- 必威体育下载

姓名
邮箱
手机号码
标题
留言内容
验证码

摘要

分子模拟技术已成为人们从分子层次探究生命原理的强有力工具. 经过近50年的发展, 生物分子模拟能够实现对蛋白折叠、构象运动和蛋白-蛋白分子相互作用等复杂分子体系的生物过程的动力学和热力学性质进行定量表征. 近年来, 以深度学习为代表的机器学习算法的应用进一步推动了生物分子模拟技术的发展. 本文对进行综述, 重点讨论机器学习算法在提高生物分子力场精度、分子模拟构象采样效率、以及高维生物分子模拟数据处理等方面取得的重要进展. 在此基础上, 对未来研究中基于机器学习技术进一步克服生物分子模拟的精度和效率瓶颈、扩展生物分子模拟适用范围、实现计算模拟与实验测量的深度融合做了展望.

关键词:

Abstract

Molecular simulation has already become a powerful tool for studying life principles at a molecular level. The past 50-year researches show that molecular simulation has been able to quantitatively characterize the kinetic and thermodynamic properties of complex molecular processes, such as protein folding and conformational changes. In recent years, the application of machine learning algorithms represented by deep learning has further promoted the development of molecular simulation. This work reviews machine learning methods in biomolecular simulation, focusing on the important progress made by machine learning algorithms in improving the accuracy of molecular force fields, the efficiency of molecular simulation conformation sampling, and also the processing of high-dimensional simulation data. The future researches to further overcome the bottleneck of accuracy and efficiency of molecular simulation, expand the scope of molecular simulation, and realize the integration of computational simulation and experimental based on machine learning technique is prospected.

Keywords:

作者及机构信息

1.
2.

通信作者:李文飞,wfli@nju.edu.cn; 王炜,wangwei@nju.edu.cn

基金项目:国家自然科学基金 (批准号: 11974173)资助的课题.

Authors and contacts

1.
2.

Corresponding author:Li Wen-Fei,wfli@nju.edu.cn; Wang Wei,wangwei@nju.edu.cn

Funds:Project supported by the National Natural Science Foundation of China (Grant No. 11974173).

文章全文: translate this paragraph

参考文献

[1]
[2]
[3]
[4]
[5]
[6]
[7]
[8]
[9]
[10]
[11]
[12]
[13]
[14]
[15]
[16]
[17]
[18]
[19]
[20]
[21]
[22]
[23]
[24]
[25]
[26]
[27]
[28]
[29]
[30]
[31]
[32]
[33]
[34]
[35]
[36]
[37]
[38]
[39]
[40]
[41]
[42]
[43]
[44]
[45]
[46]
[47]
[48]
[49]
[50]
[51]
[52]
[53]
[54]
[55]
[56]
[57]
[58]
[59]
[60]
[61]
[62]
[63]
[64]
[65]
[66]
[67]
[68]
[69]
[70]
[71]
[72]
[73]
[74]
[75]
[76]
[77]
[78]
[79]
[80]
[81]
[82]
[83]
[84]
[85]
[86]
[87]
[88]
[89]
[90]
[91]
[92]
[93]
[94]
[95]
[96]
[97]
[98]
[99]
[100]
[101]
[102]
[103]
[104]
[105]
[106]
[107]
[108]
[109]
[110]
[111]
[112]
[113]
[114]
[115]
[116]
[117]
[118]
[119]
[120]
[121]
[122]
[123]
[124]
[125]
[126]
[127]

施引文献

下载: 全尺寸图片幻灯片

下载: 全尺寸图片幻灯片

下载: 全尺寸图片幻灯片

下载: 全尺寸图片幻灯片

下载: 全尺寸图片幻灯片

[1]
[2]
[3]
[4]
[5]
[6]
[7]
[8]
[9]
[10]
[11]
[12]
[13]
[14]
[15]
[16]
[17]
[18]
[19]
[20]
[21]
[22]
[23]
[24]
[25]
[26]
[27]
[28]
[29]
[30]
[31]
[32]
[33]
[34]
[35]
[36]
[37]
[38]
[39]
[40]
[41]
[42]
[43]
[44]
[45]
[46]
[47]
[48]
[49]
[50]
[51]
[52]
[53]
[54]
[55]
[56]
[57]
[58]
[59]
[60]
[61]
[62]
[63]
[64]
[65]
[66]
[67]
[68]
[69]
[70]
[71]
[72]
[73]
[74]
[75]
[76]
[77]
[78]
[79]
[80]
[81]
[82]
[83]
[84]
[85]
[86]
[87]
[88]
[89]
[90]
[91]
[92]
[93]
[94]
[95]
[96]
[97]
[98]
[99]
[100]
[101]
[102]
[103]
[104]
[105]
[106]
[107]
[108]
[109]
[110]
[111]
[112]
[113]
[114]
[115]
[116]
[117]
[118]
[119]
[120]
[121]
[122]
[123]
[124]
[125]
[126]
[127]

