.png){kind=icon}
返回
A Standardized Benchmark for Machine-Learned Molecular Dynamics Using Weighted Ensemble Sampling
.png){kind=icon}
PRE
AI
DOI：10.1021/acs.jpcb.5c05365.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
分子动力学（MD）方法，包括机器学习动力学，其快速发展已超越了标准化方法验证工具的开发。不同模拟方法间的客观比较常因不一致的评价指标、对稀有构象状态采样的不足以及缺乏可重复的基准测试而受阻。为应对这些挑战，我们引入了一个模块化基准测试框架，利用增强采样分析系统地评估蛋白质MD方法。我们的方法采用基于Time-lagged Independent Component Analysis（TICA）得到的进展坐标，通过The Weighted Ensemble Simulation Toolkit with Parallelization and Analysis（WESTPA）进行加权集成（WE）采样，从而实现对蛋白质构象空间的快速高效探索。该框架包含一个灵活轻量级的传播器接口，支持任意模拟引擎，适用于经典力场和基于机器学习的模型。此外，该框架提供了一套全面的评估工具包，能够计算超过19种不同指标和可视化结果，涵盖多个领域。我们进一步贡献了一个包含九种不同蛋白质的数据集，这些蛋白质残基数从10到224不等，涵盖了各种折叠复杂性和拓扑结构。每种蛋白质均在300 K下进行了充分模拟，每个起始点进行了100万个MD步（4 ns）。为展示我们框架的实用性，我们使用含隐式溶剂的经典MD模拟进行了验证测试，并比较了使用完全训练与欠训练的CGSchNet模型进行蛋白质构象采样的差异。通过标准化评估协议并实现不同MD方法间的直接、可重复比较，我们的开源平台为分子模拟社区内的一致、严格的基准测试奠定了基础。
Keyword:
MARKOV STATE MODELS
SOFTWARE PACKAGE
SIMULATION
期刊
IF:
2.9
论文数:
1.6K
被引数:
9.0W
机构
引用论文
.png){kind=icon}
Cryptic binding sites on proteins: definition, detection, and druggability蛋白质上的隐性结合位点: 定义、检测和成药性
OAAI
OAAI分享收藏分享收藏PyEMMA 2: A Software Package for Estimation, Validation, and Analysis of Markov ModelsPyEMMA 2: 用于估计，验证和分析马尔可夫模型的软件包
PREAI
分享收藏
查看更多内容