J 2023

sMolBoxes: Dataflow Model for Molecular Dynamics Exploration

ULBRICH, Pavol, Manuela WALDNER, Katarína FURMANOVÁ, Sérgio Manuel MARQUES, David BEDNÁŘ et. al.

Základní údaje

Originální název

sMolBoxes: Dataflow Model for Molecular Dynamics Exploration

Autoři

ULBRICH, Pavol (703 Slovensko, garant, domácí), Manuela WALDNER (40 Rakousko), Katarína FURMANOVÁ (703 Slovensko, domácí), Sérgio Manuel MARQUES (620 Portugalsko, domácí), David BEDNÁŘ (203 Česká republika, domácí), Barbora KOZLÍKOVÁ (203 Česká republika, domácí) a Jan BYŠKA (203 Česká republika, domácí)

Vydání

IEEE Transactions on Visualization and Computer Graphics, United States, IEEE Computer Society, 2023, 1077-2626

Další údaje

Jazyk

angličtina

Typ výsledku

Článek v odborném periodiku

Obor

10201 Computer sciences, information science, bioinformatics

Stát vydavatele

Spojené státy

Utajení

není předmětem státního či obchodního tajemství

Odkazy

Impakt faktor

Impact factor: 5.200 v roce 2022

Kód RIV

RIV/00216224:14330/23:00130033

Organizační jednotka

Fakulta informatiky

DOI

UT WoS

001266848400001

Klíčová slova anglicky

Molecular dynamics;structure;node-based visualization;progressive analytics

Příznaky

Mezinárodní význam, Recenzováno
Změněno: 25. 7. 2024 07:58, Mgr. Marie Šípková, DiS.

Anotace

V originále

We present sMolBoxes, a dataflow representation for the exploration and analysis of long molecular dynamics (MD) simulations. When MD simulations reach millions of snapshots, a frame-by-frame observation is not feasible anymore. Thus, biochemists rely to a large extent only on quantitative analysis of geometric and physico-chemical properties. However, the usage of abstract methods to study inherently spatial data hinders the exploration and poses a considerable workload. sMolBoxes link quantitative analysis of a user-defined set of properties with interactive 3D visualizations. They enable visual explanations of molecular behaviors, which lead to an efficient discovery of biochemically significant parts of the MD simulation. sMolBoxes follow a node-based model for flexible definition, combination, and immediate evaluation of properties to be investigated. Progressive analytics enable fluid switching between multiple properties, which facilitates hypothesis generation. Each sMolBox provides quick insight to an observed property or function, available in more detail in the bigBox View. The case studies illustrate that even with relatively few sMolBoxes, it is possible to express complex analytical tasks, and their use in exploratory analysis is perceived as more efficient than traditional scripting-based methods.

Návaznosti

GJ20-15915Y, projekt VaV
Název: Studium molekulováho rozpoznávání a vývoj nových softwarových nástrojů pro identifikaci a design přístupových cest v proteinech
Investor: Grantová agentura ČR, Studium molekulováho rozpoznávání a vývoj nových softwarových nástrojů pro identifikaci a design přístupových cest v proteinech
LM2018131, projekt VaV
Název: Česká národní infrastruktura pro biologická data (Akronym: ELIXIR-CZ)
Investor: Ministerstvo školství, mládeže a tělovýchovy ČR, Česká národní infrastruktura pro biologická data
LM2018140, projekt VaV
Název: e-Infrastruktura CZ (Akronym: e-INFRA CZ)
Investor: Ministerstvo školství, mládeže a tělovýchovy ČR, e-Infrastruktura CZ
MUNI/A/1230/2021, interní kód MU
Název: Zapojení studentů Fakulty informatiky do mezinárodní vědecké komunity 22 (Akronym: SKOMU)
Investor: Masarykova univerzita, Zapojení studentů Fakulty informatiky do mezinárodní vědecké komunity 22
MUNI/A/1339/2022, interní kód MU
Název: Rozvoj technik pro zpracování dat pro podporu vyhledávání, analýz a vizualizací rozsáhlých datových souborů s využitím umělé inteligence
Investor: Masarykova univerzita, Rozvoj technik pro zpracování dat pro podporu vyhledávání, analýz a vizualizací rozsáhlých datových souborů s využitím umělé inteligence