PySTARC：用于计算双分子缔合速率常数的 GPU 加速布朗动力学

药物-靶标的结合与解离速率对体内疗效的影响往往超过亲和力本身。然而，结合速率常数在计算上极具挑战性，因为有效碰撞是在庞大的平移和取向搜索空间中发生的罕见事件，超出了传统原子级模拟的能力范围。我们提出了 PySTARC（用于结合速率常数的 Python 模拟工具包），这是一种基于 GPU 加速的布朗动力学引擎，用于估算双分子结合速率常数。PySTARC 是 BrownDye 引擎的 Python 重实现，能够在单个 GPU 上对极小的反应概率实现收敛，其计算吞吐量相当于原本需要大型 CPU 集群才能达到的水平。当前框架利用闭式布朗桥方法解析积分步之间发生的反应，通过粗粒化珠链模型描述溶质的内部柔性，在多个 GPU 之间分配轨迹，支持长时间运行任务的检查点保存和收敛性监测，并将从输入结构到速率估算的整个工作流程实现自动化。PySTARC 已通过涵盖五个数量级结合速率常数的蛋白质-配体和蛋白质-蛋白质复合物进行了验证，其中大多数估算值与实验结果的偏差在一个数量级以内。

药物-靶标的结合与解离速率通常比亲和力本身更能决定体内疗效。然而，结合速率常数的计算预测颇具挑战性，因为有效相遇事件在庞大的平移与取向搜索空间中属于稀有事件，超出了传统原子级模拟的能力范围。我们提出了 PySTARC（Python Simulation Toolkit for Association Rate Constants，结合速率常数 Python 模拟工具包），这是一种基于 GPU 加速的布朗动力学引擎，用于估算双分子结合速率常数。PySTARC 是 BrownDye 引擎的 Python 重实现，能够在单个 GPU 上对极小的反应概率实现收敛，其处理吞吐量相当于传统方法需要大型 CPU 集群才能达到的水平。当前框架利用闭式布朗桥在积分步之间解析反应，通过粗粒粒子链模拟溶质的内部柔性，将轨迹分配至多个 GPU，支持长时间运行任务的检查点保存与收敛性监测，并可自动完成从输入结构到速率估计的整个工作流程。PySTARC 已通过涵盖五个数量级结合速率常数的蛋白质-配体和蛋白质-蛋白质复合物进行了验证，其中大多数估计值与实验结果相差不超过一个数量级。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.09.28.754770v1?rss=1

🏷️ 布朗动力学 结合速率常数 GPU加速计算 分子模拟 蛋白质-配体相互作用