ترجمه فارسی مقاله یک مدل بیوفیزیک DNN با ویژگی های توپولوژیکی و الکترواستاتیکی

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی A DNN Biophysics Model with Topological and Electrostatic Features
عنوان مقاله به فارسی یک مدل بیوفیزیک DNN با ویژگی های توپولوژیکی و الکترواستاتیکی
نویسندگان Elyssa Sliheet, Md Abu Talha, Weihua Geng
فرمت مقاله انگلیسی PDF
تعداد صفحات 14
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Machine Learning,Mathematical Physics,یادگیری ماشین , فیزیک ریاضی ,
توضیحات Submitted 5 September, 2024; originally announced September 2024.
توضیحات به فارسی ارسال شده در 5 سپتامبر 2024 ؛در ابتدا سپتامبر 2024 اعلام شد.
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

In this project, we provide a deep-learning neural network (DNN) based biophysics model to predict protein properties. The model uses multi-scale and uniform topological and electrostatic features generated with protein structural information and force field, which governs the molecular mechanics. The topological features are generated using the element specified persistent homology (ESPH) while the electrostatic features are fast computed using a Cartesian treecode. These features are uniform in number for proteins with various sizes thus the broadly available protein structure database can be used in training the network. These features are also multi-scale thus the resolution and computational cost can be balanced by the users. The machine learning simulation on over 4000 protein structures shows the efficiency and fidelity of these features in representing the protein structure and force field for the predication of their biophysical properties such as electrostatic solvation energy. Tests on topological or electrostatic features alone and the combination of both showed the optimal performance when both features are used. This model shows its potential as a general tool in assisting biophysical properties and function prediction for the broad biomolecules using data from both theoretical computing and experiments.

چکیده به فارسی (ترجمه ماشینی)

در این پروژه ، ما یک مدل بیوفیزیک مبتنی بر شبکه عصبی عمیق (DNN) را برای پیش بینی خصوصیات پروتئین ارائه می دهیم.این مدل از ویژگی های چند مقیاس و یکنواخت توپولوژیکی و الکترواستاتیک تولید شده با اطلاعات ساختاری پروتئین و میدان نیرو استفاده می کند ، که حاکم بر مکانیک مولکولی است.ویژگی های توپولوژیکی با استفاده از عنصر مشخص شده هومولوژی مداوم (ESPH) تولید می شود در حالی که ویژگی های الکترواستاتیک با استفاده از یک treecode دکارتی به سرعت محاسبه می شوند.این ویژگی ها از نظر تعداد پروتئینهایی با اندازه های مختلف یکنواخت هستند ، بنابراین می توان از پایگاه داده ساختار پروتئین به طور گسترده در دسترس در آموزش شبکه استفاده کرد.این ویژگی ها همچنین چند مقیاس هستند بنابراین وضوح و هزینه محاسباتی را می توان توسط کاربران متعادل کرد.شبیه سازی یادگیری ماشین در بیش از 4000 ساختار پروتئین ، کارایی و وفاداری این ویژگی ها را در نشان دادن ساختار پروتئین و میدان نیرو برای پیش بینی خصوصیات بیوفیزیکی آنها مانند انرژی نجات الکترواستاتیک نشان می دهد.آزمایشات در مورد ویژگی های توپولوژیکی یا الکترواستاتیک به تنهایی و ترکیب هر دو عملکرد بهینه را هنگام استفاده از هر دو ویژگی نشان داد.این مدل پتانسیل خود را به عنوان یک ابزار کلی در کمک به خصوصیات بیوفیزیکی و پیش بینی عملکرد برای مولکولهای گسترده با استفاده از داده های محاسبات نظری و آزمایش نشان می دهد.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.