相关实验视频
Updated: Sep 11, 2025
10:32
Brain Mapping Using a Graphene Electrode Array
Published on: October 20, 2023
1.9K
HEroBM:一个深度等价图神经网络,用于从粗粒度到全原子结构的高准确度逆映射
Daniele Angioletti1, Stefano Raniolo1, Vittorio Limongelli1
1Euler Institute, Faculty of Biomedical Sciences, Universitá della Svizzera italiana (USI), via G. Buffi 13, CH-6900 Lugano, Switzerland.
The Journal of chemical physics
|August 19, 2025
概括
使用深度学习,HEroBM从粗的模拟中重建原子细节. 这种多功能的方法准确地对分子结构进行了反向映射,弥合了模拟尺度,以提高科学发现.
科学领域:
- 计算化学的计算化学
- 分子动力学分子动力学
- 生物物理学的生物物理.
背景情况:
- 分子模拟对于研究化学,生物学和材料科学中的动态性质至关重要.
- 粗粒度 (CG) 技术简化了大型模拟的复杂系统,但失去了原子细节.
- 目前的逆向映射方法在准确性,可转移性和依赖能量放松方面存在局限性.
研究的目的:
- 开发一种动态,可扩展和准确的方法,从粗的模拟中重建原子坐标.
- 克服现有的基于规则和机器学习的逆向映射方法的局限性.
- 提供适用于各种化学系统和规模的多功能工具.
主要方法:
- 在层次的方法中利用了深度等价图神经网络.
- 开发了HEroBM (层次等同变量重建背面映射器) 方法.
- 在各种CG映射和系统组合中证明了适用性.
主要成果:
- 与现有方法相比,实现了高分辨率的背影绘制,精度更高.
- 成功重建复杂生物系统的原子结构,包括脂质双层中的GPCR.
- 展示了该方法处理各种CG映射和系统大小的能力.
结论:
- HEroBM为高保真性分子结构重建提供了一种多功能和高效的协议.
- 该方法可以在粗粒度和全原子模拟之间实现无过渡.
- 这有助于更深入地了解各种科学领域的分子机制.
