机器学习得到的分子表面及其在隐式溶剂模拟中的应用
摘要：用于计算生物分子的隐式溶剂模型，如泊松-玻尔兹曼模型，起着重要的作用。几乎所有隐式溶剂模型中一个关键步骤是确定溶剂-溶质界面，而溶剂排除表面(SES)是这些模型中最常用的界面定义。然而，用于计算SES的经典算法基于几何，因此不适用于并行实现，也不方便获取表面的导数。为了解决这些局限性，我们探索了一种机器学习策略，以获得SES的水平集表示。培训过程分为三个步骤进行，最终得到了一个与经典SES超过95%一致的模型。测试分子表面的可视化显示，机器学习的SES几乎与经典SES重叠。我们还将机器学习的SES应用到Amber/PBSA程序中，研究其在反应场能计算中的性能。分析表明，两组反应场能高度一致，平均偏差为1%。由于其水平集表示，我们期望机器学习的SES能应用于需要表面导数或在并行计算平台上具有高效率的分子模拟中。
作者：Haixin Wei, Zekai Zhao, and Ray Luo
论文ID：2105.08838
分类：Biological Physics
分类简称：physics.bio-ph
提交时间：2021-05-20