一种基于聚类的偏向蒙特卡洛方法预测蛋白质滴定曲线
摘要：用于系统中多体求和任务的一种高效的计算方法开发.在实体之间具有成对可加性能量相互作用的系统中，涉及对构象空间的全面枚举的方法导致了指数级的复杂性。已经提出了采样方法，例如马尔可夫链蒙特卡洛（MCMC）算法，以解决这些问题的指数级复杂性; 然而，在某些具有实体之间存在显著能量耦合的情况下，这些算法的效率可能会降低。我们采用了一种策略，通过利用相互作用能量矩阵中的集团结构来偏置采样，以提高MCMC的效率。我们追求了两种不同的有偏巡回中的巡回方式，并显示它们是有效的MCMC方案。我们使用合成和真实世界的系统来展示我们有偏MCMC方法与常规MCMC方法相比的改进性能。特别地，我们将这些算法应用于在蛋白质中估计质子化系列平均值和滴定曲线的问题。
作者：Arun V. Sathanur, Nathan A. Baker
论文ID：2010.04864
分类：Biomolecules
分类简称：q-bio.BM
提交时间：2020-10-13