Metropolis蒙特卡洛与动力学蒙特卡洛方法在蛋白质相互作用研究中的应用

《Biophysical Reviews》：Metropolis and kinetic Monte Carlo methods for studying protein interactions

　　

蛋白质-蛋白质相互作用具有随机性，并在决定生物系统的结构和动态特性中发挥核心作用。因此，能够解释这些相互作用的概率性质的计算方法对于理解从分子自组装到生物分子相分离等过程至关重要。在这些方法中，蒙特卡洛（MC）方法已成为跨多个空间和时间尺度研究蛋白质系统的重要工具。本综述考察了MC模拟在蛋白质-蛋白质相互作用中的应用，特别强调了Metropolis蒙特卡洛（MMC）和动力学蒙特卡洛（KMC）方法作为研究平衡特性和动态分子过程的互补手段。讨论的应用范围涵盖受体组织、蛋白质聚集、生物分子凝聚以及液-液相分离，同时回顾了粗粒化模型的演变——从各向同性粒子到各向异性补丁粒子以及能够捕捉定向、多价和序列依赖性相互作用的聚合物表示。最后，通过涉及小角X射线和中子散射（SAXS/SANS）、单分子追踪以及基于荧光的方法的应用实例，综述了MC模拟与实验技术的整合，重点展示了如何将实验可观测的量与模拟结果进行直接比较，以表征蛋白质相互作用并估算分子参数。

论文主体内容总结

引言

生物系统因分子相互作用、扩散过程和生化反应的随机本质而具有随机性。这种随机性在蛋白质相互作用研究中尤为显著。蒙特卡洛（MC）方法是一类利用随机采样探索系统行为的迭代计算技术。该方法起源于二战时期，由Stanislaw Ulam和John von Neumann提出，“蒙特卡洛”一词由Nicholas Metropolis命名。本综述聚焦于两种广泛使用的MC方法：Metropolis蒙特卡洛（MMC）和动力学蒙特卡洛（KMC）。MMC基于系统构型之间的能量变化评估和应用满足细致平衡条件的接受准则，从而高效采样平衡分布。KMC则通过由跃迁速率控制的离散事件来描述随机系统的时间演化。在典型MMC模拟中，输入包括相互作用能量模型、模拟温度和一组允许的移动。新构型的能量与前一状态进行比较，并根据Metropolis准则决定是否接受：能量有利的移动总是被接受，不利的移动则以玻尔兹曼因子P=exp(-ΔE/k_BT)的概率被接受。KMC方法则建立在已知跃迁速率的离散事件基础上。模拟开始时定义初始分子群体、可能的事件及其速率。每一步识别所有可能发生的事件并按速率选择执行，随后模拟时钟按指数分布的时间增量推进。MMC和KMC互为补充：MMC表征平衡系综，KMC描述动态过程。分子动力学（MD）和布朗动力学（BD）也用于研究蛋白质相互作用，但各有侧重：MD提供详细的构象动力学信息但计算成本高，BD适用于研究扩散关联过程，而MC专注于构型采样，三者形成互补关系。

