WikiEdge:ArXiv速遞/2025-04-25

摘要

• 原文標題：Enhanced Sampling, Public Dataset and Generative Model for Drug-Protein Dissociation Dynamics
• 中文標題：藥物-蛋白質解離動力學的增強採樣、公共數據集與生成模型
• 發佈日期：2025-04-25 14:10:06+00:00
• 作者：Maodong Li, Jiying Zhang, Bin Feng, Wenqi Zeng, Dechin Chen, Zhijun Pan, Yu Li, Zijing Liu, Yi Isaac Yang
• 分類：physics.comp-ph, cs.LG, physics.chem-ph, q-bio.BM
• 原文連結：http://arxiv.org/abs/2504.18367v1

中文摘要：藥物-蛋白質結合與解離動力學是理解生物系統中分子相互作用的基礎。儘管已有許多研究藥物-蛋白質相互作用的工具（尤其是基於人工智能的生成模型），但針對結合/解離動力學和動態過程的預測工具仍顯不足。我們提出了一種結合分子動力學模擬、增強採樣和AI生成模型的新研究範式。通過設計增強採樣策略，我們實現了藥物-蛋白質解離過程在分子動力學模擬中的高效運行，並估算自由能面。基於該策略構建的分子動力學模擬程序流程，生成了包含26,612條藥物-蛋白質解離軌跡（約1300萬幀）的數據集DD-13M。利用該數據集訓練的深度等變生成模型UnbindingFlow，可生成無碰撞解離軌跡。DD-13M數據庫與UnbindingFlow模型標誌着計算結構生物學的重大進展，預計將在藥物-蛋白質相互作用的機器學習研究中獲得廣泛應用。當前研究正致力於將該方法拓展至更廣泛的藥物-蛋白質複合物體系，並探索其在路徑預測中的新應用。

摘要

• 原文標題：The Evolution of Heavy Ion Abundances with Solar Activity
• 中文標題：太陽活動中重離子豐度的演化
• 發佈日期：2025-04-25 05:39:20+00:00
• 作者：B. L. Alterman, Y. J. Rivera, S. T. Lepri, J. M. Raines, R. D'Amicis
• 分類：astro-ph.SR, physics.space-ph
• 原文連結：http://arxiv.org/abs/2504.18092v1

中文摘要：在1天文單位處觀測時，慢速太陽風通常被認為源自磁拓撲結構間歇性向太陽圈開放的源區，而快速太陽風則被認為源自持續開放的源區（如冕洞）。太陽風氦豐度（AHe）隨太陽活動的演化很可能由不同太陽風源區的演化驅動。基於Alterman等人（2025）提出的元素特徵速度將太陽風分為快慢兩類後，我們量化了氦和重元素豐度$(X/H):(X/H)_\mathrm{photo}$隨太陽活動的演化。研究發現：AHe與太陽黑子數呈強相關性；快慢太陽風中平均非瞬態AHe均不超過光球層值的51%；慢速風重元素豐度隨太陽活動顯著變化而快速風無此特徵；比氦更重元素的豐度與太陽黑子數的相關係數隨質量增加單調遞增；現場觀測數據與歸一化太陽黑子數的相關性強度優於未歸一化數據。我們推斷：太陽黑子數是標記太陽周期的時鐘而非驅動豐度演化的物理過程；該物理過程很可能與色球層、過渡區或低日冕處加速太陽等離子體形成太陽風的可用能量相關；快慢太陽風豐度演化差異同樣與這些高度處元素加速可用能量相關。

摘要

• 原文標題：Testing a large size triple GEM detector for the first station of the CBM-Muon Chambers with a high-intensity gamma source at GIF++ under large-area illumination
• 中文標題：大尺寸三重GEM探測器在GIF++高強伽馬源大面積照射下對CBM-μ子室首站的測試
• 發佈日期：2025-04-25 15:57:44+00:00
• 作者：Apar Agarwal, Souvik Chattopadhay, Pawan Kumar Sharma, Anand Kumar Dubey, Jogender Saini, Vikas Singhal, Vinod Negi, Ekata Nandy, Chandrasekhar Ghosh, David Emschermann
• 分類：hep-ex, physics.ins-det
• 原文連結：http://arxiv.org/abs/2504.18445v1

