ProtSCAPE：分子动力学中蛋白质构象景观的映射
机器学习
2024-10-29 v1 化学物理
生物大分子
定量方法
摘要
理解蛋白质结构的动态特性对于认识其生物学功能至关重要。尽管在预测静态折叠结构方面取得了显著进展，但在微秒到毫秒尺度上对蛋白质运动进行建模仍然具有挑战性。为了应对这些挑战，我们引入了一种新颖的深度学习架构，即具有散射、注意力和位置嵌入的蛋白质 Transformer（ProtSCAPE），它利用几何散射变换以及基于 Transformer 的注意力机制从分子动力学（MD）模拟中捕获蛋白质动力学。ProtSCAPE 利用几何散射变换的多尺度特性，从被概念化为图的蛋白质结构中提取特征，并将这些特征与专注于残基和氨基酸信号的双重注意力结构相整合，生成蛋白质轨迹的潜在表示。此外，ProtSCAPE 结合了一个回归头来强制实现时间上连贯的潜在表示。
引用
@article{arxiv.2410.20317,
title = {ProtSCAPE: Mapping the landscape of protein conformations in molecular dynamics},
author = {Siddharth Viswanath and Dhananjay Bhaskar and David R. Johnson and Joao Felipe Rocha and Egbert Castro and Jackson D. Grady and Alex T. Grigas and Michael A. Perlmutter and Corey S. O'Hern and Smita Krishnaswamy},
journal= {arXiv preprint arXiv:2410.20317},
year = {2024}
}
备注
Accepted as a short paper at the 5th Molecular Machine Learning Conference (MoML 2024)