蛋白质-脂质指纹连续体表示中的涌现模式
定量方法
2022-07-12 v1 机器学习
摘要
捕捉复杂的生物现象通常需要多尺度建模，其中使用昂贵高保真模型的有限组分开发粗粒度且廉价的模型。此处，我们在癌症生物学背景下考虑这样一种多尺度框架，并解决评估使用分子动力学模型的 1 维统计量开发的连续体模型描述能力的挑战。利用深度学习，我们开发了一种高度预测性的分类模型，可从连续体模型中识别复杂且涌现的行为。在两个模拟中展示了超过 99.9% 的准确率，我们的方法确认了蛋白质特异性“脂质指纹”的存在，即响应感兴趣蛋白质的脂质空间重排。通过这一演示，我们的模型还对连续体模型提供了外部验证，肯定了此类多尺度建模的价值，并可通过进一步分析这些指纹促进新的见解。
引用
@article{arxiv.2207.04333,
title = {Emerging Patterns in the Continuum Representation of Protein-Lipid Fingerprints},
author = {Konstantia Georgouli and Helgi I Ingólfsson and Fikret Aydin and Mark Heimann and Felice C Lightstone and Peer-Timo Bremer and Harsh Bhatia},
journal= {arXiv preprint arXiv:2207.04333},
year = {2022}
}