自组装分子结构预测

做 自组装分子结构预测 之前，我天真地想用全原子 MD 直接看一个两亲肽怎么聚成纤维。结果 200 ns 只看到两三个分子犹豫要不要靠近，尺度完全不够。那次让我明白，自组装分子结构预测要的是微秒、百纳米，全原子在常规算力下根本到不了，得上粗粒化。

一、为什么自组装必须粗粒化

自组装分子结构预测 的目标形貌（胶束核、纤维长径比、囊泡双层）空间尺度是 5~50 nm、时间尺度是微秒以上。全原子一步要 fs，跑微秒是亿步量级。Martini 粗粒化把 4 个重原子并成一个 bead，算力直接省两个数量级，让我们能看到聚集全过程。我做自组装分子结构预测 时，全原子只用来标定 CG 模型的局部构象偏好，大尺度形貌全交给 Martini。

二、核心原理：从映射到底物作用

自组装分子结构预测 的 backbone 是把化学结构映射到 CG bead（Martini 有标准映射规则，极性/非极性/带电各有 bead 类型），再用弹性键连成分子。关键是非键参数：极性 bead 亲水、非极性 bead 疏水，靠这个对比驱动聚集。我做自组装分子结构预测时，会特意检查疏水尾巴和极性头的 bead 分配是否贴合真实两亲性，否则形貌会反（该成胶束的摊成膜）。

三、关键技术要点：弹性与二面角

CG 模型里键长用弱弹性势、二面角用统计势，参数错了分子会过软或过硬。我跑肽自组装时，β-折叠的二级结构靠正确的 backbone 二面角偏置才出得来，否则肽只会乱卷。另一个坑是水模型：Martini 水 bead 数要按体系调，水太多稀释、太少增大粘度，临界聚集浓度会偏移。我一般先做小体系标定聚集趋势，再放大看形貌。

四、实操流程：从化学到形貌

我的步骤：化学结构 → Martini 映射建 CG 分子 → 溶剂化与离子 → 短时平衡 → 长时间生产（微秒级）→ 用密度场/形貌簇分析判定聚集类型 → 必要时回全原子精修关键接触。做 自组装分子结构预测 最容易被省的是放大体系这步，小盒子看不出胶束到囊泡的转变，我一定上足够大的超胞。

一个两亲分子 CG-MD：浓度低于 CMC 时体系里只有单体随机游动，浓度提到 3×CMC 后 1 μs 内自发聚成半径约 3 nm 的球状胶束，再提到 8×CMC 出现棒状乃至短囊泡的雏形。如果只跑低浓度小盒子，永远看不到聚集转变，会误判“这个分子不聚集”。我现在做自组装预测默认先扫浓度，再在目标浓度上放大看形貌，CMC 和形貌一起给，才是完整答案，而不是只回一句“它会聚集”。

五、常见坑：忽略浓度与温度

自组装分子结构预测 里，临界聚集浓度（CMC）直接决定有没有聚集体。浓度低于 CMC 只有单体，高于才成胶束/囊泡，CG 模拟要落在对应区间。温度也调控形貌（升温破坏疏水驱动），我做相图时会扫两三个温度。还有初始随机分布要够均匀，初始团块会人为诱导错误形貌。

六、复盘：自组装预测是”用尺度换视野”

回过头看，自组装分子结构预测 最值钱的是告诉你”在什么条件下聚成什么”，帮合成直接定浓度和序列。我接项目时默认先要分子类型和想看的结构，再定 CG 粒度。把映射、弹性参数、浓度温度三件事做对，粗粒化才真的能预测形貌。被证明有用的，是愿意为一个胶束多跑一微秒、看清它是球还是棒的耐心。下次有人问“它会聚成什么”，我会先反问——你打算配多浓。