Toward the Prediction of Multi-Spin State Charges of a Heme Model by Random Forest Regression
Toward the Prediction of Multi-Spin State Charges of a Heme Model by Random Forest Regression
复制标题
通过随机森林回归预测血红素模型的多自旋态电荷
DOI：
10.3389/fchem.2020.00162
复制
发表时间：
2020-03
影响因子：
5.5
通讯作者：
Gao Jun
中科院分区：
文献类型：
--
作者：
Zhao Wei;Li Qing;Huang Xian-Hui;Bie Li-Hua;Gao Jun
引入随机森林回归(RFR)模型来预测血红素模型的多自旋态电荷，这对于自旋交叉现象的分子动力学模拟具有重要意义。本文从非绝热动力学模拟轨道出发，建立了一个包含39,368个结构的简化的血红素-氧键模型的多自旋态结构数据集。计算了每个原子的ESP电荷，并将其作为实值响应。利用对称函数的RFR模型构造了三自旋态的构象自适应电荷模型。结果表明，我们的RFR模型可以有效地预测不同构象的动态原子电荷以及同一构象中不同自旋态的原子电荷，从而达到精度和效率的平衡。用人工选取的11个结构参数预测的各自旋态电荷的平均绝对误差为Fe2+。我们希望这个模型不仅可以为发展多自旋态的力场提供可变的参数，而且还可以促进自动化，从而使原子系统的大规模模拟成为可能。
The random forest regression (RFR) model was introduced to predict the multiple spin state charges of a heme model, which is important for the molecular dynamic simulation of the spin crossover phenomenon. In this work, a multiple spin state structure data set with 39,368 structures of the simplified heme-oxygen binding model was built from the non-adiabatic dynamic simulation trajectories. The ESP charges of each atom were calculated and used as the real-valued response. The conformational adapted charge model (CAC) of three spin states was constructed by an RFR model using symmetry functions. The results show that our RFR model can effectively predict the on the fly atomic charges with the varying conformations as well as the atomic charge of different spin states in the same conformation, thus achieving the balance of accuracy and efficiency. The average mean absolute error of the predicted charges of each spin state is Fe2+ by using 11 manually selected structural parameters. We hope that this model can not only provide variable parameters for developing the force field of the multi-spin state but also facilitate automation, thus enabling large-scale simulations of atomistic systems.
登录
查看更多内容
利用偏振力场下的相互作用熵探讨 HIV-2 与 HIV-1 蛋白酶复合物结合亲和力降低的原因
影响因子：
5.5
作者：
Cong Y;Li Y;Jin K;Zhong S;Zhang JZH;Li H;Duan L
通讯作者：
Duan L
铁络合物活化分子氧：系统间交叉动力学对血红素相关模型的催化作用
DOI：
10.1021/acs.jpcc.7b11462
发表时间：
2018-01
期刊：
The Journal of Physical Chemistry C
影响因子：
--
作者：
Du Likai;Liu Fang;Li Yanwei;Yang Zhongyue;Zhang Qingzhu;Zhu Chaoyuan;Gao Jun
通讯作者：
Gao Jun
影响因子：
16.6
作者：
Schütt KT;Arbabzadah F;Chmiela S;Müller KR;Tkatchenko A
通讯作者：
Tkatchenko A
DOI：
10.1021/acs.jpca.5b00218
发表时间：
2015-02
期刊：
The journal of physical chemistry. A
影响因子：
--
作者：
M. Ivanov;M. Talipov;Q. K. Timerghazin
通讯作者：
M. Ivanov;M. Talipov;Q. K. Timerghazin
影响因子：
3
作者：
Statnikov, Alexander;Wang, Lily;Aliferis, Constantin F.
通讯作者：
Aliferis, Constantin F.