编辑推荐：
为解决生物分子单体构象研究中采样难、形式转换复杂等问题，研究人员开展了关于生物分子单体构象空间采样的研究。他们开发了 pucke.rs 工具包，通过多种计算方法进行基准测试。结果表明该工具包可有效生成构象景观，这有助于优化力场参数，推动相关领域研究。
在微观的分子世界里，生物聚合物的功能和调控就像一场精妙的 “舞蹈”，而氨基酸和核苷的构象变化则是这场舞蹈的关键舞步。它们的动态变化在原子层面难以直接观测，就像隐藏在迷雾背后的神秘现象。传统研究方法中，分子动力学（MD）模拟虽能一探究竟，但依赖的经典力场参数获取困难，要么需拟合实验数据，要么得借助量子力学（QM）的从头计算，这无疑增加了研究的复杂性和难度。此外，在合成核酸（NA）研究领域，新核苷酸的开发急需一种能获取其环皱自由能景观的工具，以此推导力场参数，为更大构建体的 MD 模拟提供支持。然而，现有的工具和方法在这些方面存在诸多不足，无法满足研究需求。
为了突破这些困境，来自比利时鲁汶大学（KU Leuven）实验室的研究人员踏上了探索之旅，他们开展了一项旨在解决生物分子单体构象空间采样难题的研究。最终，他们成功开发出了 pucke.rs 工具包，这一成果意义非凡，它就像一把精准的 “分子手术刀”，能够深入剖析生物分子单体的构象奥秘，为优化力场参数提供了有力支持，极大地推动了相关领域的研究进展。该研究成果发表在《Journal of Cheminformatics》上。
研究人员在这项研究中运用了多种关键技术方法。首先是构象采样（Conformational Sampling，CS）技术，通过生成扭转角约束来产生初始构象，覆盖完整的构象景观。其次，借助量子力学方法，对每个初始结构进行约束几何优化（Geometry Optimisation，GO）和单点评估（Single Point Evaluation，SPE）。在计算过程中，使用了 ORCA v5.0.4 等计算化学软件包，并对比了不同理论水平（如 M?ller-Plesset 2nd 阶微扰理论（MP2）、半经验 HF-3c 等）下的计算结果 。
生成构象景观的轴
研究人员利用 pucke.rs 工具包为不同分子体系选择网格系统并生成几何优化约束。对于肽类景观，通过迭代骨干的 φ - ψ 二面角来获取约束，形成二维网格系统。对于五员环系统，采用 Huang 等人的方法，结合 Altona - Sundaralingam 和 Sato 形式主义，在笛卡尔坐标系中通过迭代 Zx和 Zy值计算出 (v1, v3) 内扭转角作为约束。六员环系统则利用 Cremer - Pople（CP）和 Strauss - Pickett 形式主义，从 CP 球面坐标计算局部海拔，进而得到不当二面角作为约束。
pucke.py 模块
pucke.py 模块使研究方法更具用户友好性，它包含多个功能模块。confsampling 模块实现了 CLI 工具的功能，formalism 模块可计算不同的褶皱形式主义，geometry 模块能计算分子几何结构。用户还可通过该模块将特定的 Cremer - Pople 坐标转化为 3D 结构文件，探索不同形式主义的细节。
2’ - 脱氧腺苷的势能面构建
研究人员以 DNA 核苷为研究对象，通过几何优化和单点评估生成构象，构建势能面（Potential Energy Surface，PES）。在不同理论水平下进行计算，对比不同组合的计算资源消耗和结果质量。结果显示，MP2Q计算最为精确，但资源消耗大；HF - 3c 计算速度快且资源消耗少，(HF - 3c - MP2Q) 组合在近似 GSQ 方面表现出色，可在一天内完成计算。
与文献数据的比较
通过分析文献中报道的褶皱坐标，发现文献中使用的 CP 形式主义与 Cornell 等人论文中的参数化存在差异，Cornell 等人的参数化更符合 AS 形式主义。研究还表明，该工具包预测的 DNA 核苷的构象行为与结构测定数据相符，体现了 CS 方法在预测单体行为方面的有效性。
肽和六员环系统的采样
对肽和六员环系统进行采样，构建的 PES 显示，肽的 PES 在 α - 螺旋构象区域有全局最小值，β - 折叠构象位于相邻区域；六员环 HNA 分子在不同位置存在不同的构象，如极点处的椅式构象，赤道附近的船式、扭曲式和信封式构象等，通过 PES 可评估其构象稳定性。
研究人员成功开发了 pucke.rs CLI 和 pucke.py 库，简化了 CS 方法在计算氨基酸、五员环和六员环系统 PES 方面的流程。该工具包能助力创建新的力场参数和优化现有力场，且可与其他模型构建工具协同工作。同时，研究展示了不同计算化学理论水平的性能，为研究人员选择合适的方法提供了参考。pucke.rs 工具包以开源的形式提供，降低了研究门槛，让更多科研人员能够利用这一工具深入探索生物分子单体的构象空间，为生物化学、药物研发等多个领域的发展奠定了坚实基础，有望推动相关领域取得更多创新性成果。
