Závěrečná práce: Bc. Jan Bříza: Calculations of partial atomic charges by machine learning methods
Diplomová práce
Calculations of partial atomic charges by machine learning methods
Anotace
Parciální atomové náboje jsou nezbytné pro modelování elektrostatických interakcí ve výpočetní chemii, avšak jejich přesný výpočet pomocí kvantových metod je stále výpočetně náročný nebo dokonce nemožný pro velké biomolekuly, jako jsou proteiny. Tato práce zkoumá použití grafových neuronových sítí (GNN) k efektivnímu předpovídání parciálních atomových nábojů z molekulární struktury. Reprezentací molekul …více
Abstract
Partial atomic charges are essential for modeling electrostatic interactions in computational chemistry, yet their accurate calculation through quantum methods remains computationally expensive, or even impossible for large biomolecules such as proteins. This thesis explores the use of graph neural networks (GNNs) to efficiently predict partial atomic charges from molecular structure. By representing …více
Zadání práce
Parciální atomové náboje jsou reálná čísla popisující rozložení elektronové hustoty v molekule. Jedná se však pouze o teoretický koncept, nelze je tak získat z experimentu, ale jejich hodnoty musí být získány výpočtem. Tradiční přístupy jsou založeny na numerickém řešení rovnic kvantové mechaniky. Jejich vysoká výpočetní složitost však limituje jejich použití pouze na malé molekuly. Rychlejšími metodami jsou (semi)empirické metody založené na jednodušších fyzikálněchemických zákonech.
V současné době se v oblasti chemoinformatiky a výpočetní chemie objevují stále populárnější metody strojového učení. Mezi těmito metodami se grafové neuronové sítě (GNN) jeví jako velice slibné díky přirozené korespondenci mezi strukturami molekul a grafy.
Obsahem práce musí být:
- Rešerše existujících metod strojového učení pro predikci lokálních vlastností atomů v molekulách se zaměřením na grafové neuronové sítě.
- Implementace vhodného modelu pro predikci parciálních atomových nábojů v jazyce Python s pomocí relevantních knihoven (např. PyTorch Geometric).
- Trénink a evaluace modelu na proteinových strukturách z Protein Data Bank (https://pdbe.org/).
- Analýza zvoleného řešení, benchmark výkonu a rozbor možností potenciálního využití.
22. 5. 2025 08:38, RNDr. