.Scientists use machine learning to develop an opener for a molecular can

mss(magic square system)master:jk0620
http://blog.naver.com/mssoms
http://jl0620.blogspot.com
https://www.facebook.com/junggoo.lee.54

Starship version space science

.Scientists use machine learning to develop an opener for a molecular can

과학자들은 기계 학습을 사용하여 분자 캔 오프너를 개발합니다.

출처: 미국물리학회

보다 집중적인 약물 치료, 보다 개별적인 치료, 보다 효과적인 치료를 목표로 하는 의료 시대에, 의사와 과학자들은 생물학적 시스템에 분자를 도입하여 특정 작용을 수행할 수 있기를 원합니다. 예로는 유전자 치료 와 약물 전달이 있는데 , 널리 사용되려면 효과적이고 저렴해야 합니다. 이 목표를 달성하기 위해 세 명의 연구원이 기계 학습을 사용하여 분자 케이지 내부의 분자를 제거하는 방법을 설계했습니다.

그들의 연구는 Physical Review Letters 에 게재되었습니다 . 하버드 대학의 라이언 K. 크루거가 주저자로 참여한 이 연구는 공동 저자 두 명이 동등하게 기여했으며, 미분 가능한 분자 동역학을 사용하여 복잡한 반응을 설계하고 시스템을 특정 결과로 유도합니다. 예를 들어, 그들은 콜로이드 구조의 통제된 분해를 수행했습니다. 특히, 콜로이드 입자의 완전한 껍질 또는 "케이지"로 둘러싸여 결합된 입자를 제거할 수 있는 분자를 설계했습니다. (콜로이드는 나노스코픽 또는 미세한 불용성 입자가 다른 물질 전체에 분산된 물질의 혼합물입니다. 예로는 우유, 연기, 젤라틴이 있습니다.)

기계 학습은 쉘의 "오프너" 분자의 설계를 최적화하는 데 사용되었으며, 그들은 기하학적 구조 때문에 "거미"라고 불렀습니다. 그들이 썼듯이, "분해는 결함 복구, 자기 복제, 촉매 작용과 같은 생물계의 동적 기능에 핵심적입니다." 특히, 그들은 이십면체 껍질의 통제된 분해를 위해 설계했으며, 껍질 입자를 연결하는 30개의 외부 모서리가 있는 12개의 입자를 수집했습니다. 이 구성은 바이러스를 수용하는 단백질 캡시드 와 매우 유사합니다. 껍질 입자는 "불균형"으로 간주됩니다. 다른 껍질 입자와 케이지 입자와의 상호 작용은 상호 작용의 방향성과 상대 강도를 결정하는 특정 매개변수 값을 갖습니다.

20년 전 소프트 소재 연구에 도입된 패치성은 설계된 상호 작용에서 다재다능한 조정 가능성을 제공하여 특정 동작을 달성하며, 미분 가능한 라이브러리 내에서 패치 입자 시뮬레이션이 최근에 개발되어 지원됩니다. 패치성은 패치 입자의 표면에서도 다양할 수 있습니다. 여기서는 12개의 개별 껍질 입자입니다. 목표는 껍질을 분해하는 것이었는데, 분해를 달성하는 것과 남아 있는 하부 구조의 무결성을 유지하는 것 사이에 내재적인 긴장이 있었습니다.

연구자들은 종종 이원자 분자에서 두 원자 사이의 상호 작용 모델 로 사용되는 상호작용 껍질 입자의 잠재 에너지와, 갇힌 분자에 대한 모스 퍼텐셜을 가정했습니다.

