ProDyn0: 利用图神经网络推断钙调蛋白同源结构域拉伸行为
定量方法
2019-10-23 v1 机器学习
摘要
图神经网络是针对非欧几里得数据快速兴起的领域,其利用固有的图结构来预测系统节点、边和全局层面的性质。蛋白质的性质不能轻易理解为其各部分(即氨基酸)的简单加和,因此,在图的背景下理解其动力学性质对于揭示结构扰动如何影响其全局功能具有吸引力。为解决此问题,我们生成了一个包含 2020 个发生分子动力学大尺度分离的突变钙调蛋白同源(CH)结构域的数据库。为预测机械敏感力响应,我们开发了神经消息传递网络和残差门控图卷积网络,它们分别在力模式分类、最大力大小和最大力时间上以 86.63% 准确率、81.59 kJ/mol/nm 平均绝对误差、76.99 psec 平均绝对误差进行预测——显著优于基于非图的深度学习技术。为统一几何学习技术与生物物理可观测量,我们首次将模拟数据库作为基准数据集,用于图神经网络架构的进一步开发/评估。
引用
@article{arxiv.1910.09738,
title = {ProDyn0: Inferring calponin homology domain stretching behavior using graph neural networks},
author = {Ali Madani and Cyna Shirazinejad and Jia Rui Ong and Hengameh Shams and Mohammad Mofrad},
journal= {arXiv preprint arXiv:1910.09738},
year = {2019}
}
备注
8 pages, 2 figures, 2 tables