学术速运|LAST：蛋白质轨迹的潜在空间辅助自适应采样

题目：LAST: Latent Space-Assisted Adaptive Sampling for Protein Trajectories

文献来源：https://doi.org/10.1021/acs.jcim.2c01213(JCIM)

代码：https://github.com/smutao-group/LAST

简介：分子动力学（MD）模拟被广泛应用于蛋白质构象和动力学的研究。然而，传统的模拟往往会被困在一些难以逃脱的局部能量最小值中。因此，大部分的计算时间都花在了对已经访问过的区域的采样上。这导致了一个低效的采样过程，并进一步阻碍了在合理的模拟时间内探索蛋白质运动。深度学习的发展为蛋白质取样提供了新的机会。变分自编码器是一类深度学习模型，用于学习低维表示（称为潜在空间），它可以捕获输入数据的关键特征。基于这一特点，作者提出了一种新的自适应采样方法——潜在空间辅助自适应采样（LAST），以加速蛋白质构象空间的探索。该方法包括(i)变分自编码器训练，（ii）潜在空间上的种子结构选择，以及（iii）通过额外的MD模拟的构象采样。通过对两种蛋白质系统的四种结构的采样，验证了大肠杆菌腺苷激酶（ADK）的两种亚稳态和Vivid的两种天然态（VVD）。在所有四种构象中，种子结构都位于构象分布的边界上。此外，与结构差异采样（SDS）和传统的MD（cMD）模拟相比，在较短的模拟时间内观察到较大的构象变化。在亚稳态ADK模拟中，LAST探索了两个稳定态的过渡路径，而SDS只探索了一个，也没有探索了cMD。在VVD光态模拟中，LAST比具有相似构象空间的cMD模拟快三倍。总的来说，LAST可与SDS相媲美，是一种很有前途的自适应采样工具。

主要内容：

-------------------------------------------

来自公众号DrugPython分享

欢迎关注点赞收藏转发！

下次见！