MétaCan
Menu
Retour à la cohorte
Enregistrement W2510475640 · doi:10.25080/majora-629e541a-00e

MDAnalysis: A Python Package for the Rapid Analysis of Molecular Dynamics Simulations

2016· article· en· W2510475640 sur OpenAlexfundno aff
Richard Gowers, Max Linke, Jonathan Barnoud, Tyler Reddy, Manuel N. Melo, Sean L. Seyler, Jan Domański, David Dotson, Sébastien Buchoux, Ian M. Kenney, Oliver Beckstein

Notice bibliographique

RevueProceedings of the Python in Science Conferences · 2016
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueProtein Structure and Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesBiotechnology and Biological Sciences Research CouncilMax-Planck-GesellschaftArizona State UniversityPartnership for Advanced Computing in Europe AISBLCanadian Institutes of Health ResearchLeverhulme TrustNederlandse Organisatie voor Wetenschappelijk OnderzoekWellcome Trust
Mots-clésPython (programming language)Computer scienceModular designInteroperabilityScripting languageVisualizationUser interfaceUSableGraphical user interfaceSoftwareProgramming languageSoftware engineeringComputational scienceWorld Wide WebData mining

Résumé

récupéré en direct d'OpenAlex

MDAnalysis (http://mdanalysis.org) is a library for structural and temporal analysis of molecular dynamics (MD) simulation trajectories and individual protein structures.MD simulations of biological molecules have become an important tool to elucidate the relationship between molecular structure and physiological function.Simulations are performed with highly optimized software packages on HPC resources but most codes generate output trajectories in their own formats so that the development of new trajectory analysis algorithms is confined to specific user communities and widespread adoption and further development is delayed.MDAnalysis addresses this problem by abstracting access to the raw simulation data and presenting a uniform object-oriented Python interface to the user.It thus enables users to rapidly write code that is portable and immediately usable in virtually all biomolecular simulation communities.The user interface and modular design work equally well in complex scripted work flows, as foundations for other packages, and for interactive and rapid prototyping work in IPython / Jupyter notebooks, especially together with molecular visualization provided by nglview and time series analysis with pandas.MDAnalysis is written in Python and Cython and uses NumPy arrays for easy interoperability with the wider scientific Python ecosystem.It is widely used and forms the foundation for more specialized biomolecular simulation tools.MDAnalysis is available under the GNU General Public License v2.

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.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Logiciel · Signal consensuel: aucune
Score de désaccord entre enseignants0,056
Score d'incertitude au seuil0,187

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0030,003
Science ouverte0,0050,004
Intégrité de la recherche0,0010,006
Charge utile insuffisante (le modèle a refusé de juger)0,0560,028

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,270
Écart entre enseignants0,259 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreLogiciel

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2 121
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the Python in Science ConferencesMême sujetProtein Structure and DynamicsTravaux en français237 207