⚗️ biochemistry

Gaussian Accelerated Molecular Dynamics in GROMACS

Este artículo presenta la primera implementación habilitada para GPU de la dinámica molecular acelerada por Gauss (GaMD) en GROMACS 2025.4, demostrando su eficacia para el muestreo mejorado del plegamiento de proteínas y la unión de ligandos mediante la recuperación exitosa de la energía libre a través de cuatro sistemas de referencia sin requerir variables colectivas predefinidas.

Autores originales: Yang, Y.

Publicado 2026-08-10

📖 4 min de lectura☕ Lectura para el café

CC BY 4.0

Autores originales: Yang, Y.

Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ⚕️ Esta es una explicación generada por IA de un preprint que no ha sido revisado por pares. No es consejo médico. No tome decisiones de salud basándose en este contenido. Leer descargo de responsabilidad completo

Imagina el mundo microscópico dentro de tu cuerpo como una ciudad bulliciosa y caótica hecha enteramente de diminutos ladrillos de Lego que vibran. Estos ladrillos son átomos y, cuando se ensamblan en patrones específicos, forman proteínas: las máquinas moleculares que te mantienen con vida. Para entender cómo funcionan estas máquinas, los científicos utilizan una herramienta poderosa llamada Dinámica Molecular (MD). Piensa en la MD como una cámara de cine súper rápida que registra cada uno de los movimientos que realizan estos átomos. Sin embargo, hay un inconveniente: la ciudad es tan grande y los átomos se mueven tan lentamente que la cámara a menudo se queda estancada en un solo vecindario, incapaz de filmar los eventos emocionantes que ocurren al otro lado de la ciudad, como una proteína plegándose hasta alcanzar su forma final o una molécula de fármaco encontrando su objetivo. Es como intentar encontrar una llave específica en un ático gigante y oscuro mirando solamente un rincón durante unos pocos segundos.

Para resolver esto, los científicos inventaron métodos de "muestreo mejorado" (enhanced sampling). Una técnica popular es la Dinámica Molecular Acelerada Gaussiana, o GaMD. Si la cámara de cine estándar es demasiado lenta, GaMD es como darle a los átomos un empujón suave y fluido cada vez que se quedan atrapados en un valle de baja energía. No los fuerza en una dirección específica (lo que arruinaría la película); en su lugar, simplemente hace que les sea más fácil saltar sobre las colinas y explorar el resto del ático. La magia es que este empujón está diseñado para ser matemáticamente predecible, de modo que los científicos puedan "rebobinar" la película más tarde y calcular exactamente cómo es el mundo natural, sin el empujón. Durante mucho tiempo, este ingenioso truco faltó en GROMACS, una de las cámaras más populares y potentes utilizadas por los científicos para filmar estas películas atómicas.

Este artículo presenta una versión completamente nueva de GROMOS (específicamente la versión 2025.4) que finalmente tiene GaMD integrado directamente en su motor. El autor, Yuefeng Yang, no solo añadió un complemento; reconstruyó el motor para manejar este "empujón suave" directamente en la tarjeta gráfica (GPU) de la computadora, haciéndolo increíblemente rápido y eficiente. Para demostrar que esta nueva función funciona, el autor realizó cuatro diferentes "pruebas de manejo" utilizando moléculas simuladas. Primero, probó una molécula diminuta llamada alanina dipeptido, mostrando que el nuevo método podía mapear su paisaje de energía en solo 100 nanosegundos de tiempo de simulación, un resultado que coincidió con lo que tomó 1,000 nanosegundos usando el método antiguo, sin el empuje. A continuación, observó a dos proteínas pequeñas, chignolina y TC5b, plegarse desde un estado desordenado y filamentoso hacia sus formas funcionales perfectas. En estas simulaciones, las proteínas se plegaron en 300 nanosegundos y 1 microsegundo respectivamente, capturando todo el proceso de principio a fin. Finalmente, simuló una molécula de benceno intentando encontrar su camino hacia un bolsillo de una proteína (T4 lisozima). En dos de cinco intentos, el benceno logró nadar hacia el bolsillo y encontró el lugar exacto que ocupa en la vida real, coincidiendo con la estructura cristalina con un error minúsculo de solo 0.06 nm.