蒙特卡洛方法在蛋白质组织和组装中的应用

早期MMC应用集中于受体组织和信号传导。Guo和Levine利用基于格点的MMC模型采样细胞膜上的受体分布，证明弱受体-受体相互作用足以驱动稳定簇集和大尺度空间组织。Weikl和Lipowsky将MMC应用于T细胞粘附的统计力学模型，显示热力学相互作用可驱动受体微域自发形成并融合成免疫突触模式。Lee等人通过MC模拟研究了免疫突触内的受体再分布，揭示空间隔离如何调控信号传导和受体周转。Qi等人利用随机MC模拟建模细胞-细胞界面的受体-配体相互作用，表明突触组织通过系统的内在物理化学性质驱动的自组装而涌现。在蛋白质聚集方面，Dey和Biswas对淀粉样蛋白-β₄₂的肽段构象和分子间排列进行采样，发现疏水相互作用和协同结构重排促进稳定寡聚体和β-折叠富集聚集体的形成。Okumura等人开发了基于格点的MMC模型，使蛋白质在单体态、中间态和纤维态之间转换，揭示了转变概率如何控制成核和纤维生长动力学。在动态过程方面，Li等人利用MC模拟研究tau片段AcPHF6的早期寡聚化，发现聚集通过瞬态亚稳态寡聚体进行，这些寡聚体在形成稳定的β-折叠富集组装体前经历结构重组。Tiwari和van der Schoot应用KMC模拟核化自组装过程，证明蛋白质聚集中的滞后期因随机波动而呈宽分布。Liu和Kang以及Ding等人开发了随机主方程框架研究淀粉样蛋白寡聚体形成，表明寡聚体群体对单体可用性、蛋白质错误折叠和二次成核高度敏感。Bodner等人利用MC模拟膜蛋白寡聚化实验中的扩散和光漂白，识别测量偏差的关键来源。Peter等人采用MC模拟研究Aβ₄₂聚集的空间传播，揭示通过二次成核产生的可溶性寡聚体作为移动载体加速淀粉样蛋白形成的空间扩散。关于液-液相分离（LLPS），论文讨论了粗粒化模型的演变：从各向同性相互作用的胶体粒子，到引入方向性结合的补丁粒子模型（如Kern-Frenkel框架），再到显式考虑链连接性和多价相互作用的聚合物模型。Ranganathan和Shakhnovich利用KMC模型构建相图，展示了粒子密度、结合速率和价数如何控制相分离行为。Choi等人开发的LASSI是基于格点的MC平台，利用“黏着剂-间隔区”框架模拟聚合物动力学。Rana等人应用巨正则MC模拟研究序列长度、组成和电荷分布对相行为的影响，区分了LLPS与簇状聚集。Taskina等人引入了动态补丁粒子模型，通过波动结合位点位置和相互作用范围改进生物分子凝聚体中结构柔性的表示。

蒙特卡洛模拟与实验方法的结合

粒子基MC模型与实验技术的整合使得模拟与实验可通过共同的可观测量建立联系。同一模拟框架可产生簇大小分布、荧光恢复曲线和散射结构因子等多种可观测量。反向蒙特卡洛（RMC）方法不最小化能量，而是通过最小化模型与数据之间的拟合优度量（如χ²）来解决逆问题。在散射技术方面，结构因子S(q)提供了MC模拟与散射实验之间的直接桥梁。Tanouye等人结合SAXS测量和MC模拟表征不同溶液条件下溶菌酶-溶菌酶相互作用，发现常用解析闭合关系在提取相互作用势方面存在局限。Qin和Zhou通过预计算蛋白质对相互作用能的查找表加速MC模拟。Skar-Gislinge等人利用补丁粒子MC模拟研究抗体在高浓度下的自组装行为，并结合静态和动态光散射、微流变学和SAXS。ATSAS软件包中的DAMMIN/DAMMIF和GASBOR程序采用RMC方法，通过虚拟原子或虚拟残基描述蛋白质包络面，利用模拟退火和Metropolis准则拟合实验散射曲线。在单分子追踪方面，de Oliveira和Jaqaman将KMC模拟与单分子成像数据结合，研究细胞膜上的分子相互作用动力学。Weimann等人将MC模拟与单粒子追踪实验结合，研究活体巨噬细胞中脂多糖受体的扩散动力学。Chong等人将KMC模拟与量子点标记细胞色素的单粒子追踪测量结合，研究细菌膜中的长程电子传输。在荧光技术方面，de Oliveira等人将基于Gillespie算法的KMC模拟与荧光漂白后恢复（FRAP）和光活化后荧光损失（FLAP）测量结合，研究粘着斑蛋白的周转和相互作用。Hibbard等人将MC模拟与FRAP实验结合，研究鞭毛内运输蛋白在基体处的动力学。Thompson等人将单分子FRET测量与KMC模拟结合，研究E-钙黏蛋白在细胞膜上的簇集行为。Hoefling等人将单分子FRET实验、MD和MC模拟结合，研究多聚脯氨酸肽的结构异质性。

结论

MC方法已成为跨多个时空尺度研究蛋白质相互作用的重要工具。MMC和KMC分别提供了研究平衡特性和动态分子过程的互补框架。应用范围已从受体组织和蛋白质聚集扩展到生物分子凝聚、自组装和相互作用动力学。粗粒化模型从简单格点表示和各向同性粒子发展为能够捕捉各向异性、多价性和序列依赖性的补丁粒子和聚合物模型。然而，模型复杂度的增加也带来了参数化、可迁移性和验证方面的挑战。一个重要的进展是MC模拟与实验技术的整合，模拟可生成与实验直接比较的可观测量，从而估算难以通过实验获得的分子参数。未来发展方向包括改进粗粒化模型和发展多尺度方法，以桥接原子级、介观和细胞尺度的描述。