中文摘要：重離子核-核碰撞實驗的物理研究需要能在高粒子通量下穩定工作的探測器。因此，具有極強抗輻射能力的氣體電子倍增器（GEM探測器）成為德國反質子與離子研究設施即將開展的壓縮重子物質（CBM實驗）的首選方案之一。然而，要在這種嚴苛條件下運行，需在最高入射粒子通量下進行系統性研究。為此，我們在歐洲核子研究中心升級的伽馬輻照設施（GIF++）中，使用銫-137放射源產生的高強度伽馬通量，對真實尺寸的三聯GEM探測器模塊進行了全面測試。通過自觸發電子學的自由流模式（含/不含伽馬源），重點研究了探測器響應——尤其是μ子探測的增益與效率特性。該配置對CBM實驗至關重要，因其將觀測金-金碰撞中約10MHz的創紀錄事件率。分析表明，在工作電壓下隨着伽馬通量強度增加，增益與效率的實測值與預期值保持一致。測試結果證明，該大尺寸GEM探測器原型能在約17.25MHz/cm²的高伽馬通量下保持性能穩定，且不會造成不可逆損傷。

摘要

• 原文標題：Synchrotron light source focused X-ray detection with LGADs, AC-LGADs and TI-LGADs
• 中文標題：基於LGAD、AC-LGAD和TI-LGAD的同步輻射光源聚焦X射線探測
• 發佈日期：2025-04-25 18:33:15+00:00
• 作者：A. Molnar, Y. Zhao, S. M. Mazza, G. Oregan, M. Davis, S. Beringer, A. Tiernan, J. Ott, M. Leite, G. Saito, M. Moralles, H. F. -W. Sadrozinski, A. Seiden, B. Schumm, F. McKinney-Martinez, A. Bisht, M. Centis-Vignali, G. Paternoster, M. Boscardin
• 分類：physics.ins-det, hep-ex
• 原文連結：http://arxiv.org/abs/2504.18638v1

中文摘要：在斯坦福同步輻射光源(SSRL)上，我們對具有內部增益的薄矽探測器——低增益雪崩二極管(LGAD)在6-16 keV能量範圍內的X射線響應特性進行了表徵。實驗使用SSRL的7-2光束線，其標稱光束尺寸為30 μm，重複頻率為500 MHz，能量分散ΔE/E為10^-4。測試了來自濱松光子學(HPK)和布魯諾·凱斯勒基金會(FBK)的不同厚度和增益層配置的多通道LGAD、AC-LGAD和TI-LGAD傳感器。傳感器信號通過分立元件板讀出，並使用快速示波器或CAEN快速數碼化儀進行數碼化處理。測量了器件能量響應、能量解像度和時間解像度隨X射線能量和位置的變化關係。通過TCAD Sentaurus軟件模擬了電荷收集和倍增機制，並將模擬結果與實驗數據進行了對比。

摘要

• 原文標題：Enhanced Sampling, Public Dataset and Generative Model for Drug-Protein Dissociation Dynamics
• 中文標題：藥物-蛋白質解離動力學的增強採樣、公共數據集與生成模型
• 發佈日期：2025-04-25 14:10:06+00:00
• 作者：Maodong Li, Jiying Zhang, Bin Feng, Wenqi Zeng, Dechin Chen, Zhijun Pan, Yu Li, Zijing Liu, Yi Isaac Yang
• 分類：physics.comp-ph, cs.LG, physics.chem-ph, q-bio.BM
• 原文連結：http://arxiv.org/abs/2504.18367v1

中文摘要：藥物-蛋白質結合與解離動力學是理解生物系統中分子相互作用的基礎。儘管已有許多研究藥物-蛋白質相互作用的工具（尤其是基於人工智能的生成模型），但針對結合/解離動力學過程的預測工具仍顯不足。我們提出了一種結合分子動力學模擬、增強採樣和AI生成模型的新研究範式。通過設計增強採樣策略，我們實現了分子動力學模擬中藥-蛋白解離過程的高效模擬及自由能面計算，並構建了包含26,612條解離軌跡（約1300萬幀）的DD-13M數據集。基於該數據集訓練的等變生成模型UnbindingFlow可生成無碰撞解離軌跡。DD-13M數據庫與UnbindingFlow模型標誌着計算結構生物學的重要進展，預計將在藥物-蛋白質相互作用的機器學習研究中獲得廣泛應用。當前研究正致力於將該方法拓展至更廣泛的藥-蛋白複合物體系，並探索其在路徑預測中的新應用。

摘要

• 原文標題：The Evolution of Heavy Ion Abundances with Solar Activity
• 中文標題：太陽活動中重離子豐度的演化
• 發佈日期：2025-04-25 05:39:20+00:00
• 作者：B. L. Alterman, Y. J. Rivera, S. T. Lepri, J. M. Raines, R. D'Amicis
• 分類：astro-ph.SR, physics.space-ph
• 原文連結：http://arxiv.org/abs/2504.18092v1

中文摘要：在1天文單位處觀測時，慢速太陽風通常被認為源自磁拓撲結構間歇性向太陽風層開放的源區，而快速太陽風則被認為源自持續開放的源區（如冕洞）。太陽風氦豐度（AHe）隨太陽活動的演化很可能由不同太陽風源區的演化驅動。基於Alterman等人（2025）提出的元素特徵速度將太陽風分為快慢兩類後，我們量化了氦和重元素豐度$(X/H):(X/H)_\mathrm{photo}$隨太陽活動的演化規律。研究發現：AHe與太陽黑子數呈強相關性；快慢太陽風中平均非瞬態AHe均不超過光球層值的51%；慢速太陽風重元素豐度顯著隨太陽活動變化而快速太陽風則無此特徵；比氦更重元素的豐度與太陽黑子數的相關係數隨質量增加單調遞增；原位觀測數據與歸一化太陽黑子數的相關性強度高於未歸一化數據。我們推斷：太陽黑子數是標記太陽周期的時鐘而非驅動豐度演化的物理過程；該物理過程很可能與色球層、過渡區或低日冕處加速太陽等離子體至太陽風的可用能量相關；快慢太陽風豐度演化差異同樣與這些高度處元素加速可用能量相關。

摘要

• 原文標題：Enhanced Sampling, Public Dataset and Generative Model for Drug-Protein Dissociation Dynamics
• 中文標題：增強採樣、公共數據集與藥物-蛋白質解離動力學的生成模型
• 發佈日期：2025-04-25 14:10:06+00:00
• 作者：Maodong Li, Jiying Zhang, Bin Feng, Wenqi Zeng, Dechin Chen, Zhijun Pan, Yu Li, Zijing Liu, Yi Isaac Yang
• 分類：physics.comp-ph, cs.LG, physics.chem-ph, q-bio.BM
• 原文連結：http://arxiv.org/abs/2504.18367v1

中文摘要：藥物-蛋白質結合與解離動力學是理解生物系統中分子相互作用的基礎。儘管已有許多研究藥物-蛋白質相互作用的工具（尤其是基於人工智能的生成模型），但針對結合/解離動力學預測的工具仍顯不足。我們提出了一種結合分子動力學模擬、增強採樣和AI生成模型的新研究範式。通過設計增強採樣策略，我們實現了藥物-蛋白質解離過程的高效模擬及自由能面計算，並構建了包含26,612條解離軌跡（約1300萬幀）的DD-13M數據集。基於該數據集訓練的等變生成模型UnbindingFlow可生成無碰撞解離軌跡。DD-13M數據庫與UnbindingFlow模型標誌着計算結構生物學的重要進展，預計將在藥物-蛋白質相互作用的機器學習研究中廣泛應用。當前研究正致力於將該方法拓展至更廣泛的藥物-蛋白質複合體系，並探索路徑預測等新應用場景。

摘要

• 原文標題：The Evolution of Heavy Ion Abundances with Solar Activity
• 中文標題：太陽活動中重離子豐度的演化
• 發佈日期：2025-04-25 05:39:20+00:00
• 作者：B. L. Alterman, Y. J. Rivera, S. T. Lepri, J. M. Raines, R. D'Amicis
• 分類：astro-ph.SR, physics.space-ph
• 原文連結：http://arxiv.org/abs/2504.18092v1

中文摘要：在1天文單位處觀測時，慢速太陽風通常被認為源自磁拓撲間歇性開放至日球層的源區，而快速太陽風則被認為源自持續開放的區域（如冕洞）。太陽風氦豐度（AHe）隨太陽活動的演化很可能由不同太陽風源區的演化驅動。基於Alterman等人（2025）提出的元素特徵速度將太陽風分為快慢兩類後，我們量化了氦與重元素豐度$(X/H):(X/H)_\mathrm{photo}$隨太陽活動的演化規律。研究發現：AHe與太陽黑子數呈強相關性；快慢太陽風中平均非瞬態AHe均不超過光球層值的51%；慢速太陽風重元素豐度顯著隨太陽活動變化而快速太陽風無此特徵；重於氦的元素豐度與太陽黑子數的相關係數隨質量增加單調遞增；原位觀測數據與歸一化太陽黑子數的相關性強度優於未歸一化數據。由此推斷：太陽黑子數是太陽周期的計時器而非豐度演化的物理過程驅動因素；該物理過程很可能與色球層、過渡區或低日冕處加速太陽等離子體至太陽風的可用能量相關；快慢太陽風豐度演化差異同樣與這些高度上元素加速的可用能量有關。

摘要

• 原文標題：Enhanced Sampling, Public Dataset and Generative Model for Drug-Protein Dissociation Dynamics
• 中文標題：藥物-蛋白質解離動力學的增強採樣、公共數據集與生成模型
• 發佈日期：2025-04-25 14:10:06+00:00
• 作者：Maodong Li, Jiying Zhang, Bin Feng, Wenqi Zeng, Dechin Chen, Zhijun Pan, Yu Li, Zijing Liu, Yi Isaac Yang
• 分類：physics.comp-ph, cs.LG, physics.chem-ph, q-bio.BM
• 原文連結：http://arxiv.org/abs/2504.18367v1

中文摘要：藥物-蛋白質結合與解離動力學是理解生物系統中分子相互作用的基礎。儘管已有許多研究藥物-蛋白質相互作用的工具（尤其是基於人工智能的生成模型），但針對結合/解離動力學過程的預測工具仍顯不足。我們提出了一種結合分子動力學模擬、增強採樣和AI生成模型的新研究範式。通過設計增強採樣策略，我們實現了藥物-蛋白質解離過程的高效分子動力學模擬及自由能面估算，並構建了包含26,612條解離軌跡（約1300萬幀）的DD-13M數據集。基於該數據集訓練的深度等變生成模型UnbindingFlow可生成無碰撞解離軌跡。DD-13M數據庫與UnbindingFlow模型標誌着計算結構生物學的重要進展，預計將在藥物-蛋白質相互作用的機器學習研究中獲得廣泛應用。當前研究正致力於將該方法拓展至更廣泛的藥物-蛋白質複合物體系，並探索其在路徑預測中的新應用。

摘要

• 原文標題：The Evolution of Heavy Ion Abundances with Solar Activity
• 中文標題：太陽活動中重離子豐度的演化
• 發佈日期：2025-04-25 05:39:20+00:00
• 作者：B. L. Alterman, Y. J. Rivera, S. T. Lepri, J. M. Raines, R. D'Amicis
• 分類：astro-ph.SR, physics.space-ph
• 原文連結：http://arxiv.org/abs/2504.18092v1

中文摘要：在1天文單位處觀測時，慢速太陽風通常被認為源自磁拓撲間歇性向太陽風層開放的區域，而快速太陽風則被認為源自持續開放的區域（如冕洞）。太陽風氦豐度（AHe）隨太陽活動的演化很可能由不同太陽風源區的演化驅動。基於Alterman等人（2025）提出的元素特徵速度將太陽風分為快慢兩類後，我們量化了氦和重元素豐度$(X/H):(X/H)_\mathrm{photo}$隨太陽活動的演化。研究發現：AHe與太陽黑子數呈強相關性；快慢太陽風中平均非瞬態AHe均不超過光球層值的51%；慢速太陽風重元素豐度隨太陽活動顯著變化而快速太陽風無此特徵；比氦重的元素豐度與太陽黑子數的相關係數隨質量增加單調遞增；現場觀測數據與歸一化太陽黑子數的相關性強度優於未歸一化數據。我們推斷：太陽黑子數是標記太陽周期的時鐘而非豐度演化的物理驅動機制；該物理過程很可能與色球層、過渡區或低日冕處加速太陽等離子體至太陽風的可用能量相關；快慢太陽風豐度演化的差異同樣與這些日面高度處元素加速的可用能量相關。

摘要

• 原文標題：Enhanced Sampling, Public Dataset and Generative Model for Drug-Protein Dissociation Dynamics
• 中文標題：增強採樣、公共數據集與藥物-蛋白質解離動力學的生成模型
• 發佈日期：2025-04-25 14:10:06+00:00
• 作者：Maodong Li, Jiying Zhang, Bin Feng, Wenqi Zeng, Dechin Chen, Zhijun Pan, Yu Li, Zijing Liu, Yi Isaac Yang
• 分類：physics.comp-ph, cs.LG, physics.chem-ph, q-bio.BM
• 原文連結：http://arxiv.org/abs/2504.18367v1

