脂质双分子层相变两态模型的机器学习评估
软凝聚态物质
2023-07-19 v2
摘要
我们改编了一组分类算法（也称为机器学习）用于识别二棕榈酰磷脂酰胆碱（DPPC）双分子层主相变附近的流体和凝胶域。使用低温和高温相的原子级分子动力学构象作为学习集，该算法被训练为将单个脂质构型分类为流体或凝胶，对应于脂质熔化转变通常的两态唯象描述。我们证明，我们的机器可以在不对转变序参量性质作先验假设的情况下，根据脂质最可能状态学习和排序。我们机器学习方法的结果有力支持了膜流动性的两态模型方法。
引用
@article{arxiv.1907.05788,
title = {A machine learning assessment of the two states model for lipid bilayer phase transitions},
author = {Viven Walter and Céline Ruscher and Olivier Benzerara and Carlos M. Marques and Fabrice Thalmann},
journal= {arXiv preprint arXiv:1907.05788},
year = {2023}
}