具有高保真重构的蛋白质粗粒化分子动力学统一框架
化学物理
2024-12-11 v5 生物物理
生物大分子
摘要
使用传统分子动力学（MD）模拟大型蛋白质计算成本高昂。为应对这一挑战，我们提出了一种新颖的树结构粗粒化模型，可高效捕捉蛋白质动力学。通过利用分层蛋白质表示，我们的模型能够精确重构高分辨率蛋白质结构，对一个 168 个氨基酸的蛋白质实现了亚埃级精度。我们将此粗粒化模型与基于随机微分方程（SDE）的深度学习框架相结合。训练一个神经网络来建模漂移力，同时使用基于 RealNVP 的噪声生成器来近似随机分量。与传统 MD 相比，该方法实现了超过 20,000 倍的显著加速，能够在几分钟内生成长达微秒级的轨迹，并为蛋白质行为提供有价值的见解。我们的方法展示了高精度，对短时（25 ns）轨迹实现了亚埃级重构，并在多次独立模拟中保持了统计一致性。
引用
@article{arxiv.2403.17513,
title = {A unified framework for coarse grained molecular dynamics of proteins with high-fidelity reconstruction},
author = {Jinzhen Zhu},
journal= {arXiv preprint arXiv:2403.17513},
year = {2024}
}
备注
14 pages, 10 figures