用扩散模型挑选分子动力学重启点并不优于简单基线,且许多重构结构本身已受损
- 以腺苷酸激酶为例,作者先检验了从扩散模型潜在空间重构重启结构的流程,按天然接触检查,多数结构从第一帧起就已受损。
- 随后将扩散模型选点与潜在高斯消融、least-counts及无偏基线比较,均从完好的MD帧出发,目标预先固定,模拟时间相同并重复三次。
- 所有策略都未在预算内到达主要目标;自适应重启对参考分布的覆盖略好于基线,但扩散模型并未比简单策略更接近目标。
- 按潜在空间新颖性选起点,往往选到比随机更远离目标的帧。
💡 要点 基于摘要的观点
在正式模拟前就固定并加时间戳的目标,是检验“机器学习加分子动力学”主张应有的做法,而这很少见。对在药物靶点上做增强采样的人,实用结论是先试least-counts,并在花GPU时间之前确认生成模型给出的结构在物理上完好。只测了一个小蛋白,推广性有限。