mdBIRCH用于快速,可扩展,在线聚类的分子动力学轨迹
Jherome Brylle Woody Santos1, Lexin Chen1, Ramón Alain Miranda-Quintana1
1Department of Chemistry and Quantum Theory Project, University of Florida, Gainesville, Florida, 32611, USA.
bioRxiv : the preprint server for biology
|November 24, 2025
概括
mdBIRCH使用适应的BIRCH算法高效地集群分子动力学数据. 它通过限制偏差和避免距离矩阵,为大型轨迹分析提供速度和可解释性.
科学领域:
- 计算化学是一种计算化学.
- 生物物理学的生物物理.
- 数据科学是数据科学.
背景情况:
- 分子动力学 (MD) 模拟产生大型数据集.
- 对MD轨迹的有效分析对于理解蛋白质动态至关重要.
- 现有的集群方法可能会与MD数据的规模和性质作斗争.
研究的目的:
- 介绍mdBIRCH,一个用于分子动力学数据的在线聚类方法.
- 适应BIRCH集群算法,以实现高效和可解释的轨迹分析.
- 为 MD 数据集群中的值选择提供实用工具.
主要方法:
- 使用适应的BIRCH CF树与RMSD校准的合并测试.
- 将传入的路由到最近的中心点,并根据用户定义的半径值添加它们.
- 采用RMSD定运行和盲目扫描协议来选择值.
主要成果:
- mdBIRCH 随着数的增加而近乎线性地缩放,避免了对式距离矩阵.
- 提高门将减少集群数量,并将覆盖范围集中在高占用率州.
- 该方法保留了物理单位分辨率的解释性.
结论:
- mdBIRCH为大规模分子动力学轨迹分析提供了一种快速和可解释的方法.
- 在线聚类方法适用于增量数据处理.
- 拟议的门选择协议简化了mdBIRCH.的应用.
更多相关视频
12:05A Simple, Robust, and High Throughput Single Molecule Flow Stretching Assay Implementation for Studying Transport of Molecules Along DNA
Published on: October 1, 2017
8.6K
10:20Single-Molecule Tracking Microscopy - A Tool for Determining the Diffusive States of Cytosolic Molecules
Published on: September 5, 2019
8.7K