中文摘要：藥物-蛋白質結合與解離動力學是理解生物系統中分子相互作用的基礎。儘管已有許多研究藥物-蛋白質相互作用的工具（尤其是基於人工智能的生成模型），但針對結合/解離動力學和動態過程的預測工具仍顯不足。我們提出了一種結合分子動力學模擬、增強採樣和AI生成模型的新研究範式。通過設計增強採樣策略，我們實現了藥物-蛋白質解離過程在分子動力學模擬中的高效運行，並完成自由能面估算。基於該策略構建的分子動力學模擬程序流程，最終生成了包含26,612條藥物-蛋白質解離軌跡（約1300萬幀）的數據集。我們將該解離動力學數據集命名為DD-13M，並用於訓練深度等變生成模型UnbindingFlow，該模型可生成無碰撞的解離軌跡。DD-13M數據庫與UnbindingFlow模型標誌着計算結構生物學的重大進展，預計將在藥物-蛋白質相互作用的機器學習研究中獲得廣泛應用。當前研究正致力於將該方法拓展至更廣泛的藥物-蛋白質複合物體系，並探索其在路徑預測中的新應用。

摘要

• 原文標題：Enhanced Sampling, Public Dataset and Generative Model for Drug-Protein Dissociation Dynamics
• 中文標題：藥物-蛋白質解離動力學的增強採樣、公共數據集與生成模型
• 發佈日期：2025-04-25 14:10:06+00:00
• 作者：Maodong Li, Jiying Zhang, Bin Feng, Wenqi Zeng, Dechin Chen, Zhijun Pan, Yu Li, Zijing Liu, Yi Isaac Yang
• 分類：physics.comp-ph, cs.LG, physics.chem-ph, q-bio.BM
• 原文連結：http://arxiv.org/abs/2504.18367v1

中文摘要：藥物-蛋白質結合與解離動力學是理解生物系統中分子相互作用的基礎。儘管已有許多研究藥物-蛋白質相互作用的工具（尤其是基於人工智能的生成模型），但針對結合/解離動力學和動態過程的預測工具仍顯不足。我們提出了一種結合分子動力學模擬、增強採樣和AI生成模型的新研究範式。通過設計增強採樣策略，我們實現了藥物-蛋白質解離過程在分子動力學模擬中的高效運行，並完成自由能面估算。基於該策略構建的分子動力學模擬程序流程，最終生成了包含26,612條解離軌跡（約1300萬幀）的數據集。我們將該解離動力學數據集命名為DD-13M，並用於訓練深度等變生成模型UnbindingFlow，該模型可生成無碰撞的解離軌跡。DD-13M數據庫與UnbindingFlow模型標誌着計算結構生物學的重大進展，預計將在藥物-蛋白質相互作用的機器學習研究中獲得廣泛應用。當前研究重點正轉向將該方法拓展至更廣泛的藥物-蛋白質複合物體系，並探索其在路徑預測中的新應用。

摘要

• 原文標題：Enhanced Sampling, Public Dataset and Generative Model for Drug-Protein Dissociation Dynamics
• 中文標題：增強採樣、公共數據集和藥物-蛋白質解離動力學的生成模型
• 發佈日期：2025-04-25 14:10:06+00:00
• 作者：Maodong Li, Jiying Zhang, Bin Feng, Wenqi Zeng, Dechin Chen, Zhijun Pan, Yu Li, Zijing Liu, Yi Isaac Yang
• 分類：physics.comp-ph, cs.LG, physics.chem-ph, q-bio.BM
• 原文連結：http://arxiv.org/abs/2504.18367v1

中文摘要：藥物-蛋白質結合與解離動力學是理解生物系統中分子相互作用的基礎。儘管已有許多研究藥物-蛋白質相互作用的工具（尤其是基於人工智能的生成模型），但針對結合/解離動力學和動態過程的預測工具仍顯不足。我們提出了一種結合分子動力學模擬、增強採樣和AI生成模型的新研究範式。通過設計增強採樣策略，我們實現了藥物-蛋白質解離過程在分子動力學模擬中的高效運行，並估算自由能面。基於該策略構建的分子動力學模擬程序流程，生成了包含26,612條藥物-蛋白質解離軌跡（約1300萬幀）的數據集DD-13M。利用該數據集訓練的深度等變生成模型UnbindingFlow，可生成無碰撞的解離軌跡。DD-13M數據庫和UnbindingFlow模型標誌着計算結構生物學的重大進展，預計將在藥物-蛋白質相互作用的機器學習研究中廣泛應用。當前研究正致力於將該方法拓展至更廣泛的藥物-蛋白質複合物體系，並探索其在路徑預測中的新應用。

