的长度以及H-O-H的键角。没有错，最简单的水分子模型就是这些参数都固定的刚性水分子模型。如SPC模型和TIP3P模型。这两种模型中，原子质量和电量都在同一个质点上。唯一不同的是TIP3P的H-O-H键角比理论值109.47小，为104.52度。这两种水模型只有氧原子具有范德华作用系数，氢原子的范德华系数为0。以上两种模型有对应的改进模型，SPC的改进模型为SPC/E，起主要改进其实就是使溶液系统的总能量乘以5.22kJ/mol。这样可以使SPC溶液属性更加接近实验值。TIP3P在CHARMM力场中的改进是给氢原子一定的范德华系数，这样做的结果的计算根据复杂。。。（很无奈，因为结果好，所以也没有办法。）由于真是情况下水分子的电量分布并不是完全在原子上的，如氧原子的一部分负电量就在H-O-H的对角线上，还有两个电子对处在H-O化学键的延长线上。为了得到更加真实的水分子模型，四个粒子以上的模型就被应用到分子动力学模拟中。其中最著名的有TIP4P模型。该模型在三个原子中间，H-O-H化学键的对角线上多了一个不含质量，只带电量的点。很多蛋白质模拟计算中，TIP4P和OPLS力场结合使用都得到很好的效果。以上提到，水分子的氧原子在H-O化学键延长线上有两个电子对，于是有的人就在这两处添加了两个只带电量的粒子。2000年报道的TIP5P模型，计算结果也很好。还有一些牛人，结合TIP4P和TIP5P，要研制TIP6P，很好很强大。。。6不得不说，并不是模型的所含粒子越多越好。粒子越多，就算付出越大，因为要计算的相互作用更多（4）力场“力场”，请不要被“场”这个听起来像是十分高深的物理名词给吓坏了。分子动力学模拟中使用的力场，包含两个重要的部分：1）模拟粒子之间相互作用的方程（即经典力学的相互作用力方程如库仑定律，范德华作用方程等）。2）方程的参数（即各个不同粒子，原子本身的参数，如带点量等等）。可以想想，模计算机模拟好多成键或者不成键的粒子的运动，总要让它们互相推推拉拉吧，于是力场就是定义它们推推拉拉的方式（按照物理定律）。力场类型，一般分类为三种：i）全原子力场：精确定义每一个原子的参数。ii）联合原子力场：省略非极性氢原子，同时把其参数整合到与他们成键的相邻原子上（比如甲基，只由一个碳原子表示）。iii）粗颗粒力场：进一步精简分子结构的力场参数，种类比较多，比如有讲蛋白侧链看作一个颗粒的力场，或者甚至将整个氨基酸残基看成一个颗粒的力场等等。一般来说力场的方程和参数是自成一个系统的，所以一般不能在一个系统中使用两个力场的参数。更具体的将，同一个原子在力场一中的带电量与起在第二个力场中是不一样的，化学键也一样。一般来讲，也不能特定修改力场中模一个原子的参数，因为原子之间是互相交叠依赖（比如未来保7证整个氨基酸残基电量为0，各个原子电量加和必须为0）。但是，这并不是说一定不行，相反的，为了模拟一些不常见的分子，经常需要根据已有的参数（力场里面的，其他论文等）来构建新的分子参数。具体方法可以参考Mr.Google等著名老师。目前比较流行的力场有：AMBER：包含好几个版本的力场，为全原子力场；CHARMM：全原子力场，是软件CHARMM的一部分；GROMOS：GROMOS软件使用的力场，版本较多，为联合原子力场；OPLS：包含全原子和联合原子力场两个版本；粗颗粒力场：种类较多，没有固定版本或者种类，一般根据研究需要开发。（5）Gromacs重启模拟计算以前介绍过如果使用GMX3.x重新由于种种原因停止的模拟，以下为GMX4.x下重启模拟的方法。GMX4.x的模拟程序mdrun较以往版本有不少不同。在模拟过程中，mdrun按照mdp文件在一定时间间隔保存一个断点文件（checkpointfile,.cpt文件），该文件保存了该时刻模拟系统的所有物理量信息。如果由于不可预见原因，模拟中断，则可以使用该文件重新在该时刻开始进行模拟。重启模拟的命令如下：-------mdrun-stopol.tpr-cpistate.cpt-append-------以上state.cpt文件为最新生产的断点文件（mdrun会保存另外一个断点8文件：state_prev.cpt，为上一个时刻保存的断点文件，双保险。）使用“-append的作用是将模拟输出添加到已有文件中，包括轨迹文件，记录文件，能量文件等，相同帧的信息将被后生产的信息覆盖。当然，也可以继续像GMX3.x一样使用tpbconv生产新的tpr文件继续模拟，详细请参见旧文或手册。（6）Gromacs多链模拟进行模拟计算时，如果模拟分子由两条以上的链组成，一般都要明确告诉模拟软件区分两条链。模拟软件一般没有那么聪明，除非明确定义，否则它会把两条以上的化学链（如肽链，DNA，其他聚酰胺等）看成一条链。在建立模拟文件是，上一条链尾端会于下一条链头部加一个共价化学键（如肽键）。由于该化学键一般很长，开始模拟时系统就“爆炸”了。AMBER软件在处理这样的问题的，需要编辑原始的PDB文件，在每一条链结尾处添加“TER”。在GMX中，这种做法行不通（其实开发人员应该考虑这个问题）。解决的办法要在原始PDB文件中给每一条链添加链标识符，如“A”，“B”等等。（如果26个字母不够用，那就使用数字1到9，然后还可以使用特殊字符，如$“，”￥“等等）。这样，使用pdb2gmx处理PDB文件的时候，就会得到各个链的拓扑文件，如topol_A.itp，topol_B.itp等等，并都被topol.top包含。以上所述使用一个字符标识PDB文件中不同的链，是因为PDB文件只使用第22字符列作为链标识位，两个字符以上不认