基于信息论度量识别蛋白质构象空间的精确低分辨率表征
软凝聚态物质
2022-05-18 v1 统计力学
生物大分子
定量方法
摘要
日益增长的计算能力被用于生物大分子的分子动力学模拟，这既是一个巨大的机遇，也是一项艰巨的挑战。事实上，模拟产生了大量数据，必须从中提取有用、综合且可理解的信息，才能实现从“知道”到“理解”的关键一步。在此，我们处理了蛋白质在分子动力学模拟过程中所采样构象空间的粗粒化问题。我们应用了不同的方案对蛋白质模拟数据集的帧进行聚类；然后，我们采用了一个基于分辨率（resolution）和相关性（relevance）概念的信息论框架，来评估各种聚类方法在多大程度上实现了构象空间的简化。我们的方法使我们能够识别出在简洁性和信息量之间达到最佳平衡的分辨率水平；此外，我们发现物理上最准确的聚类过程是那些在低分辨率空间中诱导出超度量结构的过程，这与蛋白质构象景观具有自相似组织的假设一致。所提出的策略是通用的，其适用性超出了计算生物物理学的范畴，使其成为从大型数据集中提取有用信息的宝贵工具。
引用
@article{arxiv.2205.08437,
title = {Information-theoretical measures identify accurate low-resolution representations of protein configurational space},
author = {Margherita Mele and Roberto Covino and Raffaello Potestio},
journal= {arXiv preprint arXiv:2205.08437},
year = {2022}
}