Wetenschap
Krediet:Aalto University
CEST-onderzoekers ontwikkelden een nieuwe machine learning-aanpak op basis van een lage-energie latente ruimte (LOLS) en dichtheidsfunctionaaltheorie (DFT) om te zoeken naar moleculaire conformeren.
Het zoeken naar moleculaire conformeren is een onderwerp van groot belang in computationele chemie, medicijnontwerp en materiaalwetenschap. De uitdaging is om in de eerste plaats energiezuinige conformeren te identificeren. Deze moeilijkheid vloeit voort uit de hoge complexiteit van zoekruimten, evenals de rekenkosten die gepaard gaan met nauwkeurige kwantumchemische methoden. In het verleden kostte het zoeken naar conformer veel tijd en rekenkracht.
Om deze uitdaging aan te gaan, onderzochten bezoekende doctoraatsstudent Xiaomi Guo, samen met andere CEST-onderzoekers Lincan Fang, prof. Patrick Rinke, dr. Xi Chen en prof. Milica Todorovic (Universiteit van Turku) de mogelijkheid om de moleculaire conformer-zoekopdracht uit te voeren in een laagdimensionale latente ruimte. Deze methode maakt gebruik van een generatieve modelvariatie auto-encoder (VAE) en vertekent de VAE naar energiezuinige moleculaire configuraties om meer informatieve gegevens te genereren. Op deze manier kan het model effectief het laagenergetische potentiële oppervlak leren en zo de gerelateerde moleculaire conformeren identificeren. De CEST-teams noemen hun nieuwe methode low-energy latent space (LOLS) conformer search.
In een recent Journal of Chemical Theory and Computation publicatie testten de auteurs deze nieuwe LOLS-procedure op aminozuren en peptiden met vijf tot negen zoekdimensies. De nieuwe resultaten komen goed overeen met eerdere studies. Het team ontdekte dat het voor kleine moleculen zoals cysteïne efficiënter is om gegevens in de echte ruimte te samplen; LOLS blijkt echter meer geschikt voor grotere moleculen zoals peptiden. De auteurs zijn nu van plan hun methoden voor het zoeken naar structuren uit te breiden naar meer complexe materialen dan moleculen. + Verder verkennen
Wetenschap © https://nl.scienceaq.com