모스 퍼텐셜 은 간단하며 원하는 상황에 맞게 선택할 수 있는(그리고 선택해야 하는) 세 가지 자유 매개변수가 있습니다. 케이지 입자를 제거하려면 쉘 입자 중 하나를 제거해야 합니다. 분석을 위해, 팀은 껍질 입자를 제거하는 물체가 12구 클러스터 위에 놓일 수 있는 단단한 피라미드형 구조물이라고 가정했습니다. 그들은 이 물체를 "거미"라고 불렀습니다. 그것은 피라미드의 바닥을 형성하는 오각형 모양의 입자 고리로 구성되었고, 피라미드 조립체 위에 단일 "머리 입자"가 있었습니다. 이 시뮬레이션에서는 이십면체 껍질이 주어지고 고정되었으며, 거미는 어떤 껍질 입자에도 자유롭게 착륙하여 상호작용할 수 있었습니다. 패치 매개변수는 거미 전체가 껍질 덩어리에 끌리거나 밀려나지 않도록 조정되었지만, 피라미드 꼭대기 입자는 거리와 강도에 따라 달라질 수 있는 힘에 의해 껍질 입자의 패치에 끌렸습니다. 거미의 치수와 머리 입자 및 바닥 입자의 반경도 조정할 수 있었습니다.

크루거와 그의 협력자들은 분자 동역학을 사용했는데, 이는 각 입자의 운동을 다른 입자와 경험하는 상호 작용력으로 계산하는 표준 기술입니다. 그들은 거미의 어떤 특정 매개변수가 껍질에서 갇힌 분자를 뽑아낼지 결정하고 싶었습니다. 컴퓨터에서 무차별 대입으로 이를 수행하려면(모든 가능한 매개변수를 입자 하나하나 계산하여 원하는 결과에 도달할 때까지) 너무 많은 계산 능력과 시간이 필요합니다. 그래서 그룹은 기계 학습을 통해 분해와 남은 하부 구조 무결성 간의 긴장을 나타내는 손실 함수를 최소화했습니다. 이 프로세스는 제거 작업을 수행할 수 있는 딱딱한 거미를 만드는 데 성공했습니다.

그런 다음 거미가 구부러지도록 하여 "구성 가능한 엔트로피"를 나타내는 새로운 자유 매개변수를 도입했습니다. 최적화되었을 때, 가두어진 입자를 풀어주는 데 필요한 에너지가 감소했습니다. 그들은 비대칭적으로 유연한 바닥 다리를 가진 거미가 처음에 가정했던 대칭적이고 오각형 바닥을 가진 거미에 비해 가두어진 입자를 풀어주는 데 필요한 에너지가 적다는 것을 발견했습니다.

그들은 그들의 방법론이 광범위하게 적용될 수 있다고 언급했습니다. "우리는 수치적으로 통합된 동역학에 대해 직접 최적화하기 때문에, 우리의 방법은 광범위한 시스템을 연구하기에 충분히 일반적입니다."라고 그들은 썼습니다. "가장 중요한 것은, 상호작용 에너지를 미세하게 조정할 수 없는 능력으로 인해 제한을 받았던 이론적 모델의 실험적 실현을 가능하게 할 수 있다는 것입니다."

추가 정보: Ryan K. Krueger et al, Tuning Colloidal Reactions, Physical Review Letters (2024). DOI: 10.1103/PhysRevLett.133.228201 저널 정보: Physical Review Letters

https://phys.org/news/2024-12-scientists-machine-molecular.html

B메모 2412280636 소스1.분석중 _【】

1.
기계학습을 사용하여 분자 캔 오프너를 개발한다.
보다 집중적인 약물 치료, 보다 개별적인 치료, 보다 효과적인 치료를 목표로 하는 의료 시대에, 의사와 과학자들은 생물학적 시스템에 분자를 도입하여 특정 작용을 수행할 수 있기를 원한다.

예로는 [1]유전자 치료와 약물 전달이 있는데 , 널리 사용되려면 효과적이고 저렴]해야 한다. 이 목표를 달성하기 위해 세 명의 연구원이 [1']기계 학습을 사용하여 분자 케이지 내부의 분자를 제거하는 방법을 설계]했다. 미분 가능한 분자 동역학을 사용하여 복잡한 반응을 설계하고 시스템을 특정 결과로 유도한다.

