Entdeckung kollektiver Variablen molekularer Übergänge mittels genetischer Algorithmen und neuronaler Netze

Mit der kontinuierlichen Verbesserung von Computerhardware und Algorithmen sind Simulationen zu einem mächtigen Werkzeug geworden, um alle Arten von (bio)molekularen Prozessen zu verstehen. Um die großen Simulationsdatensätze zu verarbeiten und langsame, aktivierte Übergänge zu beschleunigen, ist ein kondensierter Satz von Deskriptoren oder kollektiven Variablen (CVs) erforderlich, um die relevanten Dynamiken zu erkennen, die den molekularen Prozess von Interesse beschreiben. Es ist jedoch oft extrem schwierig, einen angemessenen Satz von CVs vorzuschlagen, der die intrinsische Reaktionskoordinate des molekularen Übergangs erfassen kann. Hier präsentieren wir ein Framework, um einen optimalen Satz von CVs aus einem Pool von Kandidaten unter Verwendung einer Kombination aus künstlichen neuronalen Netzen und genetischen Algorithmen zu finden. Der Ansatz ersetzt effektiv den Encoder eines Autoencoder-Netzwerks durch Gene, um den latenten Raum, d.h. die CVs, darzustellen. Bei einer Auswahl von CVs als Eingabe wird das Netzwerk trainiert, um die Atomkoordinaten, die den CV-Werten an den Punkten entlang des Übergangs zugrunde liegen, zu rekonstruieren. Die Netzwerkleistung wird als Schätzer für die Fitness der eingegebenen CVs verwendet. Zwei genetische Algorithmen optimieren die Auswahl der CVs und die Architektur des neuronalen Netzwerks. Die erfolgreiche Auffindung optimaler CVs durch dieses Framework wird anhand von zwei Fallstudien veranschaulicht: der bekannten konformationellen Veränderung im Alanin-Dipeptid-Molekül und dem komplexeren Übergang eines Basenpaares in B-DNA von der klassischen Watson-Crick-Paarung zur alternativen Hoogsteen-Paarung. Zu den wichtigsten Vorteilen unseres Frameworks gehören die folgenden: optimale interpretierbare CVs, Vermeidung kostspieliger Berechnungen von Kommittoren oder Zeitkorrelationsfunktionen sowie automatische Hyperparameteroptimierung. Darüber hinaus zeigen wir, dass die Anwendung einer Zeitverzögerung zwischen der Netzwerkeingabe und -ausgabe eine verbesserte Auswahl langsamer Variablen ermöglicht. Zudem kann das Netzwerk auch verwendet werden, um molekulare Konfigurationen unerforschter Mikrozustände zu generieren, zum Beispiel zur Augmentierung der Simulationsdaten.