An Introduction to Markov State Models and Their Application to Long Timescale Molecular Simulation

هدف این جلد کتاب، توضیح اهمیت مدل‌های حالت مارکوف برای شبیه‌سازی مولکولی، نحوه کار آنها و نحوه استفاده از آنها برای طیف وسیعی از مسائل است.

Markov هدف رویکرد مدل حالت (MSM) پرداختن به دو چالش کلیدی شبیه‌سازی مولکولی است:

1) چگونگی دستیابی به مقیاس‌های زمانی طولانی با استفاده از شبیه‌سازی‌های کوتاه مدل‌های مولکولی دقیق.

2) چگونه به‌طور سیستماتیک انجام شود. از دریای داده های به دست آمده بینشی به دست آورید.

MSM ها این کار را با ارائه یک نمایش فشرده از فضای ساختاری وسیعی که در دسترس مولکول های زیستی است، با تجزیه آن به مجموعه حالت هایی از ترکیبات به سرعت در حال تبدیل و نرخ انتقال بین حالت ها انجام می دهند. این تعریف جنبشی به شخص اجازه می‌دهد تا وضوح زمانی و مکانی یک MSM را از مدل‌های با وضوح بالا که قادر به توافق کمی با (یا پیش‌بینی) آزمایش هستند به مدل‌های با وضوح پایین که درک را تسهیل می‌کنند، به راحتی تغییر دهد. علاوه بر این، MSMها محاسبه مقادیری را تسهیل می‌کنند که بدست آوردن آنها از تحلیل‌های مستقیم MD دشوار است، مانند مجموعه مسیرهای انتقال.

این کتاب مبانی ریاضی مدل‌های مارکوف را معرفی می‌کند، که چگونه می‌توان از آنها استفاده کرد. شبیه‌سازی‌ها را تجزیه و تحلیل کنید و شبیه‌سازی‌های کارآمد را انجام دهید، و برخی از بینش‌هایی که این مدل‌ها در کاربردهای مختلف شبیه‌سازی مولکولی به دست آورده‌اند.

The aim of this book volume is to explain the importance of Markov state models to molecular simulation, how they work, and how they can be applied to a range of problems.

The Markov state model (MSM) approach aims to address two key challenges of molecular simulation:

1) How to reach long timescales using short simulations of detailed molecular models.

2) How to systematically gain insight from the resulting sea of data.

MSMs do this by providing a compact representation of the vast conformational space available to biomolecules by decomposing it into states sets of rapidly interconverting conformations and the rates of transitioning between states. This kinetic definition allows one to easily vary the temporal and spatial resolution of an MSM from high-resolution models capable of quantitative agreement with (or prediction of) experiment to low-resolution models that facilitate understanding. Additionally, MSMs facilitate the calculation of quantities that are difficult to obtain from more direct MD analyses, such as the ensemble of transition pathways.

This book introduces the mathematical foundations of Markov models, how they can be used to analyze simulations and drive efficient simulations, and some of the insights these models have yielded in a variety of applications of molecular simulation.