예를 들어, 그들은 콜로이드 구조의 통제된 분해를 수행했다. 특히, 콜로이드 입자의 완전한 껍질 또는 "케이지"로 둘러싸여 결합된 입자를 제거할 수 있는 분자를 설계했다. (콜로이드는 나노스코픽 또는 미세한 불용성 입자가 다른 물질 전체에 분산된 물질의 혼합물이다. 예로는 우유, 연기, 젤라틴이 있다.)

_[1,1'】치료목적의 정확히 타켓을 찾아 치료 분자가 질병을 제어할 수 있나? 나의 생각은 가능하다. 바늘과 실이 타켓 주변을 에워싼 편물을 만들면 된다. 그리고 2차 qpeoms 만능 sms.oms.vix.ain 분자기계로 공략한다. 어허.

2.
기계 학습은 [2]쉘의 "오프너" 분자의 설계를 최적화하는 데 사용되었으며, 그들은 기하학적 구조 때문에 "거미"라고 불렀다. 그들이 썼듯이, "분해는 결함 복구, 자기 복제, 촉매 작용과 같은 생물계의 동적 기능에 핵심적)]이다.

_[2】mcell이 다목적 센서가 되려면 많은 변수(만족하는 조건값을 한곳에 모으고 다면체.구체의 모습으로 방향과 대응 절대값 요소기능 속성 등등 속성을 갖춘 개체를 복제하여 msbase 툴을 만들면 된다. 그러면 그어떤 반응이든 순간적으로 대응 할 수 있다.

3.
특히, 그들은 이십면체 껍질의 통제된 분해를 위해 설계했으며, 껍질 입자를 연결하는 30개의 외부 모서리가 있는 12개의 입자를 수집했다. 이 구성은 바이러스를 수용하는 단백질 캡시드 와 매우 유사하다.

껍질 입자는 "불균형"으로 간주됩니다. 다른 껍질 입자와 케이지 입자와의 상호 작용은 상호 작용의 방향성과 상대 강도를 결정하는 특정 매개변수 값을 갖는다. 20년 전 소프트 소재 연구에 도입된 패치성은 설계된 상호 작용에서 다재다능한 조정 가능성을 제공하여 특정 동작을 달성하며, 미분 가능한 라이브러리 내에서 패치 입자 시뮬레이션이 최근에 개발되어 지원된다.

3-1.
패치성은 패치 입자의 표면에서도 다양할 수 있다. 여기서는 12개의 개별 껍질 입자이다. 목표는 껍질을 분해하는 것이었는데, 분해를 달성하는 것과 남아 있는 하부 구조의 무결성을 유지하는 것 사이에 내재적인 긴장이 있었다.

연구자들은 종종 이원자 분자에서 두 원자 사이의 상호 작용 모델로 사용되는 상호작용 껍질 입자의 잠재 에너지와, 갇힌 분자에 대한 모스 퍼텐셜을 가정했다.

모스 퍼텐셜은 간단하며 원하는 상황에 맞게 선택할 수 있는(그리고 선택해야 하는) 세 가지 자유 매개변수가 있다. 케이지 입자를 제거하려면 쉘 입자 중 하나를 제거해야 한다.

분석을 위해, 팀은 껍질 입자를 제거하는 물체가 12구 클러스터 위에 놓일 수 있는 단단한 피라미드형 구조물이라고 가정했다. 그들은 이 물체를 "거미"라고 불렀다. 그것은 피라미드의 바닥을 형성하는 오각형 모양의 입자 고리로 구성되었고, 피라미드 조립체 위에 단일 "머리 입자"가 있었다.

이 시뮬레이션에서는 이십면체 껍질이 주어지고 고정되었으며, 거미는 어떤 껍질 입자에도 자유롭게 착륙하여 상호작용할 수 있었다.

패치 매개변수는 거미 전체가 껍질 덩어리에 끌리거나 밀려나지 않도록 조정되었지만, 피라미드 꼭대기 입자는 거리와 강도에 따라 달라질 수 있는 힘에 의해 껍질 입자의 패치에 끌렸다. 거미의 치수와 머리 입자 및 바닥 입자의 반경도 조정할 수 있었다.

