Hope

　　本博客是由 Hexo 搭建的静态网站，使用 Next 主题，部署在 Gitlab，日前由原域名迁移到当前域名，现将迁移的注意事项记录如下：

　　之前的一篇博文讲述了通过scipy.cluster进行聚类，最近发现MSMBuilder也具有类似的功能，并且使用比较方便，遂记录于此。

　　几年前看到的一篇使用通俗的语言介绍自由能以及增强采样的文章（王喜军老师所写），转载到此处，以做记录。

　　Python 中可以使用 numpy.random 产生随机数，这里记录了相关的使用方法：

　　在处理数据时，经常会用到数据拟合，其中最常用的应当是线性回归。本文整理了Python中一些常见的进行线性回归的方法。

　　在进行科研成果展示的时候，一部分图片可以由原始数据在 Python 中绘制；另一部分图片比如效果图等，没有原始数据，可以通过 PPT 或者 visio 来绘制。PPT 中曲线、箭头的调整比较繁琐，很难调整出满意的效果，最终的分辨率也不够高；而在 visio 中，这些调整就比较方便了。结合最近对 visio 的使用，现列出 visio 的一些入门技巧：

　　在复杂的反应或者构象变化中，通常需要大规模的构象采样，甚至是增强采样来加速分子动力学模拟。而这些复杂的构象变化过程往往难以通过单一的cv进行描述，比如激酶激活过程中activation loop的 open-close transiton (eg. CDK2 2c5x -> 2c5y) 。Plumed中的PATHMSD这个cv或许会有所帮助。

　　在进行分子对接或者MD之前，一般需要对分子的结构进行优化，可以使用高斯等进行量化计算（通常不需要大的基组），也可以使用力场进行简单优化。 　　这里转载科学网上一篇使用 sybyl 进行小分子结构优化的博客：

　　模拟得到的数据，有时会存在较大的局部波动，导致画出来的曲线不够平滑，此时可以通过 lowess 平滑进行处理。

　　GDT(Global distance test)，可用来表示两个蛋白结构的相似程度，是蛋白质结构 refinement 领域常用的一个评价标准。