膜曲率

MembraneCurvature 是一个MDAnalysis工具，用于从分子动力学模拟计算膜曲率。

有兴趣成为维护者吗？ 我们欢迎您的热情和专业技能来帮助塑造和扩大这个开源项目！如需更多详情，请联系estefania@ojeda-e.com。

功能

使用MembraneCurvature，您可以

• 从MD模拟中计算平均曲率和高斯曲率。
• 推导二维曲率分布。
• 过上更幸福的生活。

安装

MembraneCurvature的主要依赖项是MDAnalysis。您可以在用户指南中找到使用conda安装MDAnalysis最新稳定版本的说明。

MembraneCurvature可通过pip获得。

pip install membrane-curvature

从源代码安装

git clone https://github.com/MDAnalysis/membrane-curvature.git
cd membrane-curvature
conda env create -f devtools/conda-envs/environment.yaml
conda activate membrane-curvature
python setup.py install

MembraneCurvature文档中包含的一些示例使用了来自MDAnalysisTests的测试用例。要使用conda安装单元测试

conda install -c conda-forge MDAnalysisTests

或通过pip

pip install --upgrade MDAnalysisTests

⚠️ 与上一个版本相比，membrane-curvature==0.0.3在性能上有了显著提升，尤其是在膜蛋白系统中特别值得注意。强烈建议安装最新版本。

使用方法

这是一个运行MembraneCurvature的快速示例

import MDAnalysis as mda
from membrane_curvature.base import MembraneCurvature
from MDAnalysis.tests.datafiles import Martini_membrane_gro

universe = mda.Universe(Martini_membrane_gro)

curvature_upper_leaflet = MembraneCurvature(universe,
                                            select='resid 1-225 and name PO4',
                                            n_x_bins=8,
                                            n_y_bins=8,
                                            wrap=True).run()

# extract mean curvature
mean_upper_leaflet = curvature_upper_leaflet.results.z_surface

# extract mean curvature
mean_upper_leaflet = curvature_upper_leaflet.results.mean

# extract Gaussian
gaussian_upper_leaflet = curvature_upper_leaflet.results.gaussian

在这个例子中，我们使用上叶层的PO4球作为参考来推导一个表面并计算其相应的平均曲率和高斯曲率。

您可以在使用页面上找到更多关于如何运行MembraneCurvature的示例。要绘制MembraneCurvature的结果，请查看可视化页面。

文档

为了帮助您充分利用MembraneCurvature，我们提供了文档，其中您可以找到

• 标准API文档。
• 使用页面上的快速示例。
• MembraneCurvature中实现的算法的详细解释。
• 如何在可视化页面中绘制从MembraneCurvature获得的结果的示例。

许可证

本项目包含的源代码可在GitHub存储库https://github.com/MDAnalysis/membrane-curvature下以GNU公共许可证v3，版本3（见LICENSE）获得。

MembraneCurvature是在2021年Google Summer of Code项目中由MDAnalysis开发的，它与行为准则相关联。

版权所有 (c) 2021-2022, Estefania Barreto-Ojeda