Martini粗粒化模型一开始就是为脂质开发的.（http://jerkwin.github.io/2016/11/03/Martini%E5%AE%9E%E4%BE%8B%E6%95%99%E7%A8%8BLip/
Martini方法的主要思想是, 根据简单的分子构建模块构建可扩展的粗粒化模型, 使用少量的参数和标准的相互作用势达到实用性与可移植性的最大化. Martini大致把全原子(重原子)按照4:1的比例转化为粗粒化珠子, 在2.0版本中, 定义了18种珠子类型来表征其化学特性. 粗粒化珠子具有固定的大小, 相互之间通过相互作用映射进行作用, 映射具有10种不同的作用强度. 由于Martini的模块化, 人们对大量不同的脂质类型进行了参数化, 详情可见官网上的脂质部分。
接下来我们讲建立磷脂双分子层的Martini粗粒化模型, 并研究其性质. 首先, 我们将尝试自发组装形成DSPC双分子层并查看表征磷脂层的各种不同的性质, 比如每个脂分子的面积, 双分子层的厚度, 序参量和扩散. 然后, 我们将改变脂质头基和尾端的特性, 并了解它们如何影响上述性质. 最后, 我们会继续前进, 建立更复杂的多组分双分子层.
我们将由模拟盒子中随机分布的脂质分子和水开始, 得到自组装的二硬脂酰-磷脂酰胆碱双分子层(DSPC). 进入spontaneous-assembly子目录. 首先, 根据单个DSPC分子的构型, 构建128个DSPC分子随机分布的构型:
gmx 4.0：genbox -ci dspc_single.gro -nmol 128 -box 7.5 7.5 7.5 -try 500 -o 128_noW.gro
gmx 5.0：gmx insert-molecules -ci dspc_single.gro -nmol 128 -box 7.5 7.5 7.5 -try 500 -o 128_noW.gro
解释：-ci：(insert.gro) (Input)输入分子的结构文件 -nmol：额外插入的分子数量 -box：盒子的尺寸（nm）
-try：Try inserting -nmol times -try times 在500次以内将128个分子插入 -o：指定输出文件名称
将128_noW.gro打开 如下
接着对体系进行能量最小化
grompp -f minimization.mdp -c 128_noW.gro -p dspc.top -maxwarn 10 -o dspc-min-init.tpr
mdrun -deffnm dspc-min-init -v -c 128_minimised.gro
此处不涉及4.0与5.0的区别 注意mdrun中的-v为：Be loud and noisy
NOTE：
Replacing old mdp entry ‘nstxtcout‘ by ‘nstxout-compressed‘
Replacing old mdp entry ‘xtc_precision‘ by ‘compressed-x-precision‘
每个脂质分子添加6个粗粒度水分子(共24个全原子水)
gmx 4.0： genbox -cp 128_minimised.gro -cs water.gro -o waterbox.gro -maxsol 768 -vdwd 0.21
gmx 5.0：gmx solvate -cp 128_minimised.gro -cs water.gro -o waterbox.gro -maxsol 768 -radius 0.21
-cp：(protein.gro) (Input, Optional) 输入结构文件 -cs：(spc216.gro) (Input, Library) 输入水结构文件 -o：输出文件
-maxsol：如果水分子适合该盒子，最多填入的水分子数 -radius：默认的范德华（截断）距离
然后再次进行能量最小化(保证dspc.top里面的水珠子与增加到体系里面的相匹配):
grompp -f minimization.mdp -c waterbox.gro -p dspc.top -maxwarn 10 -o dspc-min-solvent.tpr
mdrun -deffnm dspc-min-solvent -v -c minimised.gro
此时会出现原子数不匹配，尚未找到解决办法
原文：http://www.cnblogs.com/w-guangyu/p/7896121.html