J Chem Theory Comput｜结合机器学习势/分子力学方法模拟酶反应与突变

本文介绍了南京大学谢代前教授和周燕子副教授研究团队将机器学习势与传统分子力场相结合（ML/MM）来加速QM/MM动力学模拟的研究。该方法在计算酶催化反应能垒方面展现出高效性和准确性，并且势能面的可迁移性使得快速预测酶突变体的活性成为了可能。研究团队通过递归嵌入原子神经网络（REANN）与静电均衡原理来拟合势能面与电荷面，用于研究阿司匹林酰化环氧合酶（COX）的反应机制。该方法不仅精确再现了B3LYP/MM-MD的自由能曲线，还大幅提高了动力学模拟速度，为酶的设计与改造提供了理论支持。