Wyszukiwarka
Opis
The dataset includes input files, simulation parameters, and analysis scripts used in Repulsive Scaling Replica Exchange Molecular Dynamics (RS-REMD) simulations to study protein–glycosaminoglycan (GAG) interactions. In this study, the RS-REMD method was applied for molecular docking of GAGs and carbohydrates to selected protein targets. Molecular Mechanics Generalized Born Surface Area (MM-GBSA) served as the scoring function, and a Fully Connected Neural Network (FCNN) model was subsequently trained using MM-GBSA energies and structural properties to predict the Root Mean Square Atom Type Deviation (RMSatd), a metric that quantifies structural similarity. The dataset includes structures selected based on MM-GBSA and FCNN-predicted RMSatd values, supporting binding site identification and energy evaluation. The provided Python scripts facilitate force field modification, RMSatd calculations, and machine learning model training and application.
Plik z danymi badawczymi
hexmd5(md5(part1)+md5(part2)+...)-{parts_count} gdzie pojedyncza część pliku jest wielkości 512 MBPrzykładowy skrypt do wyliczenia:
https://github.com/antespi/s3md5
Informacje szczegółowe o pliku
- Licencja:
-
otwiera się w nowej karcie
CC BYUznanie autorstwa - Oprogramowanie:
- VMD, python3, gromacs, gmx_MMPBSA
Informacje szczegółowe
- Rok publikacji:
- 2025
- Data zatwierdzenia:
- 2025-02-10
- Język danych badawczych:
- angielski
- Dyscypliny:
-
- nauki chemiczne (Dziedzina nauk ścisłych i przyrodniczych)
- DOI:
- Identyfikator DOI 10.34808/v6dw-7x21 otwiera się w nowej karcie
- Finansowanie:
- Weryfikacja:
- Politechnika Gdańska
Słowa kluczowe
- machine learning
- molecular dynamics
- molecular docking
- protein-ligand interactions
- glycosaminoglycans
Cytuj jako
Autorzy
wyświetlono 34 razy