LPATH:一个半自动化的Python工具,用于聚类分子路径
Anthony T Bogetti1, Jeremy M G Leung1, Lillian T Chong1
1Department of Chemistry, University of Pittsburgh, Pittsburgh, Pennsylvania 15260, United States.
Journal of chemical information and modeling
|December 4, 2023
概括
分析分子路径是具有挑战性的,因为它们的复杂性. LPATH工具使用语言学辅助方法将这些途径聚集在一起,简化了分子过渡机制的分析.
科学领域:
- 计算化学的计算化学
- 生物物理学的生物物理.
- 机器学习 机器学习
背景情况:
- 分析分子路径对于理解过渡机制至关重要.
- 路径分析由于多样性和可变长度而具有挑战性.
- 现有的方法与大型数据集和复杂的路径结构作斗争.
研究的目的:
- 介绍LPATH,这是一个用于半自动路径集群的新Python工具.
- 为了促进分子动力学模拟路径的分析.
- 为了使多样化和变长路径的有效分类.
主要方法:
- 语言学辅助的路径聚类成不同的类.
- 将配置空间分成关键状态.
- 提取访问状态的文本字符串序列以进行路径匹配.
- 采用两阶段机器学习方法来进行构造状态集群,以管理内存需求.
主要成果:
- LPATH成功地实施了语言学辅助的集群方法.
- 该工具有效地将路径分类为物理上合理的类别.
- 在分析二的C7eq到C7ax形状过渡时证明了实用性,提供了准确的概率.
结论:
- LPATH为分子路径分析提供了一种高效且可扩展的解决方案.
- 该工具通过简化路径数据来帮助理解复杂的分子过程.
- LPATH与 WESTPA 和传统模拟兼容,扩大了其适用性.


