MolCluster：物理的に一貫した解像度制御を備えたマルチスケール分子表現のための教師なしフレームワーク

科学分野:

• 計算化学
• 材料科学
• 生物物理学

背景:

• 従来の粗視化（CG）モデリングは、多様な化学構造と固定マッピング規則に課題があります。
• 教師ありCGメソッドは、小さなラベル付きデータセットとマルチスケールモデリングの解像度制御の欠如によって制限されます。

研究 の 目的:

• カスタマイズ可能な粗視化表現を抽出するための教師なしモデルMolClusterを開発すること。
• 多様な分子システムのマッピング解像度を正確に制御できるようにすること。

主な方法:

• グラフニューラルネットワークとコミュニティ検出の統合により、教師なしCG表現抽出を実現。
• ターゲットグループの保存のための事前定義されたグループペア損失の実装。
• カスタマイズ可能な解像度制御のための二分法戦略の利用。

主要な成果:

• MolClusterは、MARTINI2データセットにおいて、従来のモデルおよび教師ありモデルと比較して、CGマッピングおよびビーズタイプ予測において優れたパフォーマンスを示しました。
• ラベルフリーの事前トレーニング戦略は、MolClusterの効果を大幅に向上させます。

結論:

• MolClusterは、化学的に一貫性があり、カスタマイズ可能なCGマッピングのための新しい教師なしアプローチを提供します。
• このモデルは、ポリマー、タンパク質、および複雑なマルチスケールシステムへの応用において大きな可能性を示しています。