关于应用 Good-Turing 统计量化生物分子模拟的收敛性
定量方法
2013-12-23 v2 生物大分子
摘要
量化大分子分子动力学模拟的收敛性和充分采样往往是该领域争议的来源（以及各种临时解决方案的来源）。显然，推断分子动力学轨迹收敛性（或不收敛）的唯一合理、一致且令人满意的方法必须基于概率论。理想情况下，我们希望回答的问题是：“对于手头分析重要的分子构型尚未被观测到的概率是多少？”。在此，我们提出一种方法，利用 Good-Turing 形式体系来估计样本中未观测物种的频率，从而回答该问题的一个变体。虽然可以采用几种方法来处理构型空间离散化的问题，但在本工作中，我们使用经典的均方根偏差（RMSD）矩阵来回答以下问题：“与所有其他已观测构型相比，其 RMSD 高于给定阈值的分子构型实际上尚未被观测到的概率是多少？”。我们将所提出的方法应用于多个不同的轨迹，结果表明该过程在计算上稳定且内部一致。实现这些思想的免费开源程序可通过公共存储库立即下载。
引用
@article{arxiv.1309.1108,
title = {On the application of Good-Turing statistics to quantify convergence of biomolecular simulations},
author = {Panagiotis I. Koukos and Nicholas M. Glykos},
journal= {arXiv preprint arXiv:1309.1108},
year = {2013}
}