All-atom/coarse-grained hybrid predictions of distribution coefficients in SAMPL5.
All-atom/coarse-grained hybrid predictions of distribution coefficients in SAMPL5.
复制标题
DOI：
10.1007/s10822-016-9926-z
复制
发表时间：
2016-11
影响因子：
3.5
通讯作者：
Essex, Jonathan W.
中科院分区：
文献类型：
--
作者：
Genheden, Samuel;Essex, Jonathan W.
我们提出了提交给 SAMPL5 挑战的关于计算分配系数的盲预测。这些预测基于对挑战中 53 种化合物在水和环己烷中的溶剂化自由能的估计。这些自由能是使用基于混合全原子/粗粒度模型的炼金术自由能模拟来计算的。化合物用一般的 Amber 力场处理，而溶剂分子则用 Elba 粗粒度模型处理。考虑到溶剂模型的简单性以及我们用中性物质的分配系数来近似分配系数，预测具有良好的准确性。相关系数 R 为 0.64，82% 的预测具有正确的符号，平均绝对偏差为 1.8 个对数单位。这与挑战赛中其他基于模拟的预测相当或更好。我们对实验偏差进行了分析，并将预测与使用全原子溶剂的另一提交内容进行了比较。本文的在线版本 (doi:10.1007/s10822-016-9926-z) 包含补充材料，可供授权用户使用。
We present blind predictions submitted to the SAMPL5 challenge on calculating distribution coefficients. The predictions were based on estimating the solvation free energies in water and cyclohexane of the 53 compounds in the challenge. These free energies were computed using alchemical free energy simulations based on a hybrid all-atom/coarse-grained model. The compounds were treated with the general Amber force field, whereas the solvent molecules were treated with the Elba coarse-grained model. Considering the simplicity of the solvent model and that we approximate the distribution coefficient with the partition coefficient of the neutral species, the predictions are of good accuracy. The correlation coefficient, R is 0.64, 82 % of the predictions have the correct sign and the mean absolute deviation is 1.8 log units. This is on a par with or better than the other simulation-based predictions in the challenge. We present an analysis of the deviations to experiments and compare the predictions to another submission that used all-atom solvent. The online version of this article (doi:10.1007/s10822-016-9926-z) contains supplementary material, which is available to authorized users.
登录
查看更多内容
影响因子：
3.5
作者：
Geballe, Matthew T.;Guthrie, J. Peter
通讯作者：
Guthrie, J. Peter
影响因子：
3.5
作者：
Mobley, David L.;Wymer, Karisa L.;Lim, Nathan M.;Guthrie, J. Peter
通讯作者：
Guthrie, J. Peter
影响因子：
3.3
作者：
Maragakis, Paul;Lindorff-Larsen, Kresten;Shaw, David E.
通讯作者：
Shaw, David E.
影响因子：
3.5
作者：
Geballe, Matthew T.;Skillman, A. Geoffrey;Taylor, Peter J.
通讯作者：
Taylor, Peter J.
DOI：
10.1016/s1574-1400(09)00504-0
发表时间：
2009-01-01
期刊：
ANNUAL REPORTS IN COMPUTATIONAL CHEMISTRY, VOL 5
影响因子：
--
作者：
Perez, Danny;Uberuaga, Blas P.;Voter, Arthur F.
通讯作者：
Voter, Arthur F.