13.2.11. 关联实用程序 `MDAnalysis.lib.correlations`

作者:: 保罗·史密斯和马特乌斯·比涅克
年:: 2020
版权所有:: GNU公共许可证v2

在 1.0.0 版本加入.

此模块主要供其他分析模块内部使用。它提供了计算二元变量的时间自相关函数的功能(即，对于给定的原子/分子/分子集，在每一帧上为真或假的变量)。该模块包括计算时间连续自相关和间歇自相关的函数。功能 autocorrelation() 仅计算连续自相关。可以使用函数对数据进行预处理 intermittency() 以便在将结果传递给 autocorrelation() 。

这个模块的灵感来自于看似不同的分析，这些分析依赖于相同的基本计算，包括蛋白质周围水的生存概率 [Araya-Secchi2014] ，氢键寿命 [Gowers2015, Araya-Secchi2014] ，以及脂质双分子层中胆固醇翻转的比率 [Gu2019] 。

参见

使用模块的分析工具：

MDAnalysis.analysis.waterdynamics.SurvivalProbability
计算感兴趣区域中原子团的连续或间歇性存活概率。

MDAnalysis.analysis.hbonds.hbond_analysis
计算连续或间歇性氢键寿命。

参考文献

[Gowers2015] (1,2,3,4,5,6)

Richard J. Gowers and Paola Carbone. A multiscale approach to model hydrogen bonding: the case of polyamide. The journal of Chemical Physics, 142(22):224907, 2015. doi:10.1063/1.4922445.

[Araya-Secchi2014] (1,2,3,4,5,6,7,8,9)

Raul Araya-Secchi, Tomas Perez-Acle, Seung-gu Kang, Tien Huynh, Alejandro Bernardin, Yerko Escalona, Jose-Antonio Garate, Agustin D. Martínez, Isaac E. García, Juan C. Sáez, and Ruhong Zhou. Characterization of a novel water pocket inside the human cx26 hemichannel structure. Biophysical Journal, 107(3):599–612, 2014. doi:10.1016/j.bpj.2014.05.037.

[Gu2019] (1,2,3)

Ruo-Xu Gu, Svetlana Baoukina, and D. Peter Tieleman. Cholesterol flip-flop in heterogeneous membranes. Journal of Chemical Theory and Computation, 15(3):2064–2070, 2019. doi:10.1021/acs.jctc.8b00933.

13.2.12. 自相关函数

MDAnalysis.lib.correlations.autocorrelation(list_of_sets, tau_max, window_step=1)[源代码]

离散自相关函数的实现。

一个性质的自相关 \(x\) 从一个时间开始 \(t=t_0\) 至 \(t=t_0 + \tau\) 由以下人员提供：

\[C(\tau)=\LANGE\FRAC{x(T_0)x(t_0+\tau)}{x(T_0)x(T_0)}\]

哪里 \(x\) 可以表示粒子的任何属性，例如速度或势能。

该函数是时间自相关函数的特殊情况的实现，其中所考虑的属性可以用指示符变量编码， \(0\) 和 \(1\) 来表示所述属性的二进制状态。这种特殊情况通常被称为生存概率。 (\(S(\tau)\) )。例如，在计算水分子在蛋白质的5？范围内的生存概率时，每个水分子要么在这个截止范围内 (\(1\) )或不是 (\(0\) )。此时截止线内的水分子总数 \(t_0\) 将由以下人员提供 \(N(t_0)\) 。其他情况包括氢键寿命以及胆固醇跨双分子层的移位率。

一组粒子的属性的生存概率由下式给出：

\[S(\tau)=\LANGE\FRAC{N(t_0，t_0+\tau)}{N(T_0)}\RANGE\]

哪里 \(N(t0)\) 是一次粒子的数量 \(t_0\) 其特征被观察到，以及 \(N(t0, t_0 + \tau)\) 是该功能出现在从 \(t_0\) 至 \(N(t0, t_0 + \tau)\) 。尖括号表示所有时间起点的平均值， \(t_0\) 。

看见 [Araya-Secchi2014] 对于生存概率的描述。

参数:

list_of_sets (list) -- 集合列表。每个集合对应于来自单个帧的数据。集合中的每个元素可以是例如原子ID或原子ID的元组。在计算蛋白质周围水的生存概率的情况下，给定集合中的这些原子ID将是在给定帧的蛋白质截止距离内的原子ID。
tau_max (int) -- 要计算其自相关的最后一个tau(延迟时间，包括)。例如，如果tau_max=20，则将在20帧内计算存活概率。
window_step (int, optional) -- T0执行自相关的步长。理想情况下，Window_Step将大于tau_max，以确保执行计算的每个窗口独立。默认值为1。

返回:

tau_timeseries ( 整型列表 )--为其计算自相关的tau值
时装剧 ( 整型列表 )--每个tau值的自相关性值
timeseries_data ( INT列表列表 )--用于计算自相关的原始数据，即 \(S(\tau)\) 在每个窗口。这允许依赖于时间的演化 \(S(\tau)\) 接受调查。
。。添加的版本：：0.19.2

13.2.13. 间歇函数

MDAnalysis.lib.correlations.correct_intermittency(list_of_sets, intermittency)[源代码]

在调用之前对数据进行预处理，以允许间歇性行为 autocorrelation() 。

生存概率可以用严格的连续要求计算，也可以用不严格的间歇性要求计算。例如，如果计算蛋白质周围的水的存活概率，在前一种情况下，水必须在蛋白质从 \(t_0\) 至 \(t_0 + \tau\) 为了让它被认为出现在 \(t_0 + \tau\) 。在间歇性情况下，允许水分子离开感兴趣区域直到指定的连续数目的帧，同时仍被认为存在于 \(t_0 + \tau\) 。

该功能对数据进行预处理，例如蛋白质在每一帧的截止距离内的水分子的原子ID，以便允许间歇性行为，只需一次数据传递。

例如，如果在等于或小于参数的帧数量内没有原子 intermittency ，那么这种不存在将被移除，因此认为原子没有离开。例如7、A、A、7和 intermittency=2 将被7，7，7，7取代，其中A=缺勤。

返回的数据可用作函数的输入 autocorrelation() 以便计算在给定间歇状态下的生存概率。

看见 [Gowers2015] 关于氢键寿命计算中的间歇性的描述。

#TODO-间歇性是否符合集合列表？(氢键)

参数:

list_of_sets (list) -- 在例如生存概率的简单情况下，存在于每一帧的原子ID集合的列表，其中单个集合包含给定帧的原子ID，例如 [{{0，1}}、{{0}}、{{0}}、{{0，1}}]
intermittency (int) -- 允许的最大间隙。默认设置 intermittency=0 这意味着如果数据点在任何帧上丢失，则不会对数据进行任何更改。具有价值的 intermittency=2 ，则最多两个连续帧丢失的所有数据点将被视为存在。

返回:

list_of_sets --返回一个新列表，其中包含在<=期间消失的ID和添加的ID intermittency 。例如，如果 [{{0，1}}、{{0}}、{{0}}、{{0，1}}] 是存在于每一帧的原子ID集合的列表，并且 intermittency=2 ，这两个原子将被认为始终存在，因此返回的集合列表将是 [{{0，1}}，{{0，1}}，{{0，1}}，{{0，1}}] 。

返回类型:

list

13.2.11. 关联实用程序 MDAnalysis.lib.correlations

13.2.12. 自相关函数

13.2.13. 间歇函数

13.2.11. 关联实用程序 `MDAnalysis.lib.correlations`