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!