JCTC｜浙江大学王勇课题组：开发新型机器学习驱动的自适应采样算法，提升生物分子模拟效率

文章预览

2024年9月20日，浙江大学生 命科学学院王勇研究员团队联合上海交通大学吴昊教授团队，成功开发了一种创新的算法， 结合自适应采样与机器学习技术，显著提升了生物分子动力学模拟中捕捉慢构象转变过程的能力 。这一研究成果表明， 在计算资源有限的情况下，机器学习算法在增强生物分子复杂运动过程模拟中的潜力。 相关研究以Enhanced Sampling of Biomolecular Slow Conformational Transitions Using Adaptive Sampling and Machine Learning为题，发表在 Journal of Chemical Theory and Computation上。 分子动力学模拟作为结构生物学和药物化学的重要工具，能提供分子层面的独特洞察。然而，由于现有计算硬件和算法的限制，传统分子动力学模拟在时间尺度和构象空间采样方面存在瓶颈。增强采样算法通过添加偏置势加速采样过程，但依赖于能否正确选择集合变量（Collective Variables ………………………………