### 分子动力学模拟的艺术——拉帕波特 #### 核心知识点概述 《分子动力学模拟的艺术》由丹尼斯·拉帕波特编写，是美国乃至全球分子动力学领域内一部非常重要的参考书籍。该书主要介绍了分子动力学（MD）模拟技术的基础知识、实践方法及其在纯理论研究与应用研究中的广泛应用。 #### 标题解读 - **分子动力学模拟**：一种通过求解经典多体问题来模拟原子或分子水平上物质行为的计算方法。 - **艺术**：在这里并非指传统意义上的艺术形式，而是强调作者对于该领域的深入理解和灵活运用技巧，以及如何通过细致的方法和步骤达到高效准确的模拟结果。 #### 描述解读 - **MD领域必备书籍**：表明该书不仅是初学者入门的指南，也是资深研究人员日常工作中不可或缺的参考资料。 - **在美国广受欢迎**：反映了这本书在美国分子动力学研究社区内的广泛认可度。 #### 详细知识点分析 ##### 一、分子动力学模拟简介 - **定义**：分子动力学是一种数值方法，通过求解牛顿方程组来模拟原子和分子的行为，可以用来预测物质的物理性质及化学反应过程。 - **原理**：基于经典力学框架，考虑粒子间的相互作用力，进而求解每个粒子的运动轨迹。 - **应用范围**： - **生物学**：研究蛋白质结构与功能的关系、药物设计等。 - **化学**：探究反应机理、材料科学等领域。 - **物理学**：理解纳米尺度下的物理现象。 ##### 二、关键技术与方法 - **势能函数**：用于描述系统中粒子间相互作用的能量表达式，包括范德华力、库仑力等。 - **积分方法**：选择合适的数值积分算法来求解粒子运动方程，如欧拉法、韦尔纳法等。 - **边界条件**：根据实际需求设定周期性边界条件或其他类型边界条件以模拟无限大系统或特定环境条件。 - **温度和压力控制**：通过引入温度浴和压力浴等方法来维持系统的热力学平衡状态。 ##### 三、案例研究 - **案例介绍**：书中提供了多个具体案例，涉及不同领域的问题解决思路和技术实现细节。 - **软件开发**：读者将学习如何自行编写程序进行分子动力学模拟，并对结果进行分析处理。 - **测量方法**：通过实际操作学会如何利用这些程序获得所需数据并对其进行解释。 ##### 四、新版特性 - **内容更新**：第二版相比第一版增加了大量新内容，并对原有章节进行了修订和完善。 - **软件重写**：用于教学演示的所有软件代码均经过重新编写，更符合现代编程规范和技术发展趋势。 #### 作者背景 - **教育经历**：丹尼斯·拉帕波特拥有墨尔本大学物理学士和硕士学位、伦敦国王学院理论物理学博士学位。 - **职业经历**：现任以色列巴伊兰大学物理学教授，并担任该系主任；曾在康奈尔大学、IBM纽约分部担任访问学者，在佐治亚大学担任兼职教授。 - **研究兴趣**：专注于分子动力学模拟方法论及其在多个领域的应用研究。 #### 结语 《分子动力学模拟的艺术》不仅是一本优秀的教科书，也为相关领域的科研人员提供了宝贵的学习资源和工具支持。通过本书的学习，读者能够掌握分子动力学模拟的基本理论与实践技能，并能够将其应用于解决复杂的科学研究问题。

烯醇官能化氮杂环卡宾稀土金属胺化物的合成，分子结构及其催化胍化反应研究，李志，沈琪，本文本文以烯醇官能化的氮杂环卡宾前体H2LBr (L= 4-OMe-C6H4COCH{C(NCHCHNiPr)})为辅助配体，通过与LnCl3(Ln = Y, Nd, Sm, Yb)和NaN(TMS)2的混合体系进行�

半滑舌鳎MHC II类A基因的分子鉴定、多态性及与抗鳗弧菌感染的相关性研究，王旭波，李春梅，主要组织相容性复合体（MHC）II类抗原在脊椎动物免疫反应方面起着重要的作用。本文通过RACE-PCR技术获得了半滑舌鳎MHC II 类A基因的cDNA�

同步辐射真空紫外光电离分子束质谱研究甲基叔丁基醚的热解，张泰昌，Wang jing，本文在MTBE和Ar的流量比为3.72%，压力267Pa,温度从700K到1420K的条件下 研究MTBE的热解。利用同步辐射真空紫外光电离结合分子束质谱技术检�

分子量计算器库 MwtWinDll是一个.NET库，具有实用功能，用于计算化学式和氨基酸的分子量和组成百分比。它可以识别用户定义的缩写和自定义元素同位素。它还包括一个摩尔/质量转换器，公式查找器，毛细管流动建模器，氨基酸表示法转换器，同位素分布计算器和肽序列片段化建模器。若要使用，只需将DLL包含在.NET项目中。 资料下载 DLL的发行版本可在GitHub上找到，为 持续集成 DLL的较新版本可以在上找到，尽管它们会在6个月后自动删除。 联络人 由马修·门罗（Matthew Monroe）为能源部（华盛顿州里奇兰市，PNNL）撰写基于马修·梦露（Matthew Monroe）1995-2002年编写的v6.20代码（VB6）的分子量计算器Matthew Monroe在2002年编写的VB6 ActiveX Dll版本NikšaBlonder和Matthew Monroe于2005年移植到

OpenMM：高性能分子动力学库 介绍 是用于分子模拟的工具包。 它既可以用作运行模拟的独立应用程序，也可以用作您从自己的代码调用的库。 它提供了极大的灵活性（通过定制力量和集成商），开放性和高性能（尤其是在最近的GPU上），这些特性使其在仿真代码中真正独一无二。 获得帮助 需要帮忙？ 查看和。

用于学习分子图的分层消息间传递 这是用于学习分子图的分层消息间传递的 PyTorch 实现，如我们的论文中所述： Matthias Fey、Jan-Gin Yuen、Frank Weichert：(GRL+ 2020) 要求 (>=1.4.0) (>=1.5.0) (>=1.1.0) 实验 可以通过以下方式运行实验： $ python train_zinc_subset.py $ python train_zinc_full.py $ python train_hiv.py $ python train_muv.py $ python train_tox21.py $ python train_ogbhiv.py $ python train_ogbpcba.py 引用 如果您在自己的工作中使用此代码，请引用： @inproceedings{Fey/etal/2020,

WILEY SERIES IN MATHEMATICAL AND COMPUTATIONAL BIOLOGY Editor-in-Chief Simon Levin Department of Ecology and Evolutionary Biology, Princeton University, USA Associate Editors Zvia Agur, Tel-Aviv University, Israel Odo Diekmann, University of Utrecht, The Netherlands Marcus Feldman, Stanford University, USA Bryan Grenfell, Cambridge University, UK Philip Maini, Oxford University, UK Martin Nowak, Oxford University, UK Karl Sigmund, University of Vienna, Austria CHAPLAIN/SINGH/MCLACHLAN—On Growth and Form: Spatio-temporal Pattern Formation in Biology CHRISTIANSEN—Population Genetics of Multiple Loci CLOTE/BACKOFEN—Computational Molecular Biology: An Introduction DIEKMANN/HEESTERBEEK—Mathematical Epidemiology of Infectious Diseases: Model Building, Analysis and Interpretation Reflecting the rapidly growing interest and research in the field of mathematical biology, this outstanding new book series examines the integration of mathematical and computational methods into biological work. It also encourages the advancement of theoretical and quantitative approaches to biology, and the development of biological organisation and function. The scope of the series is broad, ranging from molecular structure and processes to the dynamics of ecosystems and the biosphere, but unified through evolutionary and physical principles, and the interplay of processes across scales of biological organisation. Topics to be covered in the series include: • Cell and molecular biology • Functional morphology and physiology • Neurobiology and higher function • Immunology • Epidemiology • Ecological and evolutionary dynamics of interacting populations A fundamental research tool, the Wiley Series in Mathematical and Computational Biology provides essential and invaluable reading for biomathematicians and development biologists, as well as graduate students and researchers in mathematical biology and epidemiology.

聚类轨迹 该Python脚本接收分子动力学或Monte Carlo轨迹（.pdb，.xyz或OpenBabel支持的任何格式），使用Kabsch算法找到结构之间的最小RMSD，并执行聚集聚类（一种无监督的机器学习），以对相似的构象进行分类。 该脚本是在考虑到Python 3的情况下开发的，但是，鉴于所有库均可用，它也应在Python 2.7中工作。 脚本要做的是计算轨迹的每个配置之间的距离（使用最小RMSD），建立一个距离矩阵（以压缩形式存储）。 请注意，计算距离矩阵可能需要一些时间，具体取决于您的轨迹多长时间以及每种配置中有多少原子。 距离矩阵也可以从文件中读取（使用-i选项），以避免每次您要更改链接方法（使用-m ）或聚类的距离时重新计算该距离矩阵。 依存关系 该实现依赖于几个库，因此在运行脚本之前，请确保已在Python发行版中安装了所有库。 当前，需要以下库： 我们建议使用 P

Understanding Molecular Simulation From Algorithms to Applications.