Uncovering Large-Scale Conformational Change in Molecular Dynamics without Prior Knowledge.
Uncovering Large-Scale Conformational Change in Molecular Dynamics without Prior Knowledge.
复制标题
DOI：
10.1021/acs.jctc.6b00757
复制
发表时间：
2016-12-13
影响因子：
5.5
通讯作者：
Salsbury FR Jr
中科院分区：
文献类型：
--
作者：
Melvin RL;Godwin RC;Xiao J;Thompson WG;Berenhaut KS;Salsbury FR Jr
随着分子动力学（MD）轨迹的长度随着计算能力的提高而增长，将轨迹划分为构象箱的聚类方法也变得越来越重要。在可用的方法中，绝大多数方法要求用户要么对要聚类的系统有一些先验知识，要么通过反复试验来调优聚类参数。在这里，我们提出了两种现代聚类技术的非参数应用，适用于MD轨迹的第一次调查。由于是非参数的，这些方法既不需要先验知识，也不需要参数调优。第一种方法是HDBSCAN，相对于其他流行的聚类方法来说速度很快，并且能够将非结构化或本质上无序的系统（例如本质上无序的蛋白质，或IDPs）分组到表示全局构象变化的箱子中。HDBSCAN对于确定系统的总体稳定性也很有用，因为它倾向于将稳定的系统分组到一个或两个bin中，并识别亚稳态之间的转换事件。第二种方法是iMWK-Means，首先进行显式的重新缩放，然后再进行K-Means，虽然比HDBSCAN慢，但在稳定的结构化系统（如折叠蛋白质）中表现良好，并且能够识别更高分辨率的细节，如二级结构元素的相对位置变化。结合使用，这些聚类方法允许用户在没有先验知识的情况下快速识别模拟系统的稳定性，并识别局部和全局构象变化。
As the length of molecular dynamics (MD) trajectories grows with increasing computational power, so does the importance of clustering methods for partitioning trajectories into conformational bins. Of the methods available, the vast majority require users to either have some a priori knowledge about the system to be clustered or to tune clustering parameters through trial and error. Here we present non-parametric uses of two modern clustering techniques suitable for first-pass investigation of an MD trajectory. Being non-parametric, these methods require neither prior knowledge nor parameter tuning. The first method, HDBSCAN, is fast—relative to other popular clustering methods—and is able to group unstructured or intrinsically disordered systems (such as intrinsically disordered proteins, or IDPs) into bins that represent global conformational shifts. HDBSCAN is also useful for determining the overall stability of a system—as it tends to group stable systems into one or two bins—and identifying transition events between metastable states. The second method, iMWK-Means, with explicit rescaling followed by K-Means, while slower than HDBSCAN, performs well with stable, structured systems such as folded proteins and is able to identify higher resolution details such as changes in relative position of secondary structural elements. Used in conjunction, these clustering methods allow a user to discern quickly and without prior knowledge the stability of a simulated system and identify both local and global conformational changes.
登录
查看更多内容
影响因子：
8
作者：
Arbelaitz, Olatz;Gurrutxaga, Ibai;Perona, Inigo
通讯作者：
Perona, Inigo
DOI：
10.1073/pnas.1119057109
发表时间：
2012-01-17
影响因子：
11.1
作者：
Chen, Huimin;Meisburger, Steve P.;Pollack, Lois
通讯作者：
Pollack, Lois
粗粒度生物网络替代方法的定量比较
影响因子：
4.4
作者：
Bowman, Gregory R.;Meng, Luming;Huang, Xuhui
通讯作者：
Huang, Xuhui
影响因子：
3.2
作者：
Black, Katherine A.;Dos Santos, Patricia C.
通讯作者：
Dos Santos, Patricia C.
影响因子：
4.8
作者：
Cordier, Florence;Grubisha, Olivera;Agou, Fabrice
通讯作者：
Agou, Fabrice