生物分子多尺度模拟 (BMS25) 数据集：用于训练具有静电嵌入的 QM/MM 设置中的神经网络势函数

《Scientific Data》：Biomolecular Multiscale Simulation (BMS25) Dataset to Train Neural Network Potentials for QM/MM Settings with Electrostatic Embedding

　　

摘要

神经网络势（NNPs）能够在原子分辨率层面提供对生物过程的洞察。训练这些 NNPs 需要大规模且多样化的分子、构象和构型数据集。然而，尽管溶剂化对生物分子系统至关重要，但迄今对此描述的重视仍显不足。这项工作为溶剂化作为模型不可或缺一部分的 NNPs 奠定了基础。遵循带有静电嵌入方案的量子力学/分子力学（QM/MM）形式体系，系统将分解为包含溶质的量子区（QM 区），该区域与周围溶剂分子（MM 区）的点电荷在静电上耦合。采用加速采样方法，我们生成了生物分子多尺度模拟（BMS25）数据集，包含超过 50,000 种拓扑结构以及超过 150 万种独特的肽和微型蛋白构象，同时也包括化学反应中的小分子和过渡态。该数据集在 ωB97M-D4/ma-def2-TZVPP 理论层面上包含了溶质分子的能量、梯度和多极矩，以及溶剂分子上的梯度，从而能够开发用于模拟大型生物分子系统的多尺度神经网络势。