LAMMPS粗粒化建模：从全原子映射到CG力场参数拟合的实战路径

LAMMPS粗粒化建模的起点不是打开LAMMPS写input script，而是回答一个前置问题：把哪些原子打包成一个bead？这个映射决策决定了后续所有力场参数的拟合方向，也决定了模拟结果能保留多少物理信息。团队在脂质双层体系中曾因将整个磷脂头部映射为单个bead，导致头部区域面积压缩模量与实验值偏差超过35%——差距不是因为力场参数没调好，而是从mapping那一刻就锁定了误差上限。

Mapping方案选择：保留什么、牺牲什么

粗粒化的本质是信息取舍。MARTINI力场的标准mapping将约4个重原子映射为一个bead，这个”4:1″规则基于大量有机分子自由体积的统计平均，并非物理最优，而是工程折中。

以DPPC脂质为例，标准MARTINI mapping将两条尾部各映射为4个bead，头部映射为3个bead。这个方案保留了头部-尾部的大尺度构型差异，但牺牲了尾部末端甲基与内部亚甲基的物理差异。团队的判断是：对于研究脂质双层的弯曲模量和区域翻转等大尺度行为，这个牺牲可以接受；但如果研究目标是尾部构象的精细分布，这个mapping方案就认定不够用。

对于蛋白质体系，MARTINI将每个氨基酸映射为1-2个bead。这种方案保留了二级结构的大尺度特征，但对三级结构稳定性依赖弹性网络（Elastic Network）的辅助约束——这不是可选附加项，是必须的补丁。

CG力场参数拟合：从全原子参照到粗粒化力常数

力场参数拟合有两种主流路径：Top-down和Bottom-up。MARTINI力场采用Top-down策略，参数校准目标是热力学实验数据（密度、界面张力、分配系数），赋予了它良好的热力学一致性，但动力学时间尺度存在系统性偏差——扩散速率偏快约4倍，所有涉及动力学过程的定量比较都需要做时间尺度校正。

团队在聚合物体系上更倾向Bottom-up策略：先完成全原子MD模拟，再通过迭代Boltzmann inversion（IBI）方法从全原子径向分布函数反推CG力场参数。IBI的迭代收敛目标是将CG体系的RDF与全原子参照差异控制在5%以内。实际操作中，前3-5轮迭代RDF收敛很快，之后进入缓慢调整期——团队认定5轮迭代后差异从40%降至6%就够用了，继续到15轮降到3%的性价比不高，因为CG模型本身的信息损失已决定了3%以下的差异更多是噪声而非物理。

在LAMMPS中的实现相对直接：CG力场参数写入data文件和pair_style设定，IBI生成的势函数以table形式导入。关键是确认LAMMPS读取的table值与IBI输出值一致——格式不匹配是常见的低级错误。

弹性网络与键角约束：蛋白质粗粒化的必要补丁

蛋白质粗粒化模型的一个关键决策是弹性网络（EN）的设置。MARTINI的蛋白质mapping保留了backbone的粗粒化构型，但backbone bead之间的非键相互作用不足以维持天然三级结构——模拟中蛋白质会逐渐松散成无序状态。弹性网络通过在距离小于0.9 nm的backbone bead之间添加弱弹簧力来维持结构稳定性。

团队在2024年一个膜蛋白粗粒化项目中对比了两种EN方案：标准MARTINI EN（弹簧常数500 kJ/mol/nm²）和弹性网络强度可调方案。标准方案下蛋白质在1 μs模拟后RMSD稳定在0.35 nm——结构维持得很好，但蛋白质的构象灵活性被严重压制，侧链的摇摆幅度只有全原子模拟的1/4。可调方案将弹簧常数降到200 kJ/mol/nm²，RMSD上升到0.52 nm，侧链灵活性恢复到了全原子参照的约60%。

取舍逻辑是明确的：如果研究目标是大尺度运动（蛋白在膜上的翻转、聚集），标准EN的稳定性保障是必须的；如果需要观察蛋白质局部的构象调整（口袋开合、loop摆动），降低EN强度是必要的牺牲——代价是模拟时间不能太长（超过5 μs后低EN强度的蛋白质可能逐渐偏离天然构型）。

反思边界：粗粒化模型的物理描述上限

回过头看，LAMMPS粗粒化建模最大的价值是让原本不可能的时间尺度和体系规模变得可达——微秒级的脂质双层翻转、毫秒级的蛋白质聚集，这些过程全原子模拟根本覆盖不了。但代价同样清晰：局部原子级别的结构细节丢失了、氢键网络的精确拓扑丢失了、动力学时间尺度需要校正。

Marrink等人在MARTINI力场的原始论文中明确界定了适用范围：热力学性质预测可靠，动力学速率需要校正，局部结构细节不可靠。这个边界不应该被回避——粗粒化模型能回答的是”大尺度行为”，不是”原子级细节”。方法论和参数模板，可在中找到，也欢迎回到https://www.keyanxueshu.com/浏览全站内容架构。