Los resultados sugieren que esta nueva herramienta GROMACS-GaMD es una forma fiable de acelerar el filmado de películas moleculares sin perder la precisión de la historia. Las simulaciones mostraron que el "empujón" dado a los átomos seguía un patrón predecible de campana de Gauss, lo que permitió a los científicos corregir matemáticamente las imágenes y recuperar los verdaderos mapas de energía de las moléculas. Si bien el método funcionó maravillosamente para estos casos de prueba específicos, el artículo señala que actualmente está limitado a tres modos específicos de aceleración y aún no incluye algunas variantes especializadas diseñadas para tareas biológicas muy concretas. Sin embargo, al integrar con éxito este método en un motor ampliamente utilizado, el trabajo proporciona un conjunto de herramientas práctico y de alta velocidad para que los investigadores estudien cómo se pliegan las proteínas y cómo se unen los fármacos, ayudando potencialmente a resolver acertijos biológicos complejos mucho más rápido que antes.

Resumen Técnico: Dinámica Molecular Acelerada por Gauss en GROMACS

Planteamiento del Problema
Las simulaciones de dinámica molecular (MD) atomísticas están limitadas por escalas de tiempo accesibles restringidas, lo que a menudo impide el muestreo adecuado de eventos biológicamente relevantes poco frecuentes, tales como transiciones conformacionales, el plegamiento de proteínas y la unión de ligandos, debido a las altas barreras de energía libre. Aunque la dinámica molecular acelerada por Gauss (GaMD) ofrece una solución al mejorar el muestro sin necesidad de variables colectivas predefinidas, su soporte de software ha sido desigual entre los principales motores de MD. Aunque AMBER, NAMD y OpenMM ofrecen implementaciones de GaMD, GROMACS —uno de los motores de MD de alto rendimiento más utilizados— carecía de un módulo GaMD nativo e integrado en el motor. Las herramientas de muestreo mejorado existentes en GROMACS (por ejemplo, AWH, intercambio de réplicas, interfaz PLUMED) no proporcionan una acción de GaMD dedicada y libre de variables colectivas.

Metodología e Implementación
Este trabajo presenta la primera implementación a nivel de motor de GaMD en GROMACS 2025.4. A diferencia de los envoltorios (wrappers) externos, el método está integrado directamente en el motor de simulación para asegurar una consistencia estricta entre las fuerzas de sesgo, las energías reportadas y las actualizaciones estadísticas.

Marco Teórico: La implementación soporta tres modos: total-boost (aplicado a la energía potencial total), dihedral-boost (aplicado a la energía diedro) y dual-boost (aplicado simultáneamente a ambos). El potencial de impulso, $\Delta V$ , es una función armónica suave que se aplica cuando la energía potencial instantánea $V(r)$ cae por debajo de un umbral $E$ . Los parámetros (umbral $E$ y constante de fuerza $k$ ) se determinan dinámicamente a partir de las estadísticas de la energía potencial (mínimo, máximo, promedio y desviación estándar) recolectadas durante una etapa preparatoria para asegurar que el potencial de impulso sea aproximadamente gaussiano, permitiendo la recuperación de la energía libre mediante la expansión de cumulantes.
Arquitectura Técnica: La implementación utiliza un flujo de trabajo por etapas: (1) MD convencional (cMD) para la recolección de estadísticas, (2) equilibración de impulso para el refinamiento de parámetros, y (3) producción de GaMD.
- Aceleración por GPU: Kernels dedicados de GPU evalúan los factores de impulso y aplican las correcciones de fuerza. Los cálculos de no enlazados, PME, enlaces y actualización permanecen delegados a la GPU, minimizando las transferencias entre el host y el dispositivo y permitiendo la aceleración mediante CUDA Graphs.
- Gestión de Datos: El sistema gestiona los reinicios de forma reproducible en entornos paralelos y heterogéneos. Genera los archivos de estado necesarios para el reponderado (reweighting), incluyendo la evolución de las estadísticas de energía, los potenciales de impulso y los términos de peso de fuerza.
Protocolos de Validación: La implementación fue evaluada mediante pruebas de rendimiento en cuatro sistemas utilizando el campo de fuerza CHARMM36m y agua TIP3P:
1. Alanina Dipeptido: Para probar la precisión del reponderado de energía libre (100 ns de GaMD frente a 1000 ns de cMD).
2. Chignolina: Para probar el muestreo del plegamiento de proteínas (3 trayectorias independientes de 300 ns).
3. TC5b: Para probar el plegamiento en un sistema más grande y complejo (3 trayectorias independientes de 1 $\mu$ s).
4. Benceno–T4 Lisozyma: Para probar las vías de unión/desunión de ligandos (5 trayectorias independientes de 500 ns).

