[论文解读] Principal nested shape space analysis of molecular dynamics data

Ian L. Dryden, Kwangrae Kim+2 more|arXiv (Cornell University)|Mar 22, 2019

Morphological variations and asymmetry参考文献 17被引用 4

一句话总结

本文提出主嵌套形状空间分析（PNSSA），一种源自主嵌套球面的逆向降维方法，用于在分子动力学模拟中建模三维分子形状的动力学。通过以分层、抗噪声的方式依次拟合低维子形状，PNSSA 揭示了29个原子的丙氨酸五肽中明显不同的构象状态及时间过渡模式，其在捕捉非线性形状变异性和动态聚类行为方面优于传统的切线空间PCA。

ABSTRACT

Molecular dynamics simulations produce huge datasets of temporal sequences of molecules. It is of interest to summarize the shape evolution of the molecules in a succinct, low-dimensional representation. However, Euclidean techniques such as principal components analysis (PCA) can be problematic as the data may lie far from in a flat manifold. Principal nested spheres gives a fundamentally different decomposition of data from the usual Euclidean sub-space based PCA (Jung, Dryden and Marron, 2012, Biometrika). Sub-spaces of successively lower dimension are fitted to the data in a backwards manner, with the aim of retaining signal and dispensing with noise at each stage. We adapt the methodology to 3D sub-shape spaces and provide some practical fitting algorithms. The methodology is applied to cluster analysis of peptides, where different states of the molecules can be identified. Also, the temporal transitions between cluster states are explored.

研究动机与目标

• 解决欧几里得PCA在建模分子动力学数据中非线性、弯曲形状流形时的局限性。
• 开发一种适用于三维形状空间的逆向、分层降维方法，受主嵌套球面的启发。
• 识别分子形状演化中的不同构象状态及动态过渡模式。
• 为远离平坦流形的形状数据提供一种稳健的替代方案，以替代如切线空间PCA等前向拟合方法。
• 通过基于形状的状态分类，实现分子动力学轨迹的聚类分析与过渡矩阵建模。

提出的方法

• 通过递归地将维度递减的嵌套子球面拟合到数据流形，将主嵌套球面（PNS）框架适配至三维子形状空间。
• 使用广义普鲁斯特分析消除位置、旋转和尺度的影响，确保仅基于形状进行比较。
• 对基于时间上状态转移经验概率的转移矩阵进行分层聚类。
• 利用海林格距离比较转移矩阵，并根据动态行为将运行结果分组为时间聚类（TC1–TC4）。
• 利用马尔可夫链稳态分布，基于整体及各组特定的转移矩阵估计时间过渡模型。
• 采用沃德链接法结合海林格距离，根据转移模式将模拟运行划分为四个基于动态行为的聚类。

实验结果

研究问题

• RQ1 一种逆向、分层的降维方法能否有效建模分子动力学模拟中的非线性形状变异？
• RQ2 同一肽类分子动力学模拟的多个运行之间，在形状演化中表现出何种不同的动态模式？
• RQ3 基于形状聚类的构象状态有哪些？其过渡动力学特征如何？
• RQ4 PNSSA 在捕捉生物相关构象状态与过渡方面，与传统的切线空间PCA相比表现如何？
• RQ5 构象状态的稳态分布是什么？不同动态行为聚类之间的过渡模式有何差异？

主要发现

• 整体转移矩阵显示，第3类是被最频繁占据的状态，41.6%的时间处于平衡态，而第4类几乎不被访问（15.3%）。
• 过渡模式具有非对称性：从第1类出发，最可能的下一个状态是第2类或第4类，随后强烈倾向于过渡到第3类。
• 时间聚类TC1表现出强烈向第1类的吸引，而TC2和TC3则表现出向第3类的主导倾向，TC4则表现出对第3类的极强偏好。
• TC4的稳态分布显示79.5%的运行最终停留在第3类，表明该动态组中存在高度稳定的构象状态。
• 该方法成功识别出四个显著不同的动态行为聚类（TC1–TC4），其中TC1在转移行为上明显不同于其他聚类。
• 分析表明，即使初始构型相似，分子动力学模拟也会产生异质的动态模式，各次运行之间表现出截然不同的时间过渡特征。