Learning how to simulate : Applying machine learning methods to improve molecular dynamics simulations
Mostra el registre complet Registre parcial de l'ítem
- dc.contributor.author Pérez Culubret, Adrià
- dc.contributor.other De Fabritiis, Gianni
- dc.contributor.other Universitat Pompeu Fabra. Departament de Ciències Experimentals i de la Salut
- dc.date.accessioned 2024-03-16T02:34:31Z
- dc.date.available 2024-03-16T02:34:31Z
- dc.date.issued 2022-02-02T16:41:56Z
- dc.date.issued 2022-02-02T16:41:56Z
- dc.date.issued 2022-01-27
- dc.date.modified 2024-03-15T10:57:24Z
- dc.description.abstract Caracteritzar la dinàmica de les proteïnes és essencial per tal d'entendre la connexió entre seqüència i funció. La simulació de dinàmiques moleculars és una de les tècniques principals per a estudiar la dinàmica de proteïnes per la seva capacitat de capturar processos dinàmics computacionals en diferents escales temporals amb resolució atòmica. Tanmateix, hi ha limitacions que impedeixen que la simulació de dinàmiques moleculars es converteixi en un model substitutiu de les dinàmiques reals de proteïnes, principalment per limitacions de mostreig i la inexactitud dels camps de força utilitzats. En aquesta tesi doctoral tractem aquestes limitacions mitjançant els últims avenços en aprenentatge automàtic. En la primera part de la tesi, desenvoluparem un nou algoritme de mostreig adaptatiu inspirat en mètodes d'aprenentatge reforçat, que aplicarem per a reconstruir la unió entre una proteïna desordenada i la seva parella d'unió. En la segona part de la tesi, desenvoluparem TorchMD, una llibreria d'aprenentatge profund per a simulacions de dinàmica molecular, que aplicarem per a aprendre un potencial "coarse-grained" per a simulacions de plegament de proteïnes.
- dc.description.abstract Programa de doctorat en Biomedicina
- dc.format 99 p.
- dc.format application/pdf
- dc.format application/pdf
- dc.identifier http://hdl.handle.net/10803/673392
- dc.identifier.uri http://hdl.handle.net/10230/52418
- dc.language.iso eng
- dc.rights L'accés als continguts d'aquesta tesi queda condicionat a l'acceptació deles condicions d'ús establertes per la següent llicència Creative Commons:http://creativecommons.org/licenses/by/4.0/
- dc.rights http://creativecommons.org/licenses/by/4.0/
- dc.rights info:eu-repo/semantics/openAccess
- dc.source TDX (Tesis Doctorals en Xarxa)
- dc.subject.keyword Molecular dynamics
- dc.subject.keyword Machine learning
- dc.subject.keyword Adaptive sampling
- dc.subject.keyword Disordered proteins
- dc.subject.keyword Protein dynamics
- dc.subject.keyword Dinàmica molecular
- dc.subject.keyword Aprenentatge automàtic
- dc.subject.keyword Mostreig adaptatiu
- dc.subject.keyword Proteïnes desordenades
- dc.subject.keyword Dinàmica de proteïnes
- dc.subject.keyword 577
- dc.title Learning how to simulate : Applying machine learning methods to improve molecular dynamics simulations
- dc.type info:eu-repo/semantics/doctoralThesis
- dc.type info:eu-repo/semantics/publishedVersion