Autokodéry pro víceúrovňové simulace
Cíle projektu
Cílem projektu je kombinovat metadynamiku a autokodéry. Biomolekulární simulace jsou vysoce výpočetně náročné. Tento fakt omezuje širší aplikace této metody při predikci struktur proteinů nebo při vývoji léčiv. Tento problém je možné řešit pomocí metod, které zlepšují vzorkování, jakými je například metadynamika. Tato metoda zlepšuje vzorkování molekulárních simulací tak, že působí na vybrané stupně volnosti. Tyto stupně volnosti je nutné pečlivě vybrat tak, aby postihovaly všechny pomalé děje v systému. Zde navrhujeme pro tento účel použít jeden ty umělých neuronových sítí – autokodérů. Nejprve bude vytvořena reprezentativní sada struktur studovaného molekulárního systému pomocí výpočetně nenáročných metod. Poté budou tyto struktury analyzovány pomocí autokodéry, čímž bude získána nízkorozměrná mapa molekulárních struktur. Nakonec bude systém simulován metadynamikou, která bude urychlovat dotčené konformační ve změny studovaném systému.
Klíčová slova
Molecular dynamics simulationmetadynamicsneural networksmachine learning
Veřejná podpora
Poskytovatel
Ministerstvo školství, mládeže a tělovýchovy
Program
INTER-EXCELLENCE
Veřejná soutěž
INTER-EXCELLENCE 13 (SMSM2018LTC01)
Hlavní účastníci
Vysoká škola chemicko-technologická v Praze / Fakulta potravinářské a biochemické technologie
Druh soutěže
VS - Veřejná soutěž
Číslo smlouvy
MSMT-16506/2018-46
Alternativní jazyk
Název projektu anglicky
Autoencoders for multiscale modelling
Anotace anglicky
The goal of the project is to combine metadynamics and autoencoders. Biomolecular simulations are highly computationally expensive. This hampers their wider applications in protein structure prediction or drug design. This problem can be addressed by enhances sampling techniques such as metadynamics. This method enhances sampling in molecular simulation by acting on selected degrees of freedom. These degrees of freedom must be carefully selected to account to all slow degrees of freedom. Here we propose to use one type of artificial neural networks – autoencoders. First, representative structures of a studied molecular systems will be generated by computationally cheap methods. Next, they will be analyzed by autoencoders to obtain a low-dimensional map of molecular structures. Finally, metadynamics will be used to simulate various conformations of the studied molecular system.
Vědní obory
Kategorie VaV
ZV - Základní výzkum
OECD FORD - hlavní obor
10608 - Biochemistry and molecular biology
OECD FORD - vedlejší obor
10403 - Physical chemistry
OECD FORD - další vedlejší obor
30502 - Other medical science
CEP - odpovídající obory
(dle převodníku)CE - Biochemie
CF - Fyzikální chemie a teoretická chemie
EB - Genetika a molekulární biologie
FP - Ostatní lékařské obory
Hodnocení dokončeného projektu
Hodnocení poskytovatelem
U - Uspěl podle zadání (s publikovanými či patentovanými výsledky atd.)
Zhodnocení výsledků projektu
Byly vyvinuty programy a koncepty, které s použitím metod strojového učení (umělých neuronových sítí) umožňují analyzovat a zefektivnit molekulární simulace. Tyto metody byly testovány na molekulárních systémech, včetně simulací sbalování proteinů. Výsledné programy jsou dostupné vědecké komunitě.
Termíny řešení
Zahájení řešení
16. 5. 2018
Ukončení řešení
4. 4. 2020
Poslední stav řešení
U - Ukončený projekt
Poslední uvolnění podpory
24. 2. 2020
Dodání dat do CEP
Důvěrnost údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Systémové označení dodávky dat
CEP21-MSM-LT-U/01:1
Datum dodání záznamu
15. 6. 2021
Finance
Celkové uznané náklady
692 tis. Kč
Výše podpory ze státního rozpočtu
692 tis. Kč
Ostatní veřejné zdroje financování
0 tis. Kč
Neveřejné tuz. a zahr. zdroje finan.
0 tis. Kč
Uznané náklady
692 tis. Kč
Statní podpora
692 tis. Kč
0%
Poskytovatel
Ministerstvo školství, mládeže a tělovýchovy
OECD FORD
Biochemistry and molecular biology
Doba řešení
16. 05. 2018 - 04. 04. 2020