水溶液中的 dAMP 同时占据多种构象
核心结果是：单个游离核苷酸在水中具有构象异质性。对自由能景观和振动光谱的分析表明，dAMP 以 anti/gauche+、anti/trans 和 syn/gauche+ 构象的混合形式存在，作者指出实验光谱来自这些构象的共同贡献。
描述这一景观所用的两个坐标是二面角 gamma 和 chi。Gamma 描述磷酸基团附近骨架键的旋转，chi 描述腺嘌呤碱基相对于糖的取向。它们的标签把碱基取向（anti 或 syn）与骨架取向组合起来：gauche+ 约在 +60 度，trans 约在 180 度。
这一点之所以重要，是因为如果读者假设存在一个平均结构，就会误读光谱。论文自身的表述是：在解读核苷酸的中红外光谱时，必须考虑构象异质性。
主动学习把精度迁移到更高理论层级
作者构建了多个神经网络势组成的委员会。神经网络势是一类机器学习模型，能针对给定的原子构型预测能量和力。训练从一个 dAMP 分子开始，该分子置于含显式水分子和两个 Na+ 反离子的立方盒子中；主动学习流程在 GGA 层级采样自由能景观。
随后，作者用 SOAP 描述符对 GGA 层级的数据集进行降维，并通过迁移学习达到更高的理论层级，具体是 SCAN-D3(BJ) 和 revPBE0-D3(BJ)。论文报告，这显著减少了所需的主动学习轮数，从而降低了在 meta-GGA 和杂化层级上评估力和能量的计算成本。
由此得到的势能在纳秒时间尺度上描述水中的 dAMP。作者报告，这些势能再现了力、径向分布函数和振动态密度，与使用相应泛函的从头算分子动力学结果高度一致。
不同泛函使同一批能量盆地发生位移
自由能面以 gamma 和 chi 为函数，针对三种泛函分别计算；每个自由能面来自 1 ns 的元动力学模拟、使用 5 个 walker，合计每个自由能面 5 ns。三种泛函都预测 gamma 有两个主要极小值：gauche+ 约在 +60 度，trans 约在 180 度；trans 盆地还向 -60 度附近的 gauche- 方向延伸。
对 chi 而言，+70 度附近的正值盆地代表 syn，而约 -180 至 -50 度的宽阔区域涵盖 anti 和 high-anti。作者把 gamma 极小值的宽阔以及极小值之间的低能垒，归因于单个游离核苷酸缺乏强空间位阻约束。
三个自由能面并不相同。使用 BLYP-D3(BJ) 时，syn/gauche+ 极小值向更高的 gamma 值移动，syn/gauche- 极小值比预期更深。使用 SCAN-D3(BJ) 时，syn/gauche+ 极小值向更高的 chi 值移动，几乎与 anti/gauche+ 盆地合并。revPBE0-D3(BJ) 委员会最接近既有文献，恢复了所有预期极小值，位置与早期工作一致；其最深的极小值似乎是 anti/gauche+，其次是 anti/trans，而 syn 盆地能量较高。
钠离子配位改变 chi 盆地
作者指出两变量图像的一个局限：gamma 和 chi 并不是描述 dAMP 水溶液自由能面的唯一变量。他们的模拟显示，磷酸基团与 Na+ 离子的相互作用也起作用。
具体而言，负 chi 值处极小值的相对稳定性会随这种配位而变化。较高的配位数似乎有利于 anti 构象，而 high-anti 在较低离子配位数下更稳定。图中的景观是对不同配位值取平均的结果，作者表示未来工作将把反离子配位作为第三个集体变量纳入。
这是对所报告自由能面的一个限定，而不是另一项独立结果：构象混合在模拟中确实存在，但 anti 与 high-anti 的精确权重取决于一个被二维自由能面平均掉的变量。
学习偶极矩把结构与光谱连接起来
为了与实验比较，作者训练了一个神经网络来预测偶极矩。这使他们能够在 meta-GGA 和杂化层级计算完整的红外光谱，并对振动性质进行详细分析，而不只是计算结构观测量。
与实验中红外吸收数据的比较显示，这些模型准确捕捉了溶剂化 dAMP 的关键光谱特征，包括磷酸基团和核碱基的伸缩模式、NH2 剪式模式，以及腺嘌呤与脱氧核糖之间糖苷键的伸缩振动。
模拟还在分子层面解释了这些特征的来源，作者强调 gamma 和 chi 二面角起核心作用。换言之，组织构象景观的同一组坐标也组织了光谱响应。
红外比较基于扣除溶剂后的测量
实验方面采用衰减全反射测量，先转换为吸光度，再用 Beer-Lambert 定律转换为吸收系数；穿透深度由波长、样品和金刚石晶体的折射率以及 pi/4 的入射角计算。
溶质的贡献通过从同一实验条件下溶液的吸收系数中减去相应溶剂的吸收系数来分离。模拟光谱比较的正是这个差谱。
这一细节对理解“吻合”这一说法很重要：比较发生在计算光谱与扣除溶剂后的中红外吸收测量之间，而不是计算光谱与原始仪器输出之间。
异质性才是解读时的优先事项
论文的实践重点不是某一种构象胜出，而是多种构象共存并共同产生观测到的光谱。作者指出，自由能景观分析与红外光谱数据共同表明，dAMP 以 anti/gauche+、anti/trans 和 syn/gauche+ 构象的混合形式存在，实验光谱来自它们的共同贡献。
作者还认为，传统力场通常针对 X 射线晶体学得到的扭转角分布进行定制，或针对 DNA 和 RNA 的聚合物形式进行参数化，因此往往缺乏捕捉游离核苷酸在溶液中构象变异所需的灵活性。这正是神经网络势要填补的空白。
研究范围是含显式水和两个 Na+ 反离子的单个 dAMP 分子，在纳秒时间尺度上模拟，且景观是对反离子配位取平均的结果。在这一范围内，对于比较方法或解读核苷酸光谱的读者，最有用的结论是：在为溶剂化核苷酸的中红外谱带指定归属时，应针对一组构象进行检验；anti 与 high-anti 的平衡应被视为对磷酸-钠配位敏感，而不是固定不变。
本文引用的文献
Conformational heterogeneity and vibrational signatures of dAMP in aqueous solution revealed by high-accuracy machine-learning potentials
通过主动学习和迁移学习训练的神经网络势显示，水溶液中的 dAMP 以 anti/gauche+、anti/trans 和 syn/gauche+ 构象的混合形式存在，它们的共同贡献产生了实验测得的中红外光谱。