Генеративті әдіс молекулалық ауысу жолдарын іздеуді жылдамдатады
Материал бірнеше дереккөз негізінде жасанды интеллектпен дайындалды — түпнұсқаларға сілтемелер төменде.
Зерттеушілер молекулалық модельдеудегі уақыт ауқымын еңсеретін генеративті тәсілді ұсынды, бұл конформациялық ауысуларды тікелей генерациялауға мүмкіндік береді. Әдіс диффузиялық модельдерді ауысу жолдары теориясымен біріктіріп, ұзақ есептеулерсіз сирек оқиғаларды қамтиды.
Негізгі фактілер
- Әдіс диффузиялық ықтималдық модельдерді ауысу жолдары теориясымен біріктіріп, конформациялық ауысуларды генерациялайды.
- Ол биомолекулалық модельдеудегі микросекундтан асатын уақытта болатын сирек оқиғаларға, мысалы ақуыздардың бүктелуі мен спиральдардың димеризациясына бағытталған.
- Тәсіл машиналық жол іздеу мен коммиттормен келісілген вариациялық әдістердегі соңғы жетістіктерге сүйенеді.
- Жұмыста Anton 3 суперкомпьютері түскі асқа дейін жиырма микросекунд молекулалық динамиканы орындай алатын ұзақ мерзімді сэмплдеу эталоны ретінде аталады.
Генеративті сэмплдеу схемасы
Генеративті әдіс молекулалық күйлер арасындағы ауысу жолдарын ұсыну үшін диффузиялық ықтималдық модельдерді қолданады. Ол генерацияланған траекториялардың физикалық мағыналы болуын және реактивті жолдарға сәйкестігін қамтамасыз ету үшін ауысу жолдары теориясын қамтиды. Схема молекулалық динамикадағы уақыт ауқымындағы алшақтықты еңсеруге арналған, мұнда ақуыздардың бүктелуі сияқты сирек оқиғалар миллисекундтарда жүреді. Ығыстырушы потенциалдарды немесе ұжымдық айнымалыларды қажет ететін дәстүрлі күшейтілген сэмплдеу әдістерінен айырмашылығы, бұл тәсіл ауысуларды тікелей деректерден генерациялауды үйренеді.
Валидация және эталондар
Әдіс STIM1 трансмембраналық спиралінің димеризациясы және жылдам бүктелетін ақуыздар сияқты жүйелерде тексеріледі, олар үшін эталондық ауысу жолдары қолжетімді. Ол траекториялар тобымен жіп әдісі және коммиттормен келісілген вариациялық жіп әдісі сияқты қалыптасқан әдістермен салыстырылады. Мақалада Anton 3 симуляциялары бір іске қосуда жиырма микросекунд молекулалық динамикаға жететіні айтылады, бұл сирек оқиғаларды сэмплдеудің күрделілігін көрсетеді. Соңғы машиналық оқыту тәсілдері, соның ішінде Больцман генераторлары мен коммиттормен келісілген жолдарды итеративті вариациялық оқыту, жаңа әдістің контексті ретінде келтіріледі.
1 дереккөз
Уақыт · артта қалуы