蛋白質(zhì)是生命活動(dòng)的主要執(zhí)行者，其功能的實(shí)現(xiàn)往往依賴于自身三維結(jié)構(gòu)的動(dòng)態(tài)變化，即構(gòu)象變化。我們可以把蛋白質(zhì)想象成一個(gè)復(fù)雜的分子機(jī)器，它需要在不同的“工作狀態(tài)”之間切換來(lái)完成特定的任務(wù)。然而，科學(xué)家們長(zhǎng)期以來(lái)面臨一個(gè)巨大的難題：盡管像冷凍電鏡(Cryo-EM, cryogenic Electron Microscopy)這樣的尖端技術(shù)已經(jīng)能夠“拍下”蛋白質(zhì)在不同穩(wěn)定狀態(tài)下的“高清照片”，揭示出豐富的結(jié)構(gòu)信息，但這些“照片”之間的動(dòng)態(tài)轉(zhuǎn)變過(guò)程——蛋白質(zhì)究竟是如何從一個(gè)形狀“變形”到另一個(gè)形狀的——卻如同一部丟失了中間幀的電影，始終籠罩在迷霧之中。對(duì)于日益龐大的蛋白質(zhì)復(fù)合物系統(tǒng)，如由數(shù)十個(gè)亞基組成、分子量高達(dá)數(shù)百萬(wàn)道爾頓的ATP合成酶(ATP synthase)，這一挑戰(zhàn)尤為嚴(yán)峻。傳統(tǒng)的計(jì)算模擬方法，如分子動(dòng)力學(xué)(MD, Molecular Dynamics)模擬，雖然理論上可以追蹤原子運(yùn)動(dòng)的每一個(gè)細(xì)節(jié)，但其計(jì)算成本隨著體系原子數(shù)量的增加呈平方(N²)甚至更快的速度飆升，使得模擬此類超大復(fù)合物在可接受時(shí)間內(nèi)完成有意義的構(gòu)象轉(zhuǎn)變，變得幾乎不可能，通常需要消耗海量的超級(jí)計(jì)算資源。這就構(gòu)成了一個(gè)矛盾：我們擁有了看清起點(diǎn)和終點(diǎn)的“望遠(yuǎn)鏡”，卻缺乏描繪中間旅程的“地圖繪制工具”。為了破解這一瓶頸，填補(bǔ)從靜態(tài)結(jié)構(gòu)到動(dòng)態(tài)功能理解之間的空白，一項(xiàng)創(chuàng)新的計(jì)算模擬研究應(yīng)運(yùn)而生，其成果已發(fā)表在《自然·通訊》(Nature Communications)期刊上。

為了高效探索超大蛋白質(zhì)復(fù)合物的構(gòu)象變化路徑，研究人員優(yōu)化并發(fā)展了一種名為eBDIMS2的計(jì)算算法。該方法的核心是將彈性網(wǎng)絡(luò)模型(Elastic Network Model)與布朗動(dòng)力學(xué)(Brownian Dynamics)模擬相結(jié)合，在保持關(guān)鍵結(jié)構(gòu)特征的同時(shí)，極大地簡(jiǎn)化了計(jì)算復(fù)雜度。研究通過(guò)將此算法應(yīng)用于包括ATP合成酶在內(nèi)的多個(gè)大型蛋白體系，并將其模擬結(jié)果與實(shí)驗(yàn)捕獲的中間態(tài)結(jié)構(gòu)、以及需要大量超算資源的增強(qiáng)采樣和微秒級(jí)傳統(tǒng)分子動(dòng)力學(xué)模擬的結(jié)果進(jìn)行系統(tǒng)比對(duì)，以驗(yàn)證其有效性和準(zhǔn)確性。

本研究采用的計(jì)算方法核心是eBDIMS2算法，它是對(duì)先前eBDIMS算法的優(yōu)化版本。該算法整合了彈性網(wǎng)絡(luò)模型（用于簡(jiǎn)化蛋白質(zhì)的拓?fù)溥B接與力學(xué)特性）和布朗動(dòng)力學(xué)模擬（用于模擬溶劑環(huán)境下的隨機(jī)運(yùn)動(dòng)），從而實(shí)現(xiàn)了對(duì)龐大蛋白質(zhì)體系構(gòu)象空間的快速采樣。關(guān)鍵的技術(shù)優(yōu)化使得算法的計(jì)算復(fù)雜度從原來(lái)的近似N²依賴轉(zhuǎn)變?yōu)闇?zhǔn)線性依賴，這意味著模擬超大體系（如兆道爾頓級(jí)別的蛋白質(zhì)組裝體）的可行性大幅提高，甚至可以在桌面計(jì)算機(jī)上完成。研究通過(guò)將此算法應(yīng)用于特定的生物體系（如ATP合成酶），并將其生成的構(gòu)象變化路徑與獨(dú)立的、計(jì)算代價(jià)高昂的增強(qiáng)采樣分子動(dòng)力學(xué)模擬和微秒級(jí)常規(guī)分子動(dòng)力學(xué)模擬的結(jié)果進(jìn)行對(duì)比，來(lái)驗(yàn)證所生成路徑的可靠性。