[1]	张旭, 丁进敏, 侯晨阳, 赵一鸣, 刘鸿维, 梁生.基于机器学习的激光匀光整形方法. 必威体育下载 , 2024, 73(16): 164205.doi:10.7498/aps.73.20240747
[2]	张嘉晖.蛋白质计算中的机器学习. 必威体育下载 , 2024, 73(6): 069301.doi:10.7498/aps.73.20231618
[3]	欧阳鑫健, 张岩星, 王之龙, 张锋, 陈韦嘉, 庄园, 揭晓, 刘来君, 王大威.面向铁电相变的机器学习: 基于图卷积神经网络的分子动力学模拟. 必威体育下载 , 2024, 73(8): 086301.doi:10.7498/aps.73.20240156
[4]	郭唯琛, 艾保全, 贺亮.机器学习回归不确定性揭示自驱动活性粒子的群集相变. 必威体育下载 , 2023, 72(20): 200701.doi:10.7498/aps.72.20230896
[5]	杨建宇, 席昆, 竺立哲.生物大分子过渡态搜索算法及其中的机器学习. 必威体育下载 , 2023, 72(24): 248701.doi:10.7498/aps.72.20231319
[6]	刘烨, 牛赫然, 李兵兵, 马欣华, 崔树旺.机器学习在宇宙线粒子鉴别中的应用. 必威体育下载 , 2023, 72(14): 140202.doi:10.7498/aps.72.20230334
[7]	张逸凡, 任卫, 王伟丽, 丁书剑, 李楠, 常亮, 周倩.机器学习结合固溶强化模型预测高熵合金硬度. 必威体育下载 , 2023, 72(18): 180701.doi:10.7498/aps.72.20230646
[8]	罗启睿, 沈一凡, 罗孟波.高分子塌缩相变和临界吸附相变的计算机模拟和机器学习. 必威体育下载 , 2023, 72(24): 240502.doi:10.7498/aps.72.20231058
[9]	张嘉伟, 姚鸿博, 张远征, 蒋伟博, 吴永辉, 张亚菊, 敖天勇, 郑海务.通过机器学习实现基于摩擦纳米发电机的自驱动智能传感及其应用. 必威体育下载 , 2022, 71(7): 078702.doi:10.7498/aps.71.20211632
[10]	陈晶晶, 邱小林, 李柯, 周丹, 袁军军.纳米晶CoNiCrFeMn高熵合金力学性能的原子尺度分析. 必威体育下载 , 2022, 71(19): 199601.doi:10.7498/aps.71.20220733
[11]	艾飞, 刘志兵, 张远涛.结合机器学习的大气压介质阻挡放电数值模拟研究. 必威体育下载 , 2022, 71(24): 245201.doi:10.7498/aps.71.20221555
[12]	林键, 叶梦, 朱家纬, 李晓鹏.机器学习辅助绝热量子算法设计. 必威体育下载 , 2021, 70(14): 140306.doi:10.7498/aps.70.20210831
[13]	陈江芷, 杨晨温, 任捷.基于波动与扩散物理系统的机器学习. 必威体育下载 , 2021, 70(14): 144204.doi:10.7498/aps.70.20210879
[14]	刘武, 朱成皖, 李昊天, 赵谡玲, 乔泊, 徐征, 宋丹丹.基于机器学习和器件模拟对Cu(In,Ga)Se₂电池中Ga含量梯度的优化分析. 必威体育下载 , 2021, 70(23): 238802.doi:10.7498/aps.70.20211234
[15]	梁燚然, 梁清.带电纳米颗粒与相分离的带电生物膜之间相互作用的分子模拟. 必威体育下载 , 2019, 68(2): 028701.doi:10.7498/aps.68.20181891
[16]	程昀, 李劼, 贾明, 汤依伟, 杜双龙, 艾立华, 殷宝华, 艾亮.锂离子电池多尺度数值模型的应用现状及发展前景. 必威体育下载 , 2015, 64(21): 210202.doi:10.7498/aps.64.210202
[17]	李文飞, 张建, 王骏, 王炜.生物大分子多尺度理论和计算方法. 必威体育下载 , 2015, 64(9): 098701.doi:10.7498/aps.64.098701
[18]	向辉, 刘大欢, 阳庆元, 密建国, 仲崇立.骨架柔性对短链烷烃分子在金属-有机骨架材料中扩散的影响. 必威体育下载 , 2011, 60(9): 093602.doi:10.7498/aps.60.093602
[19]	王冬一, 薛春瑜, 仲崇立.金属-有机骨架材料二聚铜-苯-1，3，5-三羧酸酯中烷烃扩散机理的分子模拟研究. 必威体育下载 , 2009, 58(8): 5552-5559.doi:10.7498/aps.58.5552
[20]	徐敬.用分子模拟方法研究羟基乙叉二膦酸(HEDP)在方解石表面的吸附行为. 必威体育下载 , 2006, 55(3): 1107-1112.doi:10.7498/aps.55.1107

计量

文章访问数:2373
PDF下载量:171
被引次数:0

搜索

留言板