Benchmarking Rapid TLES Simulations of Gas Diffusion in Proteins: Mapping O<sub>2</sub> Migration and Escape in Myoglobin as a Case Study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Standard molecular dynamics (MD) simulations of gas diffusion consume considerable computational time and resources even for small proteins. To combat this, temperature-controlled locally enhanced sampling (TLES) examines multiple diffusion trajectories per simulation by accommodating multiple noninteracting copies of a gas molecule that diffuse independently, while the protein and water molecules experience an average interaction from all copies. Furthermore, gas migration within a protein matrix can be accelerated without altering protein dynamics by increasing the effective temperature of the TLES copies. These features of TLES enable rapid simulations of gas diffusion within a protein matrix at significantly reduced (∼98%) computational cost. However, the results of TLES and standard MD simulations have not been systematically compared, which limits the adoption of the TLES approach. We address this drawback here by benchmarking TLES against standard MD in the simulation of O2 diffusion in myoglobin (Mb) as a case study since this model system has been extensively characterized. We find that 2 ns TLES and 108 ns standard simulations map the same network of diffusion tunnels in Mb and uncover the same docking sites, barriers, and escape portals. We further discuss the influence of simulation time as well as the number of independent simulations on the O2 population density within the diffusion tunnels and on the sampling of Mb's conformational space as revealed by principal component analysis. Overall, our comprehensive benchmarking reveals that TLES is an appropriate and robust tool for the rapid mapping of gas diffusion in proteins when the kinetic data provided by standard MD are not required. Furthermore, TLES provides explicit ligand diffusion pathways, unlike most rapid methods.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle