docs/reference-manual/algorithms/essential-dynamics.rst

   1 Essential Dynamics sampling
   2 ---------------------------
   3
   4 The results from Essential Dynamics (see sec. :ref:`covanal`) of a
   5 protein can be used to guide MD simulations. The idea is that from an
   6 initial MD simulation (or from other sources) a definition of the
   7 collective fluctuations with largest amplitude is obtained. The position
   8 along one or more of these collective modes can be constrained in a
   9 (second) MD simulation in a number of ways for several purposes. For
  10 example, the position along a certain mode may be kept fixed to monitor
  11 the average force (free-energy gradient) on that coordinate in that
  12 position. Another application is to enhance sampling efficiency with
  13 respect to usual MD :ref:`65 <refDegroot96a>`, :ref:`66 <refDegroot96b>`.
  14 In this case, the system is
  15 encouraged to sample its available configuration space more
  16 systematically than in a diffusion-like path that proteins usually take.
  17
  18 Another possibility to enhance sampling is flooding. Here a flooding
  19 potential is added to certain (collective) degrees of freedom to expel
  20 the system out of a region of phase space :ref:`67 <refLange2006a>`.
  21
  22 The procedure for essential dynamics sampling or flooding is as follows.
  23 First, the eigenvectors and eigenvalues need to be determined using
  24 covariance analysis (:ref:`gmx covar`) or normal-mode analysis (:ref:`gmx nmeig`).
  25 Then, this information is fed into :ref:`make_edi <gmx make_edi>`, which has many options for
  26 selecting vectors and setting parameters, see ``gmx make_edi -h``. The
  27 generated :ref:`edi` input file is then passed to :ref:`mdrun <gmx mdrun>`.