Skip to main content
scientific-md-simulation 分子動力学シミュレーション解析スキル。MDAnalysis によるトラジェクトリ解析・
RMSD/RMSF/Rg 時系列指標・水素結合解析・二次構造変化追跡・
OpenFF Toolkit力場パラメータ化・溶媒和自由エネルギー推定パイプライン。
Jump to install Skills Marketplace Discover and explore AI skills built by the community.
Install with Codex or Claude Copy this prompt, paste it into Codex, Claude, or another assistant, and let it review the skill page and install it for you.
Show prompt details A direct command skips the review prompt. Inspect the source before running it.
npx skills add https://github.com/nahisaho/satori --skill scientific-md-simulationThe command stays on one line. Scroll horizontally to inspect it before copying.
Prefer a local copy? Download the files currently available to SkillsMP.
Download Zip Downloading... Related occupations SOC
Based on SOC occupation classification
More from this repository name scientific-md-simulation description 分子動力学シミュレーション解析スキル。MDAnalysis によるトラジェクトリ解析・
RMSD/RMSF/Rg 時系列指標・水素結合解析・二次構造変化追跡・
OpenFF Toolkit力場パラメータ化・溶媒和自由エネルギー推定パイプライン。
tu_tools [{"key":"pdb","name":"PDB","description":"分子構造データベース参照"}]
Scientific MD Simulation
MDAnalysis と OpenFF Toolkit を活用した分子動力学 (MD) シミュレーション
解析パイプラインを提供する。トラジェクトリ読込みから構造指標計算、
水素結合解析、力場パラメータ化まで統合。
When to Use
MD トラジェクトリ (DCD/XTC/TRR/GRO) を解析するとき
RMSD/RMSF/Radius of Gyration 時系列を計算するとき
水素結合パターンを解析するとき
OpenFF で小分子の力場パラメータを自動生成するとき
タンパク質-リガンド複合体の安定性を評価するとき
溶媒接触表面積 (SASA) を計算するとき
Quick Start
1. トラジェクトリ読込み & 基本情報
import MDAnalysis as mda
import numpy as np
import pandas as pd
def load_trajectory (topology, trajectory ):
"""
MD トラジェクトリ読込み。
Parameters:
topology: str — トポロジファイル (PSF/PDB/GRO/PRMTOP)
trajectory: str — トラジェクトリファイル (DCD/XTC/TRR)
K-Dense: mdanalysis
"""
u = mda.Universe(topology, trajectory)
info = {
"n_atoms" : u.atoms.n_atoms,
"n_residues" : u.residues.n_residues,
"n_segments" : u.segments.n_segments,
"n_frames" : u.trajectory.n_frames,
"dt_ps"
"total_time_ns"
1000
"topology_format"
"."
1
"trajectory_format"
"."
1
print
f"Loaded: {info['n_atoms' ]} atoms, {info['n_frames' ]} frames, "
f"{info['total_time_ns' ]:.1 f} ns"
return
2. RMSD 解析 from MDAnalysis.analysis.rms import RMSD
def compute_rmsd (universe, selection="backbone" , ref_frame=0 ):
"""
RMSD (Root Mean Square Deviation) 計算。
Parameters:
universe: mda.Universe — MD ユニバース
selection: str — 原子選択文字列
ref_frame: int — 参照フレーム
"""
R = RMSD(universe, universe, select=selection, ref_frame=ref_frame)
R.run()
df = pd.DataFrame({
"frame" : R.results.rmsd[:, 0 ].astype(int ),
"time_ps" : R.results.rmsd[:, 1 ],
"rmsd_A" : R.results.rmsd[:, 2 ],
})
df["time_ns" ] = df["time_ps" ] / 1000
print (f"RMSD ({selection} ): mean={df['rmsd_A' ].mean():.2 f} Å, "
f"max={df['rmsd_A' ].max ():.2 f} Å" )
return df
3. RMSF 解析 from MDAnalysis.analysis.rms import RMSF as RMSFAnalysis
def compute_rmsf (universe, selection="name CA" ):
"""
RMSF (Root Mean Square Fluctuation) per residue。
Parameters:
universe: mda.Universe — MD ユニバース
selection: str — 原子選択 (通常 Cα)
"""
atoms = universe.select_atoms(selection)
R = RMSFAnalysis(atoms).run()
df = pd.DataFrame({
"resid" : atoms.resids,
"resname" : atoms.resnames,
"rmsf_A" : R.results.rmsf,
})
threshold = df["rmsf_A" ].mean() + 2 * df["rmsf_A" ].std()
df["flexible" ] = df["rmsf_A" ] > threshold
print (f"RMSF: mean={df['rmsf_A' ].mean():.2 f} Å, "
f"flexible residues={df['flexible' ].sum ()} " )
return df
4. Radius of Gyration def compute_radius_of_gyration (universe, selection="protein" ):
"""
Radius of Gyration (Rg) 時系列計算。
Parameters:
universe: mda.Universe — MD ユニバース
selection: str — 原子選択
"""
protein = universe.select_atoms(selection)
rg_data = []
for ts in universe.trajectory:
rg = protein.radius_of_gyration()
rg_data.append({
"frame" : ts.frame,