研究人員首先將eBDIMS2算法應(yīng)用于一個(gè)經(jīng)典的旋轉(zhuǎn)馬達(dá)蛋白——ATP合成酶。模擬成功復(fù)現(xiàn)了該酶復(fù)合物整個(gè)γ亞基旋轉(zhuǎn)120度的大尺度構(gòu)象變化。更重要的是，模擬自發(fā)產(chǎn)生（即無(wú)需預(yù)先引入任何實(shí)驗(yàn)結(jié)構(gòu)信息作為引導(dǎo)）的轉(zhuǎn)變路徑，與通過(guò)冷凍電鏡實(shí)驗(yàn)解析出的一個(gè)關(guān)鍵中間構(gòu)象高度吻合。這表明，eBDIMS2不僅能夠處理極端龐大的系統(tǒng)，其基于物理的簡(jiǎn)化模型所預(yù)測(cè)的動(dòng)態(tài)過(guò)程，與真實(shí)的生物物理過(guò)程具有顯著的一致性。

為了進(jìn)一步嚴(yán)格驗(yàn)證eBDIMS2所生成路徑的物理真實(shí)性，研究者將其結(jié)果與兩種計(jì)算成本極高的全原子分子動(dòng)力學(xué)模擬進(jìn)行了比對(duì)：一種是采用高斯加速的增強(qiáng)采樣MD模擬，另一種是長(zhǎng)達(dá)微秒尺度的常規(guī)MD模擬。盡管后兩者在計(jì)算資源消耗上比eBDIMS2高出數(shù)個(gè)數(shù)量級(jí)，但比對(duì)結(jié)果顯示，eBDIMS2所探索的主要構(gòu)象變化路徑與這些高精度模擬得到的主流路徑存在顯著的重疊。這一關(guān)鍵發(fā)現(xiàn)強(qiáng)有力地證明，eBDIMS2所采用的簡(jiǎn)化模型能夠有效捕捉到大型蛋白質(zhì)復(fù)合物構(gòu)象轉(zhuǎn)變過(guò)程中最本質(zhì)的集體運(yùn)動(dòng)模式，而其計(jì)算效率卻提高了數(shù)個(gè)量級(jí)。

除了ATP合成酶，研究還將該算法應(yīng)用于其他具有不同結(jié)構(gòu)和功能的蛋白質(zhì)系統(tǒng)，均取得了成功。這些案例表明，eBDIMS2方法的優(yōu)勢(shì)具有普適性。其準(zhǔn)線性的規(guī)模依賴性成功克服了傳統(tǒng)方法在模擬尺度上的根本性限制，使得對(duì)“亞介觀尺度”（sub-mesoscopic）——即介于傳統(tǒng)全原子模擬可及尺度與連續(xù)介質(zhì)力學(xué)描述尺度之間的系統(tǒng)——的蛋白質(zhì)組裝體進(jìn)行系統(tǒng)的構(gòu)象變化探索成為可能。此前，這類系統(tǒng)的動(dòng)態(tài)行為由于計(jì)算瓶頸而長(zhǎng)期處于研究的盲區(qū)。

本研究開(kāi)發(fā)并驗(yàn)證了eBDIMS2這一高效的計(jì)算工具，它成功地在計(jì)算效率與物理準(zhǔn)確性之間取得了突破性平衡。該工作主要得出以下結(jié)論：第一，eBDIMS2算法憑借其準(zhǔn)線性的規(guī)模依賴性，首次使得在普通計(jì)算設(shè)備上模擬兆道爾頓級(jí)別的超大蛋白質(zhì)復(fù)合物（如ATP合成酶）的完整功能相關(guān)構(gòu)象變化成為現(xiàn)實(shí)。第二，算法自發(fā)產(chǎn)生的過(guò)渡路徑不僅能訪問(wèn)實(shí)驗(yàn)觀測(cè)到的中間態(tài)構(gòu)象，而且與耗費(fèi)巨大超級(jí)計(jì)算資源得到的增強(qiáng)采樣和長(zhǎng)時(shí)間尺度分子動(dòng)力學(xué)模擬的路徑核心一致，證明了其預(yù)測(cè)的可靠性。第三，通過(guò)整合彈性網(wǎng)絡(luò)與布朗動(dòng)力學(xué)，該方法為系統(tǒng)性地探索此前無(wú)法觸及的亞介觀尺度生物分子組裝體的構(gòu)象景觀和動(dòng)力學(xué)特性提供了一個(gè)前所未有的強(qiáng)大平臺(tái)。

這項(xiàng)研究的深遠(yuǎn)意義在于，它為解決結(jié)構(gòu)生物學(xué)中“動(dòng)態(tài)盲區(qū)”的挑戰(zhàn)提供了一把高效的鑰匙。隨著冷凍電鏡等技術(shù)產(chǎn)出海量的大型復(fù)合物靜態(tài)結(jié)構(gòu)，eBDIMS2這類工具能夠?qū)⑦@些靜態(tài)的“快照”連接成動(dòng)態(tài)的“電影”，從而在分子層面深入闡釋蛋白質(zhì)機(jī)器的工作原理。它不僅極大地降低了相關(guān)模擬研究的門(mén)檻，促進(jìn)了計(jì)算方法的普及，更有望加速在藥物設(shè)計(jì)（如針對(duì)構(gòu)象變化過(guò)程的調(diào)控）、合成生物學(xué)（設(shè)計(jì)動(dòng)態(tài)蛋白質(zhì)元件）及基礎(chǔ)生命科學(xué)等領(lǐng)域取得新的突破。