项目名称: 离子通道运输的原子到连续尺度计算方法

项目编号: No.91230105

项目类型: 重大研究计划

立项/批准年度: 2013

项目学科: 数理科学和化学

项目作者: Jakob Ulmschneider

作者单位: 上海交通大学

项目金额: 65万元

中文摘要: 电压门控钾离子(Kv)通道是动物细胞内极其重要的装置,例如是神经系统中电脉冲产生和传播的重要部件。Kv通道的研究,特别是高精度模拟有助于高效的新药设计。由于通道开闭的时间尺度(毫秒至秒)远超传统的原子模拟可达到的时间,多尺度模拟算法的建立与应用是非常急迫的问题。本项目将基于负责人过去的成果提出新型有效的多尺度算法。Kv通道模型包含二个时间尺度:慢模式使用全原子表示离子通道,膜和溶剂。在快模式中,将使用反应场混合模型和广义Born隐膜模型,膜和溶剂描述为极化的连续介质.这种混合方法可以将采样效率提高30~100倍,是达到毫秒时间尺度的关键所在。体系中的离子通道在隐式和显式模式下将保持全原子表示,在保持精度下在两个模式间快速和简单的转换。在宏观层次使用离子输运的PNP模型,并利用分子动力学模拟更新PNP中的扩散系数和介电常数。PNP将可以直接比较离子通道电导率的实测数据,为本项目提供基准数据。

中文关键词: 离子通道;脂质双分子层;;;

英文摘要: Voltage-gated K+ ion channels (Kv channels) are fundamentally important cellular machinery present in all animal cells and key components in the generation and propagation of electrical impulses in the nervous system. The accurate computer simulation of ion transport through Kv channels would be a major advance in biomedical research, allowing for the efficient design of novel drugs for a wide variety of pharmaceutical applications. However, the time scales necessary to study channel gating (~ms-s) is much longer than what can currently be reached via conventional atomistic simulations. Thus, new advanced algorithmic developments in multi-scale simulation techniques are urgently needed to study ion transport phenomena in biological systems. We propose here a novel multi-scaling technique based on algorithms recently successfully developed by us. Our approach goes significantly beyond earlier multi-scaling algorithms which usually involve a reduced representation of the biological system via use of coarse-graining techniques. In our technique, the channel is retained in its fully atomistic representation in both the fast (implicit) and detailed (explicit) modes, allowing for a fast and simple switching without loss of precision. This accuracy is the key to the success of capturing long-scale events of ion channel

英文关键词: Ion Channel;Membrane Protein;multi-scaling;;

成为VIP会员查看完整内容
0

相关内容

ICLR 2022|化学反应感知的分子表示学习
专知会员服务
20+阅读 · 2022年2月10日
NeurIPS 2021 | 通过动态图评分匹配预测分子构象
专知会员服务
21+阅读 · 2021年12月4日
NeurIPS 2021 | 微观特征混合进行宏观时间序列预测
专知会员服务
40+阅读 · 2021年11月12日
【NeurIPS 2021】基于潜在空间能量模型的可控和组分生成
专知会员服务
16+阅读 · 2021年10月23日
专知会员服务
32+阅读 · 2021年9月7日
专知会员服务
25+阅读 · 2021年8月11日
NIPS'21 | 通过动态图评分匹配预测分子构象
图与推荐
0+阅读 · 2021年11月29日
借助新的物理模拟引擎加速强化学习
TensorFlow
1+阅读 · 2021年8月16日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
Arxiv
1+阅读 · 2022年4月25日
小贴士
相关主题
相关VIP内容
ICLR 2022|化学反应感知的分子表示学习
专知会员服务
20+阅读 · 2022年2月10日
NeurIPS 2021 | 通过动态图评分匹配预测分子构象
专知会员服务
21+阅读 · 2021年12月4日
NeurIPS 2021 | 微观特征混合进行宏观时间序列预测
专知会员服务
40+阅读 · 2021年11月12日
【NeurIPS 2021】基于潜在空间能量模型的可控和组分生成
专知会员服务
16+阅读 · 2021年10月23日
专知会员服务
32+阅读 · 2021年9月7日
专知会员服务
25+阅读 · 2021年8月11日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
微信扫码咨询专知VIP会员