Resultaciones Clave

Alanina Dipeptido: Una trayectoria de GaMD reponderada de 100 ns recuperó con éxito los principales pozos de energía libre y las barreras rotacionales en la superficie $(\phi, \psi)$ , mostrando una concordancia general con una referencia de MD convencional de 1000 ns. La distribución del potencial de impulso fue unimodal y gaussiana (anharmonicidad $8.91 \times 10^{-3}$ ), validando el reponderado de segundo orden por cumulantes.
Chignolina: Las tres trayectorias independientes de 300 ns muestrearon estados plegados de tipo nativo desde conformaciones extendidas. La mejor estructura plegada alcanzó un RMSD de la cadena principal de 0.07 nm respecto a la estructura experimental de RMN. El tiempo de plegado promedio se redujo a ~100 ns en comparación con los ~600 ns de estudios previos de cMD. El PMF reponderado resolvió claramente los pozos plegados, intermedios y desplegados.
TC5b: Las tres trayectorias independientes de 1 $\mu$ s alcanzaron la región plegada de bajo RMSD. La mejor estructura tuvo un RMSD de la cadena principal de 0.03 nm respecto a la estructura cristalina experimental. El método capturó eventos de plegamiento dentro de 1 $\mu$ s, significativamente más rápido que el tiempo de plegado experimental (~~3.6 $\mu$ s) y las estimaciones previas de cMD (~~5.5 $\mu$ s).
Benceno–T4 Lisozyma: Dos de las cinco trayectorias independientes de 500 ns capturaron tanto los eventos de unión como de disociación del ligando. La pose unida alcanzó un RMSD mínimo del ligando de 0.06 nm respecto a la estructura cristalina. El PMF reponderado distinguió los estados no unidos, intermedios y unidos, revelando una barrera de unión de ~3.5 kcal/mol.
Observaciones Generales: En todos los sistemas, las distribuciones del potencial de impulso fueron aproximadamente gaussianas. El reponderado de cumulantes de segundo orden resolvió con éxito los pozos de energía libre conformacional y de unión esperados. La anharmonicidad local se mantuvo baja (<0.1) en los principales pozos de energía, respaldando la fiabilidad del reponderado en las regiones termodinámicamente dominantes.

Significancia y Reivindicaciones
El autor afirma que este trabajo llena un vacío crítico en el ecosistema de GROMACS al proporcionar un marco de muestreo mejorado, nativo, habilitado para GPU y libre de variables colectivas. La implementación se presenta como una herramienta práctica para:

Cálculos de Energía Libre Biomolecular: Recuperar con precisión los paisajes de energía libre (por ejemplo, alanina dipeptido) con tiempos de muestreo un orden de magnitud más cortos que la MD convencional.
Plegamiento de Proteínas: Muestrear eficientemente las vías de plegamiento y los estados nativos para péptidos (chignolina) y proteínas más grandes (TC5b).
Unión de Ligandos: Caracterizar las vías de unión y recuperar las poses unidas para sistemas proteína-ligando.

El artículo enfatiza que la implementación cumple con rigurosos requisitos de ingeniería, incluyendo reinicios reproducibles, fuerzas de sesgo consistentes y una salida completa para el post-procesamiento. Aunque la versión actual implementa los modos estándar de total, dihedral y dual-boost, el autor señala que el trabajo futuro podría extender esto a variantes selectivas (por ejemplo, LiGaMD, Pep-GaMD). El estudio concluye que GROMACS-GaMD es un método verificable y reutilizable que expande las capacidades de GROMACS para estudiar procesos biomoleculares complejos sin la necesidad de coordenadas de reacción predefinidas.

Más como este