基于X射线吸收光谱的肽构象确定中的信息瓶颈
软凝聚态物质
2024-02-14 v2 化学物理
摘要
我们应用一种近期开发的机器学习技术，对水相三甘氨酸的计算氮K边谱进行统计分析。该方法即基于仿真器的成分分析，从数据集中识别与光谱相关的结构自由度并滤除无关者。由此，光谱解释这一病态非线性反问题的维度得到极大降低。在所采样相空间中结构与光谱的变化显著。利用这些数据，我们训练了一个神经网络，由结构预测感兴趣光谱区域的强度。这些区域由模拟光谱的温度差剖面定义，该分析为其行为提供了结构解释。尽管所采用的局域多体张量表示隐式编码了肽的二级结构，我们的方法证明该信息无法从光谱中恢复。硬X射线拉曼散射实验证实了模拟光谱整体的合理性，但其中预测的温度依赖效应仍超出所达到的统计置信水平。
引用
@article{arxiv.2306.08512,
title = {Information Bottleneck in Peptide Conformation Determination by X-ray Absorption Spectroscopy},
author = {Eemeli A. Eronen and Anton Vladyka and Florent Gerbon and Christoph. J. Sahle and Johannes Niskanen},
journal= {arXiv preprint arXiv:2306.08512},
year = {2024}
}