摘要

• 原文標題：Enhanced Sampling, Public Dataset and Generative Model for Drug-Protein Dissociation Dynamics
• 中文標題：藥物-蛋白質解離動力學的增強採樣、公共數據集與生成模型
• 發佈日期：2025-04-25 14:10:06+00:00
• 作者：Maodong Li, Jiying Zhang, Bin Feng, Wenqi Zeng, Dechin Chen, Zhijun Pan, Yu Li, Zijing Liu, Yi Isaac Yang
• 分類：physics.comp-ph, cs.LG, physics.chem-ph, q-bio.BM
• 原文連結：http://arxiv.org/abs/2504.18367v1

中文摘要：藥物-蛋白質結合與解離動力學是理解生物系統中分子相互作用的基礎。儘管已有許多研究藥物-蛋白質相互作用的工具（尤其是基於人工智能的生成模型），但針對結合/解離動力學和動態過程的預測工具仍顯不足。我們提出了一種結合分子動力學模擬、增強採樣和AI生成模型的新研究範式。通過設計增強採樣策略，我們實現了藥物-蛋白質解離過程在分子動力學模擬中的高效運行，並估算自由能面。基於該策略構建的分子動力學模擬程序流程，生成了包含26,612條藥物-蛋白質解離軌跡（約1300萬幀）的數據集DD-13M。利用該數據集訓練的深度等變生成模型UnbindingFlow，可生成無碰撞解離軌跡。DD-13M數據庫與UnbindingFlow模型標誌着計算結構生物學的重要進展，預計將在藥物-蛋白質相互作用的機器學習研究中獲得廣泛應用。當前研究正致力於將該方法拓展至更廣泛的藥物-蛋白質複合物體系，並探索其在路徑預測中的新應用。

摘要

• 原文標題：Enhanced Sampling, Public Dataset and Generative Model for Drug-Protein Dissociation Dynamics
• 中文標題：增強採樣、公共數據集與藥物-蛋白質解離動力學的生成模型
• 發佈日期：2025-04-25 14:10:06+00:00
• 作者：Maodong Li, Jiying Zhang, Bin Feng, Wenqi Zeng, Dechin Chen, Zhijun Pan, Yu Li, Zijing Liu, Yi Isaac Yang
• 分類：physics.comp-ph, cs.LG, physics.chem-ph, q-bio.BM
• 原文連結：http://arxiv.org/abs/2504.18367v1

中文摘要：藥物-蛋白質結合與解離動力學是理解生物系統中分子相互作用的基礎。儘管已有許多研究藥物-蛋白質相互作用的工具（尤其是基於人工智能的生成模型），但針對結合/解離動力學和動態過程的預測工具仍然有限。我們提出了一種結合分子動力學模擬、增強採樣和AI生成模型的新研究範式來解決這一問題。我們開發了一種增強採樣策略，可在分子動力學模擬中高效實現藥物-蛋白質解離過程並估算自由能面。基於該採樣策略，我們構建了分子動力學模擬程序流程，生成了包含26,612條藥物-蛋白質解離軌跡（約1300萬幀）的數據集。我們將該解離動力學數據集命名為DD-13M，並用於訓練深度等變生成模型UnbindingFlow，該模型可生成無碰撞的解離軌跡。DD-13M數據庫和UnbindingFlow模型代表了計算結構生物學的重要進展，我們預期其將在藥物-蛋白質相互作用的機器學習研究中具有廣泛適用性。當前工作重點是將該方法擴展至更廣泛的藥物-蛋白質複合物體系，並探索其在路徑預測中的新應用。

摘要

• 原文標題：Enhanced Sampling, Public Dataset and Generative Model for Drug-Protein Dissociation Dynamics
• 中文標題：增強採樣、公共數據集與藥物-蛋白質解離動力學的生成模型
• 發佈日期：2025-04-25 14:10:06+00:00
• 作者：Maodong Li, Jiying Zhang, Bin Feng, Wenqi Zeng, Dechin Chen, Zhijun Pan, Yu Li, Zijing Liu, Yi Isaac Yang
• 分類：physics.comp-ph, cs.LG, physics.chem-ph, q-bio.BM
• 原文連結：http://arxiv.org/abs/2504.18367v1

