ブログ

Dec 11, 2023

機械的

Nature Computational Science volume 3、pages 334–345 (2023)この記事を引用 8339 アクセス数 8 引用数 44 Altmetric Metrics の詳細 協調多体によって駆動される分子自己組織化

Nature Computational Science volume 3、pages 334–345 (2023)この記事を引用

8339 アクセス

8 件の引用

44 オルトメトリック

メトリクスの詳細

協調的な多体相互作用によって駆動される分子の自己組織化により、無生物と生物の両方を定義する秩序構造が生成されます。 ここでは、分子の自己組織化現象のメカニズムを発見するために、ディープラーニングと遷移パス理論を統合した自律パスサンプリングアルゴリズムを紹介します。 このアルゴリズムは、新しく開始された軌跡の結果を使用して、定量的なメカニズム モデルを構築、検証し、必要に応じて更新します。 学習サイクルが終了すると、モデルはサンプリングをガイドして、まれなアセンブリ イベントのサンプリングを強化します。 シンボリック回帰では、学習されたメカニズムが、関連する物理的観測量の観点から人間が解釈可能な形式に凝縮されます。 溶液中のイオンの会合、ガスハイドレートの結晶形成、ポリマーの折り畳み、膜とタンパク質の集合に適用して、集合プロセスを支配する多体溶媒の運動を捉え、古典的な核形成理論の変数を特定し、さまざまなレベルでの折り畳み機構を解明します。を解決し、競合する集合経路を明らかにします。 機構の記述は、熱力学的状態と化学空間を越えて転送可能です。

一般的でありながら微妙に調整された相互作用が複雑な構造の形成においてどのように連携するかを理解することが、分子の自己集合を制御する鍵となります1,2。 コンピューター実験としての分子動力学 (MD) シミュレーションは、自己組織化プロセスを原子的に詳細かつ公平に観察できることを約束します 3。 しかし、ほとんどの集合的な自己組織化プロセスは、MD 統合ステップを制限する高速な分子運動よりも何桁も長い時間スケールで発生するまれなイベントです。 システムはほとんどの時間を準安定状態で過ごし、状態間のまれで急速な確率的遷移は、不偏 MD シミュレーションでは解決されたとしても、ほとんど解決されません。 これらの移行パス (TP) は、再編成プロセスを捉える非常に特殊な軌跡セグメントです。 シミュレーションから分子機構を学習するには、TP のサンプリング 4 とそこから定量的モデルの抽出に集中する計算能力が必要です 5。 構成空間は高次元であるため、実際にはサンプリングと情報抽出の両方が非常に困難です。 私たちのアルゴリズムは両方の課題に同時に対処します。 複雑な分子事象の定量的機構モデルを自律的かつ同時に構築し、そのモデルをオンザフライで検証し、それらを使用して通常の MD と比較してサンプリングを桁違いに高速化します。

統計力学は、自己組織化事象の低次元機構モデルを取得するための一般的な枠組みを提供します。 この記事では、2 つの状態 A と B (それぞれ組み立てられた状態または分解された状態) の間で再編成するシステムに焦点を当てますが、任意の数の状態に一般化することは簡単です。 2 つの状態を接続する各 TP には、再編成中のシステムをキャプチャする一連のスナップショットが含まれています。 したがって、トランジション パス アンサンブル (TPE) が最も高い解像度のメカニズムとなります。 遷移は実質的に確率論的であるため、そのメカニズムを定量化するには確率論的な枠組みが必要です。 コミッター pS(x) を、軌道が最初に状態 S に入る確率として定義します。それぞれ S = A または B です。ここで、x は構成空間内の開始点 X を表す特徴のベクトルであり、pA(x) +エルゴディックダイナミクスの場合は pB(x) = 1。 コミッター pB は、反応 A → B の進行状況を報告し、マルコフ法 6,7 で軌道運命を予測し、それを理想的な反応座標 8,9 とします。 チェスのゲームでは、コミッターは、たとえば、繰り返しゲームで与えられた最初のボード位置に対して黒が勝つ確率と考えることができます10。 分子シミュレーションを超えるアプリケーションの最小要件は、(1) コミッターに類似した量が存在すること、および (2) システムのダイナミクスを少なくとも順方向に繰り返しサンプリングできることです。 したがって、起こり得るさまざまなイベント (A、B、…) の確率は、システムの瞬間的な状態 X の少なくとも一部でエンコードされる (したがって学習可能である) 必要があり、システムのダイナミクスは繰り返しのサンプリングに適している必要があり、できれば効率的なコンピュータシミュレーションにより、 ただし、初期条件を満足のいく制御で実際のシステムを繰り返し準備できれば、フレームワークを使用して、観察および制御された初期条件を考慮して、このシステムの予想される運命を予測する方法を学ぶことができます。