Ensemble Generation for Linear and Cyclic Peptides Using a Reservoir Replica Exchange Molecular Dynamics Implementation in GROMACS
Notice bibliographique
Résumé
The profile of shapes presented by a cyclic peptide modulates its therapeutic efficacy and is represented by the ensemble of its sampled conformations. Although some algorithms excel at creating a diverse ensemble of cyclic peptide conformations, they seldom address the entropic contribution of flexible conformations and often have significant practical difficulty producing an ensemble with converged and reliable thermodynamic properties. In this study, an accelerated molecular dynamics (MD) method, namely, reservoir replica exchange MD (R-REMD or Res-REMD), was implemented in GROMACS ver. 4.6.7 and benchmarked on two small cyclic peptide model systems: a cyclized furin cleavage site of the severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) spike (cyclo-(CGPRRARSG)) and oxytocin (disulfide-bonded CYIQNCPLG). Additionally, we also benchmarked Res-REMD on alanine dipeptide and Trpzip2 to demonstrate its validity and efficiency over REMD. For Trpzip2, Res-REMD coupled with an umbrella-sampling-derived reservoir generated similar folded fractions as regular REMD but on a much faster time scale. For cyclic peptides, Res-REMD appeared to be marginally faster than REMD in ensemble generation. Finally, Res-REMD was more effective in sampling rare events such as trans to cis peptide bond isomerization. We provide a GitHub page with the modified GROMACS source code for running Res-REMD at https://github.com/PlotkinLab/Reservoir-REMD.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».