GROMOS拓扑（、坐标、轨迹、能量）相关文件解读&手册第5章阅读笔记II
本文将介绍一些借助 gromacs 模拟时生成或运用的文件，更细致的内容可以参考官方手册（https://manual.gromacs.org/current/reference-manual/file-formats.html）
文章目录
- molecule.itp(5.7.2)
-
- ff文件夹中所携带的.itp文件
- 由`pdb2gmx`产生的一类文件
-
- topol.top(5.7.1)
- posres.itp
- molecule.gro
- 由`grompp`&`mdrun`产生的文件(待续
-
- md.log
- md.tpr
- md.xtc & md.trr
- md.cpt
- md.edr
molecule.itp(5.7.2)
有些时候，为了方便运用某一个常用分子的拓扑或者使 topol.top 文件结构更加简洁，可以把它单独写入一个 .itp 文件中。这个文件仅包含一个特定分子的信息，可以被任意引用，这样就避免了每次都需要使用pdb2gmx或者重复地复制粘贴。一般力场中都会提供水分子、离子（有些还提供少许脂质分子）的 .itp 文件；此外有些常用小分子（如ATP）的信息会被储存在立场文件夹的 aminoacids.rtp 中，在pdb2gmx过程中与大分子一并生成拓扑。
ff文件夹中所携带的.itp文件
接下来以 spc 水分子为例简单展示 .itp 的结构：
[ moleculetype ]
; molname nrexcl
SOL 2
[ atoms ]
; nr type resnr residue atom cgnr charge mass
#ifndef HEAVY_H
1 OW 1 SOL OW 1 -0.82 15.99940
2 H 1 SOL HW1 1 0.41 1.00800
3 H 1 SOL HW2 1 0.41 1.00800
#else
1 OW 1 SOL OW 1 -0.82 9.95140
2 H 1 SOL HW1 1 0.41 4.03200
3 H 1 SOL HW2 1 0.41 4.03200
#endif
#ifndef FLEXIBLE
[ settles ]
; OW funct doh dhh
1 1 0.1 0.16330
[ exclusions ]
1 2 3
2 1 3
3 1 2
#else
[ bonds ]
; i j funct length force.c.
1 2 1 0.1 345000 0.1 345000
1 3 1 0.1 345000 0.1 345000
[ angles ]
; i j k funct angle force.c.
2 1 3 1 109.47 383 109.47 383
#endif
可以发现，.itp 主要由以下几个部分构成：
- [ moleculetype ]：定义分子名称和非键排除（nrexcl，排除相邻nrexcl个键的非键相互作用）；
- [ atoms ]、[ settles ]、[ exclusions ]、[ bonds ]、[ angles ]等：这一部分是分子的具体信息，对应于相应的[ moleculetype ]，具体含义与设置请见手册表5.5（中文手册（李继存老师组织翻译版）120页）。
由pdb2gmx产生的一类文件
在此我们以 Phi29 DNA聚合酶结合ssDNA复合物（PDB:1XHZ）的 chain A & chain E 为例，用 amber99sb-ildn.ff 生成了他们的拓扑和其他一系列文件：
接下来将细致的讲解他们各自的内容和功能。
topol.top(5.7.1)
拓扑文件是gromacs运行模拟所必需的文件，它提供了模拟体系中所有分子的拓扑结构、力场文件的引用、约束力参数……；拓扑文件必须包含三个层次：
- 参数级别；这一部分包括了力场设定（详细请见手册表5.4参数大栏（不过他那个表做的确实不怎么好看）），但一般直接使用
#include "力场文件路径/forcefield.itp"进行引用（如下）。
; Include forcefield parameters
#include "amber99sb-ildn.ff/forcefield.itp"
- 分子定义级别：这一部分包含了一个或多个分子（可以是protein/DNA/小分子；如果是多个分子，在使用
pdb2gmx时一般会额外生成每个小分子对应的 .itp 文件，然后再于 .top 中进行引用，详细请见下面的代码示例）的定义，包括了[ moleculetype ]、[ atoms ]、[ bond ]、[ pairs ]……（这些定义中的参数如gd_23具体所指的数据都是由上一部分参数级别给出的，也就是对 forcefield.itp 的内容的调用），以及对分子的约束参数（posre.itp）。实际上，.itp 文件可以看做是 .top 文件分子定义级别（针对每单个分子）单独拿出储存的信息，他们形成了一个嵌套式的引用关系（其实 .itp 文件下也可以再嵌套 .itp 文件，请见下面代码示例），这样做一来节省了空间，二来逻辑更加清晰。
topol.top文件：
; Include chain topologies
#include "topol_Protein_chain_A.itp"
#include "topol_DNA_chain_E.itp"
; Include water topology
#include "amber99sb-ildn.ff/tip3p.itp"
#ifdef POSRES_WATER
; Position restraint for each water oxygen
[ position_restraints ]
; i funct fcx fcy fcz
1 1 1000 1000 1000
#endif
; Include topology for ions
#include "amber99sb-ildn.ff/ions.itp"
topol_DNA_chain_E.itp文件：
[ moleculetype ]
; Name nrexcl
DNA_chain_E 3
[ atoms ]
; nr type resnr residue atom cgnr charge mass typeB chargeB massB
; residue 1 DT rtp DT5 q -0.3
