从粗粒化到原子分辨率分子轨迹的时间相干反向映射
计算物理
2022-11-30 v2
摘要
粗粒化提供了一种将分子动力学模拟可达的时间与长度尺度扩展到原子尺度下实际不可能达到范围的方法。利用粗粒化模拟可高效采样感兴趣的分子构型，若能重建出相应的全原子构型，便可推断出有意义的物理化学信息。然而，这种将原子细节重新引入粗粒化结构中的反向映射过程已被证明是一项艰巨任务，因为一个粗粒化结构可能对应众多可行的原子构型。现有反向映射方法严格基于单帧，要么依赖启发式方法用原子片段替换粗粒化粒子并随后弛豫，要么使用参数化模型为每个粗粒化结构分别且独立地提议原子坐标。这些方法忽略了来自先前轨迹帧的信息，而该信息对确保反向映射轨迹的时间相干性至关重要，同时也可能有助于产生更高保真的原子重建。本文中，我们提出一种支持时间相干反向映射的深度学习驱动数据驱动方法，其显式融合了来自先前轨迹结构的信息。我们的方法训练一个条件变分自编码器，以目标粗粒化构型与先前重建的原子构型为条件，非确定性地重建原子细节。我们在两个示例生物分子系统上演示了反向映射方法：丙氨酸二肽与迷你蛋白 chignolin。我们表明，我们的反向映射轨迹准确恢复了原子轨迹数据的结构、热力学与动力学性质。
引用
@article{arxiv.2205.05213,
title = {Temporally coherent backmapping of molecular trajectories from coarse-grained to atomistic resolution},
author = {Kirill Shmilovich and Marc Stieffenhofer and Nicholas E. Charron and Moritz Hoffmann},
journal= {arXiv preprint arXiv:2205.05213},
year = {2022}
}