4.
크루거와 그의 협력자들은 분자 동역학을 사용했는데, 이는 각 입자의 운동을 다른 입자와 경험하는 상호 작용력으로 계산하는 표준 기술이다. 그들은 거미의 어떤 특정 매개변수가 껍질에서 갇힌 분자를 뽑아낼지 결정하고 싶었다.

컴퓨터에서 무차별 대입으로 이를 수행하려면(모든 가능한 매개변수를 입자 하나하나 계산하여 원하는 결과에 도달할 때까지) 너무 많은 계산 능력과 시간이 필요하다. 그래서 그룹은 기계 학습을 통해 분해와 남은 하부 구조 무결성 간의 긴장을 나타내는 손실 함수를 최소화했다.

이 프로세스는 제거 작업을 수행할 수 있는 딱딱한 거미를 만드는 데 성공했습니다. 그런 다음 거미가 구부러지도록 하여 [4]구성 가능한 엔트로피를 나타내는 새로운 자유 매개변수]를 도입했다.

_[4】자유를 가진 분자는 구성 가능한 nk2-1 적적산 하산? 엔트로피?(하산길이 험하고 가파르면 날다람쥐 낙하산 복장이면 절벽을 날아가 하산...허허 엔트로피 ..돌아버려! OK.. 많다)를 통해 자유변수를 생성할 수 있다. 어허.

ㅡ최적화되었을 때, 가두어진 입자를 풀어주는 데 필요한 에너지가 감소했다. 그들은 비대칭적으로 유연한 바닥 다리를 가진 거미가 처음에 가정했던 대칭적이고 오각형 바닥을 가진 거미에 비해 가두어진 입자를 풀어주는 데 필요한 에너지가 적다는 것을 발견했다.

5.
그들은 그들의 방법론이 광범위하게 적용될 수 있다고 언급했다. 수치적으로 통합된 동역학에 대해 직접 최적화하기 때문에, 우리의 방법은 광범위한 시스템을 연구하기에 충분히 일반적이다.

[5]가장 중요한 것은, 상호작용 에너지를 미세하게 조정]할 수 없는 능력으로 인해 제한]을 받았던 이론적 모델의 실험적 실현]을 가능하게 할 수 있다는 것이다.

_[5】fiber.msbase.nk에는 위치정보가 gps 처럼 보인다. 이런 곳에 거품을 만들어 mcell에 qms 에너지를 주입하면 자연스레 거대한 실험실이 마련된다. 어허.

May be an image of 4 people, blueprint, map, floor plan and text

B memo 2412280636 Source 1. Analysis _【】

1.
Developing a molecular can opener using machine learning.
In an era of healthcare that aims for more targeted, more individualized, and more effective drug treatments, doctors and scientists want to introduce molecules into biological systems to perform specific actions.

Examples include [1]gene therapy and drug delivery, which must be effective and inexpensive to be widely used. To achieve this goal, three researchers [1']designed a method to remove molecules inside molecular cages using machine learning. Differentiable molecular dynamics is used to design complex reactions and drive the system to a specific outcome.

For example, they performed controlled disassembly of colloidal structures. In particular, they designed molecules that can remove bound particles by enclosing them in a complete shell, or "cage," of colloidal particles. (Colloid is a mixture of substances with nanoscopic or microscopic insoluble particles dispersed throughout another substance. Examples include milk, smoke, and gelatin.)

_[1,1']Can therapeutic molecules control diseases by precisely targeting the target? My guess is that it is possible. Just create a knitted fabric with a needle and thread around the target. And attack it with a second qpeoms universal sms.oms.vix.ain molecular machine. Oh, my.

2.
Machine learning was used to optimize the design of the "opener" molecule of [2]shell, which they called "spiders" because of their geometry. As they wrote, "decomposition is central to the dynamic functions of biological systems, such as defect repair, self-replication, and catalysis."

_[2] For mcell to become a multipurpose sensor, it is enough to collect many variables (conditional values that satisfy the conditions in one place, and to replicate objects with properties such as orientation, corresponding absolute value, element function properties, etc. in the form of polyhedrons and spheres, and create an msbase tool. Then, any reaction can be responded to instantly.

