基于对抗自编码器的长时分子动力学蛋白质构象聚类
定量方法
2018-06-01 v1 机器学习
机器学习
摘要
专用计算机硬件的最新进展极大地加速了原子级分子动力学(MD)模拟。一个附带的 GPU 集群能够在合理时间内产生微秒长度的轨迹。与蛋白质折叠及功能相关的多种蛋白质状态和大量微观状态可作为轨迹中采样的构象被观察到。然而，识别蛋白质状态、评估转变速率和理解蛋白质行为需要对这些构象进行聚类。在本文中，我们提出一种基于对抗自编码器(AAE)的新型数据驱动生成式构象聚类方法，并提供相关的软件实现 Cong。该方法使用来自 D.E. Shaw Research Group 的快折叠肽 Trp-Cage(20 个残基)的 208 微秒 MD 模拟进行了测试。所提出的聚类算法通过将大量具有共同特征(在轨迹中不易识别)的构象分组，识别出了折叠过程的许多显著特征。
引用
@article{arxiv.1805.12313,
title = {Conformation Clustering of Long MD Protein Dynamics with an Adversarial Autoencoder},
author = {Yunlong Liu and L. Mario Amzel},
journal= {arXiv preprint arXiv:1805.12313},
year = {2018}
}