马尔可夫场模型：将分子动力学方法扩展至大型分子机器
生物物理
2022-06-24 v1
摘要
随着结构生物学的最新进展，包括实验技术与深度学习赋能的高精度结构预测，亟需能够扩展至大型生物分子系统的分子动力学方法。当前分子动力学建模的最先进方法侧重于将分子系统的全局构型编码为不同状态。这一范式要求我们描绘所有可能的结构并采样它们之间的转变，而对于生物分子复合物等大规模系统，该任务变得不可行。为获得可扩展的分子模型，我们建议从全局状态描述转向一组耦合模型，各自描述分子系统局部结构域或位点的动力学。我们描述了当前最先进的全局状态马尔可夫建模方法的局限性，随后引入马尔可夫场模型作为一个总称，涵盖来自不同科学社区的模型，包括独立马尔可夫分解、Ising与Potts模型，以及（动态）图模型，并评估它们在计算分子生物学中的用途。最后，我们给出若干早期采用这些思想来建模分子动力学与热力学的示例。
引用
@article{arxiv.2206.11620,
title = {Markov Field Models: scaling molecular kinetics approaches to large molecular machines},
author = {Tim Hempel and Simon Olsson and Frank Noé},
journal= {arXiv preprint arXiv:2206.11620},
year = {2022}
}