GLOW:自由エネルギープロファイリングのためのGauss加速分子動力学と深層学習を統合したワークフロー【JST・京大機械翻訳】

Do Hung N.; Wang Jinan; Bhattarai Apurba; Miao Yinglong

文献

J-GLOBAL ID：202202231463763687 整理番号：22A0974248

GLOW:自由エネルギープロファイリングのためのGauss加速分子動力学と深層学習を統合したワークフロー【JST・京大機械翻訳】

GLOW: A Workflow Integrating Gaussian-Accelerated Molecular Dynamics and Deep Learning for Free Energy Profiling

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=22A0974248&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=22A0974248&from=J-GLOBAL&jstjournalNo=W2328A") }}

著者 (4件)： , , ,
資料名：
巻： 18 号： 3 ページ： 1423-1436 発行年： 2022年
JST資料番号： W2328A ISSN： 1549-9618 CODEN： JCTCCE 資料種別：逐次刊行物 (A)
記事区分：原著論文発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

分子決定因子を予測し,生体分子の自由エネルギー景観をマップするために,Gauss加速分子動力学(GaMD),深層学習(DL),および自由エネルギープロファイリングワークフロー(GLOW)を導入した。全原子GaMD増強サンプリングシミュレーションを,まず興味のある生体分子で行った。次に,構造接触マップをGaMDシミュレーションフレームから計算し,畳み込みニューラルネットワークを用いてDLモデルを構築するための画像に変換した。重要な構造接触を構造接触勾配の注意マップのDLモデルからさらに決定し,システム反応座標の同定を可能にした。最後に,GaMDシミュレーションのエネルギー再重み付けにより選択した反応座標について自由エネルギープロファイルを計算した。また,モデル系としてアデノシンA_1受容体(A_1AR)を用いて,G蛋白質共役受容体の活性化とアロステリック調節の特性化のためのGLOWを成功裏に示した。GLOW所見は,A_1ARの以前の実験および計算研究と非常に一致し,受容体機能への更なる機構的洞察も提供する。要約すると,GLOWは生体分子の自由エネルギー景観をマッピングするための系統的アプローチを提供する。GLOWワークフローとそのユーザマニュアルはhttp://miaolab.org/GLOWでダウンロードできる。Copyright 2022 American Chemical Society All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

, , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

分子構造 , 計算機シミュレーション

, , , , , ,

前のページに戻る