Key points are not available for this paper at this time.
يُعقّد المشهد الطاقي المعقد متعدد الأبعاد للجزيئات البيولوجية استخراج المتغيرات الجماعية غير الحدسية الملائمة (CVs) التي تصف انتقالاتها التكوينية. في الوقت الحالي، تُستخدم طرق تقليل الأبعاد ومخططات التعلم الآلي للحصول على إحداثيات رد الفعل من مجموعات بيانات تم أخذ عينات منها إما من تقنيات مثل محاكاة الديناميات الجزيئية (MD) أو قواعد البيانات الهيكلية للجزيئات البيولوجية. ومع ذلك، فإن الفهم الضعيف لتقارب أخذ العينات واكتمال مجموعة البيانات يحد بشدة من تقييم جودة المتغيرات الجماعية المستخرجة. هنا، نبني على الأفكار الإحصائية الدقيقة للتوازن المحلي لتطوير مقياس تطور الوضع (MeM) الذي يمكن أن يستخرج كميًا المتغيرات الجماعية المتقاربة من محاكاة الديناميات الجزيئية غير المتوازنة باستخدام طرق تقليل الأبعاد أو التعلم الآلي. بشكل محدد، نطبق MeM لاستخراج المكونات الرئيسية المتقاربة لانتقالات في نماذج مناظر الطاقة المحتملة ذات التعقيدات المتنوعة وفي ثنائي الببتيد الألانين المذاب. أخيرًا، نوضح تطبيقًا ممكنًا لـ MeM في تصميم مخططات أخذ عينات متحيزة فعالة لبناء شرائح دقيقة من المنظر الطاقي تربط الانتقالات بين حالتين. يمكن أن يساعد MeM في تسريع البحث عن القيعان الجديدة حول حالة تكوين بيوموليكولي وتمكين التقدير الدقيق للديناميكا الحرارية للحالات الموجودة على المنظر الطاقي ووصف الانتقالات المرتبطة.
درس داس وآخرون (الثلاثاء) هذا السؤال.