返回
mdxplain: Scalable Molecular Dynamics Analysis with Machine Learning-Based Feature Selection and Modular Workflows
DOI:10.1016/j.jmb.2026.169809.png)
摘要
En 中文
• 模块化流水线构建器实现完全自动化、符合FAIR原则的分析。 • 用户友好的API以最小代码执行完整工作流程。 • 高效处理大型轨迹,无需高性能硬件。 • 用于特征化、分解、聚类和可视化的端到端框架。 • 基于机器学习的特征选择解释关键结构描述符。
Keyword:
Molecular Dynamics
Machine Learning
Explainability
FAIR Principles
Computational Biophysics
AI总结
对已上传原文的论文进行重点信息的提取,主要内容包括:简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
4.5
论文数:
657
被引数:
5.4W
机构
引用论文
MDTraj: A Modern Open Library for the Analysis of Molecular Dynamics TrajectoriesMDTraj: 用于分析分子动力学轨迹的现代开放库
BIOPHYSICAL JOURNAL
IF3.1
Mechanistic insights into G-protein coupling with an agonist-bound G-protein-coupled receptor对g蛋白与激动剂结合的g蛋白偶联受体偶联的机理的见解
Tethered agonist exposure in intact adhesion/class B2 GPCRs through intrinsic structural flexibility of the GAIN domain通过增益域的固有结构柔性,在完整的粘附/B2类gpcr中束缚激动剂的暴露
MOLECULAR CELL
IF16.6
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

