生物分子数学表示综述
生物大分子
2020-04-22 v1 代数拓扑
微分几何
摘要
近来，机器学习(ML)已在计算生物学的多项国际基准竞赛中确立地位，包括蛋白质结构预测关键评估(CASP)与药物设计数据资源(D3R)大挑战赛。然而，生物分子数据集复杂的结构特性与高ML维度阻碍了ML算法在该领域的有效应用。除数据与算法外，用于生物分子预测的高效ML机制必须将结构表示作为不可或缺的组成部分。简化生物分子结构复杂性并降低ML维度的数学表示已成为D3R大挑战赛中的首要胜出者。本综述致力于介绍我们实验室近期在开发低维且可扩展的生物分子数学表示方面的进展。我们讨论三类数学方法，包括代数拓扑、微分几何与图论。我们阐明了物理与生物学挑战如何引导这些数学工具面向海量且多样的生物分子数据而演化与发展。尽管这些方法已在诸多其他应用中取得巨大成功（如蛋白质分类、虚拟筛选，以及溶解度、溶剂化自由能、毒性、分配系数、突变后蛋白质折叠稳定性变化等预测），本综述的性能分析聚焦于蛋白-配体结合预测。
引用
@article{arxiv.1912.04724,
title = {A review of mathematical representations of biomolecules},
author = {Duc D Nguyen and Zixuan Cang and Guo-Wei Wei},
journal= {arXiv preprint arXiv:1912.04724},
year = {2020}
}
备注
33 pages, 13 pages, and 4 tables