MoDyGAN：将分子动力学与GAN结合以探索蛋白构象空间
机器学习
2025-07-21 v1 生物物理
生物大分子
摘要
广泛探索蛋白构象景观 remains a major challenge in computational biology due to the high computational cost involved in dynamic physics-based simulations。本 work 提出一种新型管道，MoDyGAN，利用分子动力学(MD)模拟和生成对抗网络(GANs)来探索蛋白构象空间。MoDyGAN包含一个生成器，将高斯分布映射到MD派生的蛋白轨迹中，一个细化模块结合ensemble learning和dual-discriminator进一步提高生成构象的合理性。我们方法的核心是一种创新的表示技术，可可逆地将3D蛋白结构转换为2D矩阵，从而 enables 使用先进的基于图像的GAN架构。我们使用三个刚性蛋白表明，MoDyGAN可以生成合理的新构象。我们还以deca-亮为案例研究，表明潜在空间中的插值 closely aligns with来自拉丁分子动力学(SMD)模拟的轨迹。我们的结果表明，将蛋白表示为图像数据为将先进的深度学习技术应用于生物分子仿真提供了新的可能性，导致对构象状态的有效抽样。此外，提出的框架在扩展到其他复杂3D结构方面具有强大的潜力。
引用
@article{arxiv.2507.13950,
title = {MoDyGAN: Combining Molecular Dynamics With GANs to Investigate Protein Conformational Space},
author = {Jingbo Liang and Bruna Jacobson},
journal= {arXiv preprint arXiv:2507.13950},
year = {2025}
}