中文摘要：藥物-蛋白質結合與解離動力學是理解生物系統中分子相互作用的基礎。儘管已有許多研究藥物-蛋白質相互作用的工具（尤其是基於人工智能的生成模型），但針對結合/解離動力學過程的預測工具仍顯不足。我們提出了一種結合分子動力學模擬、增強採樣與AI生成模型的新研究範式：通過增強採樣策略高效實現分子動力學模擬中的藥物-蛋白解離過程並估算自由能面；基於該策略構建分子動力學模擬程序管線，生成包含26,612條解離軌跡（約1300萬幀）的DD-13M數據集；利用該數據集訓練深度等變生成模型UnbindingFlow以生成無碰撞解離軌跡。DD-13M數據庫與UnbindingFlow模型標誌着計算結構生物學的重大進展，預計將在藥物-蛋白質相互作用的機器學習研究中獲得廣泛應用。當前研究正致力於將該方法拓展至更廣泛的藥物-蛋白質複合體體系，並探索其在路徑預測中的新應用。

摘要

• 原文標題：Enhanced Sampling, Public Dataset and Generative Model for Drug-Protein Dissociation Dynamics
• 中文標題：藥物-蛋白質解離動力學的增強採樣、公共數據集與生成模型
• 發佈日期：2025-04-25 14:10:06+00:00
• 作者：Maodong Li, Jiying Zhang, Bin Feng, Wenqi Zeng, Dechin Chen, Zhijun Pan, Yu Li, Zijing Liu, Yi Isaac Yang
• 分類：physics.comp-ph, cs.LG, physics.chem-ph, q-bio.BM
• 原文連結：http://arxiv.org/abs/2504.18367v1

中文摘要：藥物-蛋白質結合與解離動力學是理解生物系統中分子相互作用的基礎。儘管已有許多研究藥物-蛋白質相互作用的工具（尤其是基於人工智能的生成模型），但針對結合/解離動力學和動態過程的預測工具仍顯不足。我們提出了一種結合分子動力學模擬、增強採樣和AI生成模型的新研究範式。通過設計增強採樣策略，我們實現了藥物-蛋白質解離過程在分子動力學模擬中的高效運行，並完成自由能面估算。基於該策略構建的分子動力學模擬程序流程，最終生成了包含26,612條藥物-蛋白質解離軌跡（約1300萬幀）的數據集。我們將該解離動力學數據集命名為DD-13M，並用於訓練深度等變生成模型UnbindingFlow——該模型可生成無碰撞的解離軌跡。DD-13M數據庫與UnbindingFlow模型標誌着計算結構生物學的重要進展，預計將在藥物-蛋白質相互作用的機器學習研究中獲得廣泛應用。當前研究正致力於將該方法拓展至更廣泛的藥物-蛋白質複合物體系，並探索其在路徑預測中的新應用。

摘要

• 原文標題：Enhanced Sampling, Public Dataset and Generative Model for Drug-Protein Dissociation Dynamics
• 中文標題：增強採樣、公共數據集與藥物-蛋白質解離動力學的生成模型
• 發佈日期：2025-04-25 14:10:06+00:00
• 作者：Maodong Li, Jiying Zhang, Bin Feng, Wenqi Zeng, Dechin Chen, Zhijun Pan, Yu Li, Zijing Liu, Yi Isaac Yang
• 分類：physics.comp-ph, cs.LG, physics.chem-ph, q-bio.BM
• 原文連結：http://arxiv.org/abs/2504.18367v1

中文摘要：藥物-蛋白質結合與解離動力學是理解生物系統中分子相互作用的基礎。儘管已有許多研究藥物-蛋白質相互作用的工具（尤其是基於人工智能的生成模型），但針對結合/解離動力學過程的預測工具仍存在局限。我們提出了一種結合分子動力學模擬、增強採樣和AI生成模型的新研究範式。通過設計增強採樣策略，我們實現了藥物-蛋白質解離過程的高效模擬，並估算自由能面。基於該策略構建的分子動力學模擬流程，生成了包含26,612條解離軌跡（約1300萬幀）的數據集DD-13M。利用該數據集訓練的深度等變生成模型UnbindingFlow，可生成無碰撞解離軌跡。DD-13M數據庫與UnbindingFlow模型標誌着計算結構生物學的重要進展，預計將在藥物-蛋白質相互作用的機器學習研究中廣泛應用。當前研究正致力於將該方法拓展至更廣泛的藥物-蛋白質複合物體系，並探索其在路徑預測中的新應用。

摘要

• 原文標題：Enhanced Sampling, Public Dataset and Generative Model for Drug-Protein Dissociation Dynamics
• 中文標題：增強採樣、公共數據集和藥物-蛋白質解離動力學的生成模型
• 發佈日期：2025-04-25 14:10:06+00:00
• 作者：Maodong Li, Jiying Zhang, Bin Feng, Wenqi Zeng, Dechin Chen, Zhijun Pan, Yu Li, Zijing Liu, Yi Isaac Yang
• 分類：physics.comp-ph, cs.LG, physics.chem-ph, q-bio.BM
• 原文連結：http://arxiv.org/abs/2504.18367v1