3.
In particular, they designed for controlled decomposition of icosahedral shells, collecting 12 particles with 30 external corners connecting the shell particles. This configuration is very similar to the protein capsid that houses viruses.

The shell particles are considered "unbalanced". The interactions with other shell particles and cage particles have specific parameter values that determine the directionality and relative strength of the interaction. Patchiness, introduced in soft materials research 20 years ago, provides versatile tunability in designed interactions to achieve specific behaviors, and patch particle simulations within differentiable libraries have been recently developed. Supported.

3-1.
Patchiness can also vary on the surface of the patch particle, in this case 12 individual shell particles. The goal was to disintegrate the shell, but there was an inherent tension between achieving disintegration and maintaining the integrity of the remaining substructure.

Researchers often assumed the potential energy of the interacting shell particle, which is often used as a model for the interaction between two atoms in a diatomic molecule, and the Morse potential for the trapped molecule.

The Morse potential is simple and has three free parameters that can (and should) be chosen to suit the desired situation. To remove a cage particle, one of the shell particles must be removed.

For the analysis, the team assumed that the object removing the shell particle was a rigid pyramidal structure that could be placed on top of a 12-sphere cluster. They called this object a “spider.” It consisted of a ring of pentagonal particles forming the base of the pyramid, with a single “head particle” on top of the pyramid assembly.

In this simulation, an icosahedral shell was given and fixed, and the spider was free to land on any shell particle and interact with it.

The patch parameters were adjusted so that the entire spider was neither attracted nor repelled by the shell mass, but the pyramid-top particle was attracted to the patch of shell particles by a force that could vary with distance and intensity. The dimensions of the spider and the radii of the head and bottom particles could also be adjusted.

4.
Kruger and his collaborators used molecular dynamics, a standard technique that calculates the motion of each particle as a function of the interaction forces it experiences with other particles. They wanted to determine which specific parameters of the spider would extract the trapped molecule from the shell.

Doing this by brute force on a computer (calculating all possible parameters particle by particle until they reach the desired result) would require too much computational power and time. So the group used machine learning to minimize a loss function that represented the tension between disassembly and the integrity of the remaining substructure.

This process succeeded in creating a rigid spider that could perform the removal task. Then, we introduce a new free parameter [4] that represents the configurable entropy by making the spider bend.

_[4] A molecule with freedom can generate free variables through a configurable nk2-1 cumulative descent? entropy? (If the descent is rough and steep, if it is a flying squirrel parachute suit, it flies off the cliff and descends... oh, entropy... turn around! OK.. there are many). Oh, oh.

- When optimized, the energy required to release the trapped particle was reduced. They found that spiders with asymmetrically flexible bottom legs required less energy to release the trapped particle than spiders with symmetrical and pentagonal bottoms, which they initially assumed.

5.
They noted that their methodology is broadly applicable. Since it directly optimizes for numerically integrated dynamics, our method is general enough to study a wide range of systems.

[5] Most importantly, it can enable experimental realization of theoretical models that were limited by the inability to finely tune the interaction energy.

_[5] The location information on fiber.msbase.nk looks like GPS. If you create a bubble in this place and inject qms energy into the mcell, you can naturally create a huge laboratory. Oh my.

ㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡ
Source 1.
https://phys.org/news/2024-12-scientists-machine-molecular.html
Scientists use machine learning to develop molecular can openers.

sample qoms (standard)
0000000011=2,0
0000001100
0000001100
0000010010
0001100000
0101000000
0010010000
0100100000
2000000000
0010000001

sample pms (standard)
q0000000000
00q00000000
0000q000000
000000q0000
00000000q00
0000000000q
0q000000000
000q0000000
00000q00000
0000000q000
000000000q0

sample msoss

zxdxybzyz
zxdzxezxz
xxbyyxzz
zybzzfxzy
cadccbcdc
cdbdcbdbb
xzezxdyyx
zxezybzyy
bddbcbdca