利用长短期记忆网络预测GPCR分子动力学中氨基酸的三维位置
生物大分子
2022-07-13 v1 人工智能
机器学习
摘要
G蛋白偶联受体（GPCRs）是真核细胞跨膜蛋白的一个大家族，负责众多生物过程。从实用角度看，美国食品药品监督管理局批准的药物中约34%以这些受体为靶点。可通过模拟的分子动力学对其进行分析，包括预测其在药物存在下的行为。本文评估了长短期记忆网络（LSTMs）学习和预测受体分子动力学轨迹的能力。考虑了氨基酸位置的不同变换（如质心、几何中心以及每个氨基酸的--碳位置），使用受体氨基酸的三维位置训练了若干模型。位置预测的误差通过平均绝对误差（MAE）和均方根偏差（RMSD）评估。LSTM模型表现出稳健性能，结果可与非动态三维预测中的最先进水平（SOTA）相媲美。氨基酸质心的最佳MAE和RMSD值分别为0.078 {\AA}和0.156 {\AA}。本工作展示了LSTM预测GPCR分子动力学的潜力。
引用
@article{arxiv.2207.05682,
title = {Long Short-Term Memory to predict 3D Amino acids Positions in GPCR Molecular Dynamics},
author = {Juan Manuel López-Correa and Caroline König and Alfredo Vellido},
journal= {arXiv preprint arXiv:2207.05682},
year = {2022}
}
备注
G-Protein Coupled Receptors, LSTM, Molecular Dynamics