推进分子模拟:合并物理模型,实验和人工智能来解决多层次复杂性的问题
Giorgio Bonollo1, Gauthier Trèves1, Denis Komarov1
1Department of Chemistry, University of Pavia, via Taramelli 12, 27100 Pavia, Italy.
The journal of physical chemistry letters
|April 3, 2025
概括
诸如分子动力学 (MD) 模拟和人工智能等计算方法正在揭示蛋白质动力学和相互作用. 整合这些方法可以增强对复杂生物系统的理解,用于预测建模.
科学领域:
- 生物物理学的生物物理.
- 化学生物学 化学生物学
- 结构生物学 结构生物学
背景情况:
- 蛋白质和蛋白质复合体形成动态网络,对生化途径和细胞表型至关重要.
- 环境变化 (连接物结合,突变) 影响蛋白质系统反应,影响信号传导.
- 结构生物学和模拟方面的进步为蛋白质系统行为提供了洞察力.
研究的目的:
- 讨论计算方法在研究蛋白质动态学中的作用.
- 突出AI和复杂生物系统的多尺度方法的整合.
- 探索生物物理学和化学生物学中的新机遇.
主要方法:
- 分子动力学 (MD) 模拟
- 由人工智能 (AI) 驱动的方法
- 冷电子显微镜和断层扫描.
- AlphaFold用于结构特征的结构性表征.
主要成果:
- 计算技术阐明了蛋白质的构造格局,带结合和相互作用.
- 多尺度建模正在向复杂系统 (包括整个细胞) 的现实表现迈进.
- 整合AI和MD方法可以增强对日益复杂的生物系统的理解.
结论:
- 人工智能和多尺度MD方法的整合为研究复杂的生物系统提供了强大的工具.
- 这些进步有助于在原子分辨率下预测细胞行为的建模.
- 这种协同作用正在改变生物物理学和化学生物学,使我们能够更深入地了解生物分子机制.


