[论文解读] Quantifying the uncertainty of molecular dynamics simulations : Good-Turing statistics revisited

Vasiliki Tsampazi, Nicholas M. Glykos|arXiv (Cornell University)|Jan 2, 2026

Protein Structure and Dynamics被引用 0

一句话总结

本论文重新审视用于估计在分子动力学轨迹中观察到全新生物分子结构的概率的 Good-Turing 统计，并引入一种可扩展到极长模拟的节省内存变体。

ABSTRACT

We have previously shown that Good-Turing statistics can be applied to molecular dynamics trajectories to estimate the probability of observing completely new (thus far unobserved) biomolecular structures, and showed that the method is stable, dependable and its predictions verifiable. The major problem with that initial algorithm was the requirement for calculating and storing in memory the two-dimensional RMSD matrix of the currently available trajectory. This requirement precluded the application of the method to very long simulations. Here we describe a new variant of the Good-Turing algorithm whose memory requirements scale linearly with the number of structures in the trajectory, making it suitable even for extremely long simulations. We show that the new method gives essentially identical results with the older implementation, and present results obtained from trajectories containing up to 22 million structures. A computer program implementing the new algorithm is available from standard repositories.

研究动机与目标

• 证明 Good-Turing 统计可以量化 MD 轨迹中新生物分子结构的出现。
• 通过将内存需求从先前的二维 RMSD 矩阵方法降低来解决可扩展性限制。
• 提供一种线性内存标尺的算法变体，适用于极长的仿真。
• 证明新方法在结果上与旧实现基本一致。
• 将随附的软件公开可用于研究人员对长 MD 轨迹的应用。

提出的方法

• 开发一个线性内存标尺的 Good-Turing 算法变体。
• 验证新方法在结果上基本等同于先前实现。
• 将该方法应用于包含多达 22 百万结构的 MD 轨迹。
• 提供一个发布到标准代码库的软件实现。

实验结果

研究问题

• RQ1 是否可以在不产生不可承受内存使用的情况下将 Good-Turing 统计应用于长的分子动力学轨迹？
• RQ2 线性内存变体是否能保留原始 Good-Turing 方法的准确性？
• RQ3 在轨迹规模上的实际极限是什么，在该极限下该方法仍然可靠？
• RQ4 是否存在可访问的软件实现修订后的算法？

主要发现

• 线性内存变体的结果与较旧实现基本一致。
• 该方法在包含多达 22 百万结构的轨迹上得到证明。
• 该方法在估计 MD 数据中观察到新生物分子结构的概率方面保持稳定且可靠。
• 实现新算法的计算程序可从标准代码库获得。