Reconciling Simulations and Experiments With BICePs: A Review.
Reconciling Simulations and Experiments With BICePs: A Review.
复制标题
DOI：
10.3389/fmolb.2021.661520
复制
发表时间：
2021
影响因子：
5
通讯作者：
Raddi RM
中科院分区：
文献类型：
--
作者：
Voelz VA;Ge Y;Raddi RM
构象群体的贝叶斯推断（Bayesian Inference of Conformational Populations，BICePs）是一种用于协调模拟集合与稀疏实验测量的算法。贝叶斯框架的BICePs使人口重新加权作为一个后模拟处理步骤，与现有的方法，包括参考电位的正确使用，估计贝叶斯因子样量称为模型选择的BICePs得分的几个优点。在这里，我们总结了这种方法的理论背景与相关算法，回顾历史的BICePs应用程序的日期，并讨论当前的缺点沿着与未来的计划进行改进。
Bayesian Inference of Conformational Populations (BICePs) is an algorithm developed to reconcile simulated ensembles with sparse experimental measurements. The Bayesian framework of BICePs enables population reweighting as a post-simulation processing step, with several advantages over existing methods, including the proper use of reference potentials, and the estimation of a Bayes factor-like quantity called the BICePs score for model selection. Here, we summarize the theory underlying this method in context with related algorithms, review the history of BICePs applications to date, and discuss current shortcomings along with future plans for improvement.
登录
查看更多内容
影响因子：
13.6
作者：
Bonomi M;Camilloni C;Cavalli A;Vendruscolo M
通讯作者：
Vendruscolo M
影响因子：
3.3
作者：
Antonov, L. D.;Olsson, S.;Hamelryck, T.
通讯作者：
Hamelryck, T.
DOI：
10.1073/pnas.95.8.4309
发表时间：
1998-04-14
影响因子：
11.1
作者：
Armand, P;Kirshenbaum, K;Bradley, EK
通讯作者：
Bradley, EK
影响因子：
5.8
作者：
Bonomi, Massimiliano;Camilloni, Carlo
通讯作者：
Camilloni, Carlo
影响因子：
4.4
作者：
Cavalli, Andrea;Camilloni, Carlo;Vendruscolo, Michele
通讯作者：
Vendruscolo, Michele