Diverse Scientific Benchmarks for Implicit Membrane Energy Functions.
Diverse Scientific Benchmarks for Implicit Membrane Energy Functions.
复制标题
DOI：
10.1021/acs.jctc.0c00646
复制
发表时间：
2021-08-10
影响因子：
5.5
通讯作者：
Gray, Jeffrey J.
中科院分区：
文献类型：
--
作者：
Alford, Rebecca F.;Samanta, Rituparna;Gray, Jeffrey J.
能量函数是生物分子建模的基础。他们的成功取决于强大的物理形式，有效的优化和高分辨率的数据进行训练和验证。在过去的20年里，每个领域的进展都促进了可溶性蛋白质的能量功能。然而，由于稀疏和低质量的数据，膜蛋白的能量函数落后，导致过拟合工具。为了克服这一挑战，我们在不同大小、多样性和分辨率的独立数据集上进行了一系列12项测试。该测试探测能量函数捕获膜蛋白取向、稳定性、序列和结构的能力。在这里，我们提出了测试并使用franklin 2019能量函数来演示它们。然后，我们确定了能量函数改进的领域，并讨论了未来与基于机器学习的优化方法的潜在集成。这些测试可通过Rosetta Benchmark Server（https：//benchmark.graylab.jhu.edu/）和GitHub（https：//github.com/rfalford12/Implicit-Membrane-Energy-Function-Benchmark）获得。
Energy functions are fundamental to biomolecular modeling. Their success depends on robust physical formalisms, efficient optimization, and high-resolution data for training and validation. Over the past 20 years, progress in each area has advanced soluble protein energy functions. Yet, energy functions for membrane proteins lag behind due to sparse and low-quality data, leading to overfit tools. To overcome this challenge, we assembled a suite of 12 tests on independent datasets varying in size, diversity, and resolution. The tests probe an energy function’s ability to capture membrane protein orientation, stability, sequence, and structure. Here, we present the tests and use the franklin2019 energy function to demonstrate them. We then identify areas for energy function improvement and discuss potential future integration with machine-learning based optimization methods. The tests are available through the Rosetta Benchmark Server (https://benchmark.graylab.jhu.edu/) and GitHub (https://github.com/rfalford12/Implicit-Membrane-Energy-Function-Benchmark).
登录
查看更多内容
影响因子：
3.3
作者：
Klauda, Jeffery B.;Venable, Richard M.;Freites, J. Alfredo;O'Connor, Joseph W.;Tobias, Douglas J.;Mondragon-Ramirez, Carlos;Vorobyov, Igor;MacKerell, Alexander D., Jr.;Pastor, Richard W.
通讯作者：
Pastor, Richard W.
影响因子：
4.3
作者：
Alford RF;Koehler Leman J;Weitzner BD;Duran AM;Tilley DC;Elazar A;Gray JJ
通讯作者：
Gray JJ
影响因子：
3.7
作者：
Chaudhury S;Berrondo M;Weitzner BD;Muthu P;Bergman H;Gray JJ
通讯作者：
Gray JJ
影响因子：
5.6
作者：
Aleksandrova, Antoniya A.;Sarti, Edoardo;Forrest, Lucy R.
通讯作者：
Forrest, Lucy R.
影响因子：
5.8
作者：
Hurwitz, Naama;Schneidman-Duhovny, Dina;Wolfson, Haim J.
通讯作者：
Wolfson, Haim J.