1 OH 1 DT O5' 1 -0.6318 16 ; qtot -0.6318
2 HO 1 DT H5T 2 0.4422 1.008 ; qtot -0.1896
3 CT 1 DT C5' 3 -0.0069 12.01 ; qtot -0.1965
;******
; Include Position restraint file
#ifdef POSRES
#include "posre_DNA_chain_E.itp"
#endif
对于这一部分有几点需要注意的：(1) 对于每一个[ moleculetype ]，与其对应的[ atoms ]、[ bond ]、[ pairs ]等必须置于其阅读顺序后方，否则将被判断为其他分子的参数或者毫无意义；(2) 分子中原子应从1开始连续编号，相同电荷组的原子必须连续列出。
- 体系级别：只包含体系的特定信息（[ system ]&[ molecules ]，信息内容不言自明）。
[ system ]
; Name
Protein
[ molecules ]
; Compound #mols
Protein_chain_A 1
DNA_chain_E 1
posres.itp
这个文件包含了源自 .pdb 文件中对于重原子的位置限制，这也就意味着由pdb2gmx产生的质子是没有位置限制的。通常作为 .top 文件分子定义级别的一部分进行引用（实际上也可以直接书写在 .top 文件中，这对于比较小的（比如水分子）会方便一些）。
[ position_restraints ]
; atom type fx fy fz
1 1 1000 1000 1000
4 1 1000 1000 1000
7 1 1000 1000 1000
molecule.gro
.gro 文件中涵盖了从 .pdb 得到的分子的位置信息。文件的第一行是体系的名称（我也不太清楚为什么被自动命名成了这个，一般都会是 Protein in water 之类的）；第二行为原子总数；接下来是每个原子的归属和坐标信息；最后一行标注了盒子的三个 box vectors。
GROtesk MACabre and Sinister
9506
5PRO N 1 4.832 -0.760 7.635
5PRO H1 2 4.818 -0.841 7.692
5PRO H2 3 4.874 -0.688 7.690
5PRO CD 4 4.922 -0.794 7.523
5PRO HD1 5 4.972 -0.878 7.543
5PRO HD2 6 4.987 -0.720 7.507
; ******
9.66620 15.03970 19.83250
由grompp&mdrun产生的文件(待续
上图显示了这两步产生的一系列文件，其中 .tpr 是由grompp产生的；其余均由mdrun阶段产生。除了 .log 文件外，其余均由二进制格式书写，所以读取的时候需要借助 gmx 的dump指令（一般我们并不需要细致的查看（除 .log 外）这些文件的具体内容，gmx （或其他软件）中一般均有提取相应信息的指令，也会在相应部分提到（所以你可以不必使用dump阅读文件的所有内容，简单看一看我展示的部分片段就足够了））。
gmx dump [-s [<.tpr/.tpb/...>]] [-f [<.xtc/.trr/...>]] [-e [<.edr>]]
[-cp [<.cpt>]] [-p [<.top>]] [-mtx [<.mtx>]] [-om [<.mdp>]]
[-nice ] [-[no]nr] [-[no]sys]
具体各选项含义请自行查看 gromacs 手册。我们可以将dump的输出写到 .txt 里，例如：
gmx dump -s md_0_1.tpr | tee tpr.txt
md.log
这是输出的日志文件，根据 .mdp 文件中nstlog = 500的间隔进行写入。里面包含了 gromacs 一些基本信息、输入参数以及模拟进程，并且如果模拟中发生了致命错误，也会被写入 .log 的末尾（代码块仅摘取了部分内容，并不严格对应于上述模块）。
Log file opened on Tue Jul 12 15:54:24 2022
Host: localhost.localdomain pid: 22244 rank ID: 0 number of ranks: 1
GROMACS: gmx mdrun, VERSION 5.0.7
GROMACS is written by:
Emile Apol Rossen Apostolov Herman J.C. Berendsen Par Bjelkmar
#……
Gromacs version: VERSION 5.0.7
Precision: single
Memory model: 64 bit
MPI library: thread_mpi
OpenMP support: enabled
#……
Input Parameters:
integrator = md
tinit = 0
dt = 0.002
nsteps = 50000000
init-step = 0
#……
Initializing Domain Decomposition on 40 ranks
Dynamic load balancing: auto
Will sort the charge groups at every domain (re)decomposition
Initial maximum inter charge-group distances:
two-body bonded interactions: 0.429 nm, LJ-14, atoms 6484 6492
multi-body bonded interactions: 0.429 nm, Proper Dih., atoms 6484 6492
#……
Started mdrun on rank 0 Tue Jul 12 15:54:25 2022
Step Time Lambda
0 0.00000 0.00000
Energies (kJ/mol)
Angle Proper Dih. Improper Dih. LJ-14 Coulomb-14
1.50593e+04 1.89724e+04 9.68484e+02 7.88669e+03 7.82556e+04
LJ (SR) Disper. corr. Coulomb (SR) Coul. recip. COM Pull En.
