[論文レビュー] Transition path theory for Langevin dynamics on manifold: optimal control and data-driven solver

Yuan Gao, Tiejun Li+2 more|arXiv (Cornell University)|Oct 20, 2020

Protein Structure and Dynamics参考文献 9被引用数 7

ひとこと要約

本稿では、多様体上のランジュバンダイナミクスに従う生化学的システムにおける希少なコンformational遷移を、効率的にシミュレートするデータ駆動型最適制御フレームワークを提案する。遷移経路理論を最適制御問題として再解釈することで、コミットメント関数に基づく制御を用いた点群上の最適制御ランダムウォークを構築し、希少な遷移をほぼ確実に O(1) 時間で実現するとともに、局所平均を用いた局所的平均経路の正確な計算を可能にした。この手法は合成データおよびアラニンジペプチドデータで検証された。

ABSTRACT

We present a data-driven point of view for rare events, which represent conformational transitions in biochemical reactions modeled by over-damped Langevin dynamics on manifolds in high dimensions. We first reinterpret the transition state theory and the transition path theory from the optimal control viewpoint. Given point clouds sampled from a reaction dynamics, we construct a discrete Markov process based on an approximated Voronoi tesselation. We use the constructed Markov process to compute a discrete committor function whose level set automatically orders the point clouds. Then based on the committor function, an optimally controlled random walk on point clouds is constructed and utilized to efficiently sample transition paths, which become an almost sure event in $O(1)$ time instead of a rare event in the original reaction dynamics. To compute the mean transition path efficiently, a local averaging algorithm based on the optimally controlled random walk is developed, which adapts the finite temperature string method to the controlled Monte Carlo samples. Numerical examples on sphere/torus including a conformational transition for the alanine dipeptide in vacuum are conducted to illustrate the data-driven solver for the transition path theory on point clouds. The mean transition path obtained via the controlled Monte Carlo simulations highly coincides with the computed dominant transition path in the transition path theory.

研究の動機と目的

• 高次元の生化学的システムにおける希少なコンformational遷移をシミュレートする課題に取り組むこと。この場合、時間スケールの大きな分離のため、直接的なシミュレーションは非現実的である。
• 未知の多様体から抽出された点群のみに依存するデータ駆動型アプローチを構築すること。多様体やポテンシャルの明示的知識は不要である。
• 遷移経路理論および遷移状態理論を無限ホライズン最適制御問題として再解釈することで、希少事象の効率的サンプリングを可能にする。
• 点群上での最適制御ランダムウォークを構築し、希少な遷移をほぼ確実に O(1) 時間で実現する。
• 制御付きモンテカルロサンプルに局所平均化アルゴリズムを適用することで、効率的に平均遷移経路を計算する。

提案手法

• コミットメント関数およびその対数勾配を用いて、遷移経路理論および遷移状態理論を無限ホライズン最適制御問題として再解釈する。
• ボロノイタイルレーションを用いて点群上に離散的なマルコフ過程を構築し、下位多様体上のダイナミクスを近似する。
• レベル集合が点群のターゲット状態への進行度を順序づける離散コミットメント関数を計算する。
• コミットメント関数に基づき、最適制御則 $ v^* = 2\varepsilon \nabla \ln q $ を設計することで、希少な遷移を加速する制御付きランダムウォークを定義する。
• 有効平衡測度 $ \pi^e = q^2 \pi $ を用いて制御付きランダムウォークをガイドし、正しい遷移統計への収束を保証する。
• 制御付きモンテカルロサンプルに適用可能な局所平均化アルゴリズム（アルゴリズム2）を開発し、有限温度ストリング法を制御ダイナミクスに適応させる。

実験結果

リサーチクエスチョン

• RQ1 遷移経路理論を最適制御問題として再定式化することで、希少なコンformational遷移の効率的サンプリングが可能になるか？
• RQ2 点群上での制御付きランダムウォークをどのように構築すれば、希少な遷移がほぼ確実に O(1) 時間で発生するようにできるか？
• RQ3 多様体やポテンシャルの事前知識なしに、制御付きモンテカルロシミュレーションから平均遷移経路を正確に回復できるか？
• RQ4 コミットメント関数から導かれる有効ポテンシャル $ U^e $ は、元のポテンシャルと比較して遷移障壁の高さにおいてどのように異なるか？
• RQ5 制御付きサンプル上での局所平均化アルゴリズムが、TPTからの主要な遷移経路をどの程度正確に再現するか？

主な発見

• 制御付きランダムウォークにより、$ 10^5 $ ステップのシミュレーションで $ C_{ax} $ から $ C_{7eq} $ への遷移が21回発生した。これは、制御下では希少事象が頻繁に発生することを示しており、動的制御の有効性を裏付けている。
• コミットメント関数から導かれる有効ポテンシャル $ U^e $ は $ C_{ax} $ に局所的最大値を示す一方、元のポテンシャル $ U_{\mathcal{N}} $ は鋭い最小値を示しており、制御下での遷移促進が説明できる。
• 局所平均化アルゴリズム（アルゴリズム2）を用い、$ M=100 $ および $ L_{\text{max}}=200 $ の条件下で計算された平均遷移経路は、トーラスおよび $ (\phi,\psi) $ 平面上でTPTから得られた主要な遷移経路と完全に一致した。
• 本手法は、アラニンジペプチドのコンformational遷移（$ C_{ax} $ から $ C_{7eq} $ へ）について、従来の他の手法と一致する結果を正確に回復した。
• 本手法は合成データ（球面/トーラス）および実際のバイオ分子データの両方で、正確な経路回復を達成しており、ロバストネスとデータ駆動型の適用可能性を示している。
• コミットメント関数の等高線は点群の自然な順序付けを提供し、反応座標の事前知識なしに物理的に意味のある遷移座標の構築を可能にする。