"time_ns" : ts.time / 1000 ,
"rg_A" : rg,
})
df = pd.DataFrame(rg_data)
print (f"Rg: mean={df['rg_A' ].mean():.2 f} Å, "
f"std={df['rg_A' ].std():.2 f} Å" )
return df
5. 水素結合解析 from MDAnalysis.analysis.hydrogenbonds import HydrogenBondAnalysis
def hydrogen_bond_analysis (universe, donor_sel="protein" , acceptor_sel="protein" ,
d_a_cutoff=3.0 , angle_cutoff=150 ):
"""
水素結合解析。
Parameters:
universe: mda.Universe — MD ユニバース
donor_sel: str — ドナー選択
acceptor_sel: str — アクセプター選択
d_a_cutoff: float — D-A 距離閾値 (Å)
angle_cutoff: float — D-H-A 角度閾値 (°)
"""
hbonds = HydrogenBondAnalysis(
universe,
donors_sel=donor_sel,
acceptors_sel=acceptor_sel,
d_a_cutoff=d_a_cutoff,
d_h_a_angle_cutoff=angle_cutoff,
)
hbonds.run()
counts = hbonds.count_by_time()
df_counts = pd.DataFrame({
"time_ps" : counts[:, 0 ],
"n_hbonds" : counts[:, 1 ].astype(int ),
})
print (f"H-bonds: mean={df_counts['n_hbonds' ].mean():.1 f} /frame, "
f"total unique={len (hbonds.results.hbonds)} " )
return hbonds, df_counts
6. SASA (溶媒接触表面積) from MDAnalysis.analysis.sasa import SASA
def compute_sasa (universe, selection="protein" ):
"""
Solvent Accessible Surface Area (SASA) 計算。
Parameters:
universe: mda.Universe
selection: str — 原子選択
"""
atoms = universe.select_atoms(selection)
sasa = SASA(atoms)
sasa.run()
df = pd.DataFrame({
"frame" : range (len (sasa.results.area)),
"sasa_A2" : sasa.results.area,
})
print (f"SASA: mean={df['sasa_A2' ].mean():.1 f} Ų, "
f"std={df['sasa_A2' ].std():.1 f} Ų" )
return df
7. OpenFF 力場パラメータ化 def parameterize_with_openff (smiles, force_field="openff-2.1.0" ):
"""
OpenFF Toolkit でリガンドの力場パラメータ自動生成。
Parameters:
smiles: str — リガンド SMILES
force_field: str — OpenFF 力場バージョン
K-Dense: openff
"""
from openff.toolkit import Molecule, ForceField
from openff.interchange import Interchange
mol = Molecule.from_smiles(smiles)
mol.generate_conformers(n_conformers=1 )
ff = ForceField(f"{force_field} .offxml" )
topology = mol.to_topology()
interchange = Interchange.from_smirnoff(ff, topology)
result = {
"smiles" : smiles,
"force_field" : force_field,
"n_atoms" : mol.n_atoms,
"n_bonds" : mol.n_bonds,
"n_conformers" : mol.n_conformers,
"partial_charges" : mol.partial_charges,
}
print (f"OpenFF parameterized: {smiles} ({mol.n_atoms} atoms, "
f"FF={force_field} )" )
return interchange, result
8. 統合 MD 解析パイプライン def md_analysis_pipeline (topology, trajectory, selection="protein" ):
"""
MD トラジェクトリ統合解析パイプライン。
Pipeline:
load → RMSD → RMSF → Rg → H-bonds → summary
"""
u, info = load_trajectory(topology, trajectory)
rmsd = compute_rmsd(u, "backbone" )
rmsf = compute_rmsf(u, "name CA" )
rg = compute_radius_of_gyration(u, selection)
hbonds, hb_counts = hydrogen_bond_analysis(u)
summary = {
"system" : info,
"rmsd_mean_A" : round (rmsd["rmsd_A" ].mean(), 2 ),
"rmsd_std_A" : round (rmsd["rmsd_A" ].std(), 2 ),
"rmsf_mean_A" : round (rmsf["rmsf_A" ].mean(), 2 ),
"n_flexible_residues" : int (rmsf["flexible" ].sum ()),
"rg_mean_A" : round (rg["rg_A" ].mean(), 2 ),
"hbonds_mean_per_frame" : round (hb_counts["n_hbonds" ].mean(), 1 ),
}
print (f"\n=== MD Analysis Summary ===" )
for k, v in summary.items():
if isinstance (v, dict ):
continue
print (f" {k} : {v} " )
return summary
パイプライン統合 molecular-docking ──→ md-simulation ──→ admet-pharmacokinetics
(ドッキングポーズ) (MD 安定性評価) (PK パラメータ推定)
│ │ ↓
protein-structure ──┘ │ drug-target-profiling
(PDB/AlphaFold) ↓ (候補評価)
computational-materials
(pymatgen/VASP 連携)
パイプライン出力 ファイル 説明 次スキル results/rmsd_timeseries.csvRMSD 時系列 → publication-figures results/rmsf_per_residue.csvRMSF 残基別 → protein-structure-analysis results/hbond_analysis.csv水素結合解析 → molecular-docking results/md_summary.json統合サマリ → admet-pharmacokinetics
ToolUniverse 連携 TU Key ツール名 連携内容 pdbPDB 分子構造データベース参照