1.24363e+05 -3.79778e+03 -1.25162e+06 2.40987e+03 3.22628e-14
Potential Kinetic En. Total Energy Temperature Pres. DC (bar)
-1.00750e+06 2.03942e+05 -8.03557e+05 3.11421e+02 -7.94998e+01
Pressure (bar) Constr. rmsd
5.19546e+01 2.69715e-05
DD step 24 load imb.: force 25.4% pme mesh/force 0.813
At step 25 the performance loss due to force load imbalance is 15.2 %
NOTE: Turning on dynamic load balancing
DD load balancing is limited by minimum cell size in dimension Y
DD step 999 vol min/aver 0.743! load imb.: force 1.5% pme mesh/force 0.952
#……
md.tpr
你可以自己获得相应的 tpr.txt 然后打开观察（如果体系很大的话输出的 .txt 会比二进制的 .tpr 大很多），其中有几个部分：
- 模拟的初始设置：inputrec、qm-opts等，主要是 .mdp 中输入的；
- 体系的拓扑信息：topology，读取自 .top 文件；
在大多数情况下我们并不需要查看这个文件的具体内容，除非发生了什么致命错误或者你需要对比两个模拟体系的差异，后者可以使用check指令：
gmx check [-f [<.xtc/.trr/...>]] [-f2 [<.xtc/.trr/...>]]
[-s1 [<.tpr/.tpb/...>]] [-s2 [<.tpr/.tpb/...>]]
[-c [<.tpr/.tpb/...>]] [-e [<.edr>]] [-e2 [<.edr>]] [-n [<.ndx>]]
[-m [<.tex>]] [-nice ] [-vdwfac ] [-bonlo ]
[-bonhi ] [-[no]rmsd] [-tol ] [-abstol ]
[-[no]ab] [-lastener ]
像这样：gmx check -s1 top1 -s2 top2
md.xtc & md.trr
这种文件储存了模拟过程中的部分轨迹信息（根据 .mdp 文件中nstxout-compressed = XXX的设置提取相应帧），一般需要一个结构文件（比如 .gro、.pdb）来实现可视化。
其中 .trr （可以）是全精度的轨迹数据，它保留了每个原子确切的坐标值。可以用check进行一个简略的查看：gmx check -f traj.trr
对于 .xtc ，手册是这么说的：“The xtc format is a portable format for trajectories. It uses the xdr routines for writing and reading data which was created for the Unix NFS system.”（xdr 方法请自行百度）。它存储的信息是经过压缩和近似的（可能甚至不是高精度的），主要是通过对坐标缩放（一般是乘以1000）然后四舍五入为整数值；利用原子在序列上接近则通常在空间上也很接近(例如水分子)的特点，对xdr库进行了扩展，使用一个特殊的方式来编写3-D浮点坐标等等。
（似乎可以直接用 C 或 FORTRAN 来处理 xdr，没咋看明白，挖个坑以后在研究
然后可以直接用 VMD 来载入 .xtc 文件查看轨迹。除了配合相应结构文件进行可视化以外，gmx 也有很多指令可以直接操作轨迹文件，比如gmx trjconv：
gmx trjconv [-f [<.xtc/.trr/...>]] [-o [<.xtc/.trr/...>]]
[-s [<.tpr/.tpb/...>]] [-n [<.ndx>]] [-fr [<.ndx>]]
[-sub [<.ndx>]] [-drop [<.xvg>]] [-nice ] [-b ]
[-e ] [-tu ] [-[no]w] [-xvg ] [-skip ]
[-dt ] [-[no]round] [-dump ] [-t0 ]
[-timestep ] [-pbc ] [-ur ] [-[no]center]
[-boxcenter ] [-box ] [-trans ]
[-shift ] [-fit ] [-ndec ] [-[no]vel]
[-[no]force] [-trunc ] [-exec ] [-split ]
[-[no]sep] [-nzero ] [-dropunder ] [-dropover ]
[-[no]conect]
具体各个选项含义可以在手册里查到，这里就不再赘述，一般常用功能有这么几个：
- 纠正分子在盒子里的跳跃现象（其中 PBC treatment: none, mol（使分子重心位于盒子内，其余含义类似）, res, atom, cluster, whole, nojump；此处有更详细讲解）：
gmx trjconv -s md_0_1.tpr -f md_0_1.xtc -o md_0_1_noPBC.xtc -pbc mol - 提取所有帧：
gmx trjconv -s md.tpr -f md.xtc -o frame.gro -sep
以及gmx trjcat用来拼接两个轨迹文件（如果你续跑时没有选择将轨迹继续写入先前的轨迹文件的话，这个很有用）：
gmx trjcat [-f [<.xtc/.trr/...> [...]]] [-o [<.xtc/.trr/...> [...]]]
