Pérez Culubret, AdriàDe Fabritiis, GianniUniversitat Pompeu Fabra. Departament de Ciències Experimentals i de la Salut2024-03-162024-03-162022-02-022022-02-022022-01-27http://hdl.handle.net/10230/52418Caracteritzar 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.Programa de doctorat en Biomedicina99 p.application/pdfapplication/pdfengL'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/http://creativecommons.org/licenses/by/4.0/info:eu-repo/semantics/openAccessLearning how to simulate : Applying machine learning methods to improve molecular dynamics simulationsinfo:eu-repo/semantics/doctoralThesisMolecular dynamicsMachine learningAdaptive samplingDisordered proteinsProtein dynamicsDinàmica molecularAprenentatge automàticMostreig adaptatiuProteïnes desordenadesDinàmica de proteïnes577