无分子分子动力学：用生成神经网络搜索蛋白质构象空间

全原子与粗粒化分子动力学是研究蛋白质构象态的两种广泛使用计算工具。然而，这两种模拟方法均受限于：若无超级计算资源，难以达到可观测这些构象态的时间与长度尺度。此类方法的一种替代方案是将分子动力学的原子轨迹编码为不含物理粒子的简写版本，随后利用人工智能学习传播该编码轨迹。本文展示，将分子动力学轨迹各帧以 Ramachandran basin 类别向量作简单文本表示，可保留每帧中蛋白质完整原子表示的大部分结构信息，并可用于生成适于训练不同类型生成神经网络的等效无原子轨迹。进而，训练好的生成模型可用于无限延伸无原子动力学，或从其潜空间表示中采样蛋白质构象空间。我们直观地将此方法定义为“无分子分子动力学”，并展示其能够覆盖传统分子动力学难以触及的物理学相关蛋白质态。