排序方式: 共有6条查询结果,搜索用时 15 毫秒
1
1.
分子构象的聚类是搜索分子动力学模拟轨迹中代表构象的主要方法。 它是分析复杂构象改变或分子间相互作用机制的关键步骤. 作为一种基于密度的聚类算法,密度峰值搜索算法因其聚类的准确度而被应用于分子聚类过程中. 但随着模拟时长的增长,密度峰值搜索算法较低的计算效率限制了其应用的可能. 本文提出K-means密度峰值搜索算法的聚类算法,它是密度峰值搜索算法在计算效率方面的一个扩展版本,用于解决密度峰值搜索算法中巨大的资源消耗问题. 在K-means密度峰值搜索算法中,首先,通过高效的聚类算法(例如K-means)进行初始聚类,得到的聚类中心被定义为具有权重的典型点. 然后,对加权的典型点通过密度峰值搜索算法实现二次聚类,并细化点为核心点、边界点、加细光晕点. 在与密度峰值搜索算法具有相似的精度的同时,计算复杂度由O(n2)降至O(n). 通过二面角,二级结构,关联图描述的分子构象,将KFDP用于多个模拟轨迹的聚类过程中. 并通过与K-means聚类算法,DBSCAN聚类算法的比较结果,验证了K-means密度峰值搜索算法的优势. 相似文献
2.
3.
气相色谱法对水果样品中三碘苯甲酸残留的测定 总被引:1,自引:0,他引:1
分别选取了苹果、梨等6种水果基质,样品经1%硫酸酸化,用二氯甲烷提取,提取液蒸干后用三甲基硅重氮甲烷进行甲酯化衍生,经弗罗里硅土固相萃取柱净化后上机测定.采用气相色谱,程序升温,电子捕获检测器测定,保留时间定性,外标法定量.优化了衍生条件,并对方法的灵敏度、准确度、精密度和回收率进行了实验,三碘苯甲酸的检出限可达0.000 8 mg/kg,方法在0.01 ~20 mg/L范围内线性关系良好.各浓度水平的添加回收率为63% ~107%,相对标准偏差为1.8% ~9.3%.建立的方法符合国家标准对食品中农药残留测定的要求,可用于对食品安全的监测. 相似文献
4.
5.
6.
粗粒化模型通过简化原子性质以及原子间的相互作用实现生物大分子长时间尺度的分子动力学模拟. 深度学习通过模拟人类的认知过程实现海量数据的准确分类和回归过程. 本论文将这两种技术进行融合,利用基于深度学习的粗粒化分子动力学模拟技术研究分子在不同状态之间的变化过程,并提出基于TorchMD的分子动力学模拟的分析框架. 在本工作中,MFDP聚类算法被用于在三维的CV变量空间中进行聚类,并确定分子的若干主要状态,在完成聚类的同时,给出各类中的代表分子构象,并给出类之间的分子构象. 这为后续利用String算法分析分子在不同状态间的转换路径打下基础. 通过String算法,迭代搜索得到分子在不同状态之间的变化路径以及对应的势能变化曲线. 通过与已有文献的结果进行对比,验证了基于TorchMD的粗粒化分子动力学模拟的理论框架可以在相对较短的时间尺度里研究分子的变化过程. 相似文献
1