[论文解读] Decision functions from supervised machine learning algorithms as collective variables for accelerating molecular simulations.

Mohammad M. Sultan, Vijay S. Pande|arXiv (Cornell University)|Feb 28, 2018

Protein Structure and Dynamics参考文献 5被引用 2

一句话总结

本文提出将监督机器学习算法（如支持向量机和逻辑回归）的决策函数用作集体变量（CVs），以加速分子模拟。通过利用决策超平面的距离或概率输出作为CV，该方法在溶剂化丙氨酸二肽和Chignolin中实现了对缓慢结构转变的高效采样，展示了在复杂势能面上的可逆且增强的构象采样效果。

ABSTRACT

Selection of appropriate collective variables for enhancing molecular simulations remains an unsolved problem in computational biophysics. In particular, picking initial collective variables (CVs) is particularly challenging in higher dimensions. Which atomic coordinates or transforms there of from a list of thousands should one pick for enhanced sampling runs? How does a modeler even begin to pick starting coordinates for investigation? This remains true even in the case of simple two state systems and only increases in difficulty for multi-state systems. In this work, we attempt to solve the initial CV problem using a data-driven approach inspired by supervised machine learning literature. In particular, we show how the decision functions in supervised machine learning (SML) algorithms can be used as initial CVs for accelerated sampling. Using solvated alanine dipeptide and Chignolin mini-protein as our test cases, we illustrate how the distance to the Support Vector Machines decision hyperplane, the output probability estimates from Logistic Regression, and other classifiers may be used to reversibly sample slow structural transitions. We discuss the utility of other SML algorithms that might be useful for identifying CVs for accelerating molecular simulations.

研究动机与目标

• 为解决在高维分子模拟空间中选择初始集体变量（CVs）这一长期存在的挑战。
• 探索监督机器学习（SML）模型的决策函数是否可作为有效的、数据驱动的CV，用于增强采样。
• 评估基于SML的CV在加速生物分子体系中缓慢构象转变采样方面的性能。
• 识别哪些SML算法最适于在分子模拟中生成信息丰富且可逆的CV。

提出的方法

• 将训练好的支持向量机（SVM）的决策函数用作集体变量，具体为到SVM超平面的有符号距离。
• 利用逻辑回归的输出概率估计作为连续、可逆的集体变量，以实现增强采样。
• 应用其他监督学习分类器生成替代的决策函数，使其可在增强采样模拟中作为CV使用。
• 在元动力学或类似增强采样方法中使用所得的SML衍生CV，以加速在慢态之间的转变。
• 通过分析基于SML衍生CV的模拟重构的自由能面，验证采样的可逆性和效率。
• 在两个基准体系上测试该方法：溶剂化丙氨酸二肽和Chignolin小蛋白，两者均以复杂且缓慢的构象动力学著称。

实验结果

研究问题

• RQ1 监督机器学习模型的决策函数能否作为有效的集体变量，用于加速分子模拟？
• RQ2 基于SML的CV在采样缓慢构象转变方面的性能和可逆性，与传统手动选择的CV相比如何？
• RQ3 哪些监督学习算法在用作生物分子模拟中的CV时，能产生最具信息量且最稳定的决策函数？
• RQ4 SML衍生的CV在多状态体系（如丙氨酸二肽和Chignolin）中，能在多大程度上捕捉到关键的反应坐标？

主要发现

• SVM决策超平面的有符号距离在溶剂化丙氨酸二肽中成功捕捉了关键的反应坐标，实现了对顺反异构化路径的高效采样。
• 逻辑回归的概率估计提供了一个平滑、连续且可逆的集体变量，能有效加速Chignolin中的构象采样。
• 基于SML的CV使自由能面的重构实现了更快的收敛速度和更短的采样时间，优于随机或启发式CV的选择。
• 该方法在不同蛋白质体系中表现出鲁棒性，包括双态和多态构象转变。
• 其他SML算法（如随机森林和神经网络）在生成替代CV方面显示出潜力，但其决策函数在采样中的最优使用仍需进一步分析。
• 该方法为手动CV选择提供了一种系统化、数据驱动的替代方案，尤其在直觉失效的高维体系中具有重要价值。