中文摘要：藥物-蛋白質結合與解離動力學是理解生物系統中分子相互作用的基礎。儘管已有許多研究藥物-蛋白質相互作用的工具（尤其是基於人工智能的生成模型），但針對結合/解離動力學過程的預測工具仍顯不足。我們提出了一種結合分子動力學模擬、增強採樣與AI生成模型的新研究範式：通過增強採樣策略高效實現分子動力學模擬中的藥物-蛋白質解離過程並估算自由能面；基於該策略構建分子動力學模擬程序管線，生成包含26,612條解離軌跡（約1300萬幀）的DD-13M數據集；利用該數據集訓練深度等變生成模型UnbindingFlow，可生成無碰撞解離軌跡。DD-13M數據庫與UnbindingFlow模型標誌着計算結構生物學的重大進展，預計將在藥物-蛋白質相互作用的機器學習研究中獲得廣泛應用。當前研究正致力於將該方法拓展至更廣泛的藥物-蛋白質複合物體系，並探索路徑預測的新應用場景。

摘要

• 原文標題：Enhanced Sampling, Public Dataset and Generative Model for Drug-Protein Dissociation Dynamics
• 中文標題：增強採樣、公共數據集和藥物-蛋白質解離動力學的生成模型
• 發佈日期：2025-04-25 14:10:06+00:00
• 作者：Maodong Li, Jiying Zhang, Bin Feng, Wenqi Zeng, Dechin Chen, Zhijun Pan, Yu Li, Zijing Liu, Yi Isaac Yang
• 分類：physics.comp-ph, cs.LG, physics.chem-ph, q-bio.BM
• 原文連結：http://arxiv.org/abs/2504.18367v1

中文摘要：藥物-蛋白質結合與解離動力學是理解生物系統中分子相互作用的基礎。儘管已有許多研究藥物-蛋白質相互作用的工具（尤其是基於人工智能的生成模型），但針對結合/解離動力學過程的預測工具仍顯不足。我們提出了一種結合分子動力學模擬、增強採樣和AI生成模型的新研究範式。通過設計增強採樣策略，我們實現了藥物-蛋白質解離過程的高效分子動力學模擬及自由能面估算，並構建了包含26,612條解離軌跡（約1300萬幀）的DD-13M數據集。基於該數據集訓練的等變生成模型UnbindingFlow可生成無碰撞解離軌跡。DD-13M數據庫與UnbindingFlow模型標誌着計算結構生物學的重要進展，預計將在藥物-蛋白質相互作用的機器學習研究中獲得廣泛應用。當前研究正致力於將該方法拓展至更廣泛的藥物-蛋白質複合物體系，並探索其在路徑預測中的新應用。

摘要

• 原文標題：Enhanced Sampling, Public Dataset and Generative Model for Drug-Protein Dissociation Dynamics
• 中文標題：增強採樣、公共數據集和藥物-蛋白質解離動力學的生成模型
• 發佈日期：2025-04-25 14:10:06+00:00
• 作者：Maodong Li, Jiying Zhang, Bin Feng, Wenqi Zeng, Dechin Chen, Zhijun Pan, Yu Li, Zijing Liu, Yi Isaac Yang
• 分類：physics.comp-ph, cs.LG, physics.chem-ph, q-bio.BM
• 原文連結：http://arxiv.org/abs/2504.18367v1

中文摘要：藥物-蛋白質結合與解離動力學是理解生物系統中分子相互作用的基礎。儘管已有許多研究藥物-蛋白質相互作用的工具（尤其是基於人工智能的生成模型），但針對結合/解離動力學和動態過程的預測工具仍顯不足。我們提出了一種結合分子動力學模擬、增強採樣和AI生成模型的新研究範式。通過設計增強採樣策略，我們實現了藥物-蛋白質解離過程在分子動力學模擬中的高效執行及自由能面估算。基於該策略構建的分子動力學模擬程序流程，生成了包含26,612條解離軌跡（約1300萬幀）的數據集DD-13M，並據此訓練出能生成無碰撞解離軌跡的深度等變生成模型UnbindingFlow。該數據庫與模型標誌着計算結構生物學的重大進展，預計將在藥物-蛋白質相互作用的機器學習研究中獲得廣泛應用。當前研究正致力於將該方法拓展至更廣泛的藥物-蛋白質複合物體系，並探索其在路徑預測中的新應用。