• Home
  • Chimica
  • Astronomia
  • Energia
  • Natura
  • Biologia
  • Fisica
  • Elettronica
  •  science >> Scienza >  >> Chimica
    Il nuovo approccio di apprendimento automatico facilita la ricerca del conformero molecolare in molecole complesse

    Credito:Università di Aalto

    I ricercatori del CEST hanno sviluppato un nuovo approccio di apprendimento automatico basato su uno spazio latente a bassa energia (LOLS) e sulla teoria del funzionale della densità (DFT) per cercare conformeri molecolari.

    La ricerca del conformero molecolare è un argomento di grande importanza nella chimica computazionale, nella progettazione di farmaci e nella scienza dei materiali. La sfida è in primo luogo identificare i conformatori a bassa energia. Questa difficoltà deriva dall'elevata complessità degli spazi di ricerca, nonché dal costo computazionale associato a metodi chimici quantistici accurati. In passato, la ricerca del conformero richiedeva molto tempo e risorse di calcolo.

    Per affrontare questa sfida, il dottorando in visita Xiaomi Guo, insieme ad altri ricercatori del CEST Lincan Fang, il Prof. Patrick Rinke, il Dr. Xi Chen e il Prof. Milica Todorovic (Università di Turku) hanno esplorato la possibilità di eseguire la ricerca del conformero molecolare in un spazio latente a bassa dimensione. Questo metodo utilizza un auto-codificatore variazionale (VAE) del modello generativo e distorce il VAE verso configurazioni molecolari a bassa energia per generare dati più informativi. In questo modo, il modello può apprendere efficacemente la superficie a potenziale di bassa energia e quindi identificare i relativi conformatori molecolari. I team CEST chiamano il loro nuovo metodo di ricerca conformer LOLS (Low Energy Latent Space).

    In un recente Journal of Chemical Theory and Computation pubblicazione, gli autori hanno testato questa nuova procedura LOLS su amminoacidi e peptidi con da cinque a nove dimensioni di ricerca. I nuovi risultati concordano bene con gli studi precedenti. Il team ha scoperto che per piccole molecole come la cisteina è più efficiente campionare i dati nello spazio reale; tuttavia, LOLS risulta essere più adatto per molecole più grandi come i peptidi. Gli autori ora intendono estendere i loro metodi di ricerca della struttura a materiali più complessi al di là delle molecole. + Esplora ulteriormente

    Il nuovo approccio di apprendimento automatico accelera la ricerca di conformatori molecolari




    © Scienza https://it.scienceaq.com