[-n [<.ndx>]] [-demux [<.xvg>]] [-nice ] [-tu ]
[-xvg ] [-b ] [-e ] [-dt ] [-[no]vel]
[-[no]settime] [-[no]sort] [-[no]keeplast] [-[no]overwrite]
[-[no]cat]
md.cpt
一个暂存文件（check point），可以在模拟结束之后（或者突然终止了）进行续跑。
gmx mdrun -s md_0_1.tpr -cpi md_0_1.cpt -append md_0_2
md.edr
储存了模拟过程中与能量相关的数据（根据 .mdp 文件中nstenergy = 500的间隔进行存储）。转化成 ASCII 之后是这样的：
energy components:
0 Bond (kJ/mol)
1 U-B (kJ/mol)
2 Proper Dih. (kJ/mol)
3 Improper Dih. (kJ/mol)
4 CMAP Dih. (kJ/mol)
5 LJ-14 (kJ/mol)
#……
#……
time: 1.00000e+01 step: 5000
nsteps: 5000
delta_t: 2.00000e-03 sum steps: 50
Component Energy Av. Energy Sum Energy
Bond 5.61662e+03 6.63002e+05 2.82822e+05
U-B 1.61728e+04 2.20891e+06 8.07135e+05
Proper Dih. 1.04111e+04 4.26090e+05 5.16354e+05
Improper Dih. 8.96692e+02 1.18386e+05 4.67360e+04
CMAP Dih. -2.61315e+03 1.07140e+05 -1.26451e+05
LJ-14 4.90394e+03 2.50376e+05 2.47294e+05
#……
第一部分告诉你所存储信息的组成（你使用gmx energy时提示你进行选择的序号就是从这部分读取的），随后是按所抽提出来的帧的相应数值，文件中已经写得很清晰了。
gmx energy是处理 .edr 文件最主要的命令：
gmx energy [-f [<.edr>]] [-f2 [<.edr>]] [-s [<.tpr/.tpb/...>]] [-o [<.xvg>]]
[-viol [<.xvg>]] [-pairs [<.xvg>]] [-ora [<.xvg>]] [-ort [<.xvg>]]
[-oda [<.xvg>]] [-odr [<.xvg>]] [-odt [<.xvg>]] [-oten [<.xvg>]]
[-corr [<.xvg>]] [-vis [<.xvg>]] [-ravg [<.xvg>]] [-odh [<.xvg>]]
[-nice ] [-b ] [-e ] [-[no]w] [-xvg ]
[-[no]fee] [-fetemp ] [-zero ] [-[no]sum] [-[no]dp]
[-nbmin ] [-nbmax ] [-[no]mutot] [-skip ]
[-[no]aver] [-nmol ] [-[no]fluct_props] [-[no]driftcorr]
[-[no]fluc] [-[no]orinst] [-[no]ovec] [-acflen ]
[-[no]normalize] [-P ] [-fitfn ] [-beginfit ]
[-endfit ]
具体内容可以参考手册，这里就不再赘述。
gmx enemat可以用来提取能量矩阵（energy matrix，？我也不太理解），用于同时分析多个索引组的作用关系（还没用过，以后再研究
gmx eneconv有点类似于gmx trjcat，用来拼接 .edr 文件。