RMSD的收敛
当心！因为你的蛋白质可能会跳出盒子外， 我们必须重新制作轨迹来把中间周期性图像中的粒子拽回来。为此，运行以下命令：
trjconv -f traj.xtc -o traj_nojump.xtc -pbc nojump 由于RMSF计算也给出平均结构，我们现在计算均方根偏差（RMSD）。RMSD通常被用作指示到平衡状态的收敛情况。前面说过，RMSD仅仅是个距离单位，值越小越好。RMSD用g_rms程序计算。首先计算所有原子的RMSD，使用起始结构作为参考：
g_rms -f traj_nojump.xtc rmsd-all-atom-vs-start.xvg
-s
topol.tpr
-o ==Q== If observed, at what time and value does the RMSD reach a plateau? ( T )
再次计算RMSD，但只计算骨架原子： g_rms -f traj_nojump.xtc rmsd-backbone-vs-start.xvg
-s
topol.tpr
-o 这次，RMSD达到了一个低值，这是由于排除了侧链原子（侧链原子往往更容易发生运动）。两个RMSD最后都应到达一个平台值。这意味着蛋白质结
构达到了与参考结构有一定距离并或多或少保持那个距离。然而，随着距离的增加，可能构象的数目也在增加。这意味着虽然RMSD达到了一个平台值，结构仍然可能在向平衡状态收敛。出于这个原因，建议同时检查一下向平均结构的收敛情况。
echo 1 | trjconv -f traj_nojump.xtc -s topol.tpr -o protein.xtc
g_rms -f protein.xtc rmsd-all-atom-vs-average.xvg g_rms -f protein.xtc rmsd-backbone-vs-average.xvg
-s
average.pdb
-o -s average.pdb -o 比较与上次图像的差别。注意RMSD值的平衡点。
==Q== Briefly discuss two differences between the graphs against the starting structure and against the average structure. Which is a better measure for convergence?
回旋半径的收敛
QA的最后一步，我们将计算回旋半径。这个值表示每次分子形状的变化。将回旋半径与试验得出的回旋半径相比较。可以用g_gyrate计算回旋半径。该程序也会给出个性因子（individual components），相应于惯性矩阵的本征值。这意味着，第一个individual component对应于原子的最长轴，最后一个individual component相应于最小轴。这三个轴能说明分子的形状。输入以下命令：
g_gyrate -f traj.xtc -s topol.tpr -o radius-of-gyration.xvg 看看回旋半径和individual components，注意这些值如何达到平衡值。 ==Q== At what time and value does the radius of gyration converge? ( T ) 这里，我们完成了分析的第一部分，包括图像检查和质量检查。现在该深入一点了，挖掘一下蛋白质内部发生的情况。第二部分的分析包括结构特性，这些特性可用蛋白质形状，例如氢键数量、溶剂可接近表面或特定原子-原子之间的距离等。Let’s go。
结构分析：由形状得出的特性
如果提示需要选择，选择 \；如果没有特别提示或者没有 if no selection is specifically stated or does not follow logically from the text.
To get rid off the noise, please use the 'Running Average' method in 'Data->Transformation' to smooth your graphs with xmgrace 如果确认了模拟已经收敛，就可以进行真正的分析了。对模拟数据的分析，可以分为几种类型。第一种包括对单个图形的解释，通过一些函数逐个点进行计算得到一个值或者一些值；例如RMSD和回旋半径的计算。这些特性可称为构型，依赖或瞬间特性。另外一种是可以通过一定时间范围内的平均化来分析的特征，比如相互关系或波动。本部分将进行一些通常的分析，每个都能得到直接来自于轨迹（不同时间下的坐标）的一个时间序列值。这些问题可以参考程序运行时的屏幕输出或者图形。
溶剂可及表面面积
一个可能感兴趣的特性是蛋白质表面可被溶剂到达的面积，一般指溶液科技表面 (SAS)或者溶剂可及表面面积 (SASA)。还可细分为亲水性SAS和疏水性SAS。除此之外，SAS可以和一些经验参数一起使用，得到一个溶剂化自由能的估计。 所有这四个参数都可用g_sas程序完成。本程序也允许计算每个残基或原子一段时间内的平均SAS。输入下面的命令，设置需要计算SAS的基团和输出基团，查看输出文件。
g_sas -f traj_nojump.xtc -s topol.tpr -o solvent-accessible-surface.xvg -oa atomic-sas.xvg -or residue-sas.xvg
==Q== Focusing on the loop1 (residues 53-62), which residues are the most accessible to the solvent?
氢键
另一可能能提供很多信息的性质是氢键，内部氢键（蛋白质-蛋白质）或蛋白质与其周围的溶剂之间的氢键都是这样。氢键的存在与否可以通过氢键受体和供体对的距离和键角来推断。为了计算氢键，使用如下命令（并用Xmgrace查看输出文件）：
echo 1 1 | g_hbond -f traj_nojump.xtc -s topol.tpr -num hydrogen-bonds-intra-protein.xvg
echo 1 12 | g_hbond -f traj_nojump.xtc -s topol.tpr -num hydrogen-bonds-protein-water.xvg
==Q== Discuss the relation between the number of hydrogen bonds for both cases and the fluctuations in each.
特定氢键可以用包含相应原子数量的索引文件来得出。从分析1得出的RMSF及b-factors显示loops 2 和 3 (helix 2附近)值比较高。实验数据也显示，loop 1可能在UbcH6 and UbcH8的多个行为中起了一定作用。看看这些loop所包含的氢键连接。第一个命令会在菜单中弹出3个新的条目去选择基团，每个loop一个。第二个命令是一个通用命令g_hbond，需要一个索引文件。你可能想看看每个loop里的氢键、loop1和loop2之间的氢键；例如，某个特定的loop和蛋白质其他部分的氢键（为此可能需要修改索引文件，不明白就找人问问）或者和水形成的氢键，等...
echo \53-62\\nname 16 loop1\\nr 87-94\\nname 17 loop2\\nr 110-117\\nname 18 loop3\\nq\| make_ndx -f confout.gro -o my_index.ndx
g_hbond -f traj_nojump.xtc -s topol.tpr hydrogen-bonds-loop.xvg -n my_index.ndx
-num ==Q== What can you say about the stability of the hydrogen bonds for these loop regions?
==Q== On the hydrogen bonding basis, which loop is the more, respectively less, stable? Did you detect H-bonding between loops?
盐桥
除了氢键之外，蛋白质也常在不同的带点残基之间形成盐桥。这对蛋白质的结构有重要的稳定作用，尤其是当它们位于一个憎水环境，例如蛋白质核心。但是盐桥也能在蛋白质暴露表面看到，对于介导蛋白质识别过程往往很重要。盐桥的存在，可以用g_saltbr来查看。当需要时，通过设置选项-sep，这个程序可以为每对相反的带电残基产生一个输出文件，这些残基位于轨迹中的某点，彼此之间在一定的隔断距离范围内（这里是0.5 nm，通过选项-t设置）。这将产生许多文件，所以分析时最好建立一个单独的文件夹。执行以下命令： mkdir saltbridge cd saltbridge
g_saltbr -f ../traj_nojump.xtc -s ../topol.tpr -t 0.5 -sep 为了更清晰点，删除有关钠离子和氯离子的文件： rm -f *CL-* *NA+* \\#*
看看以下残基之间的相互作用：
? ?
GLU-56 (resp. ASP-56) 和 LYSH-60 LYSH-60 和 ASP-88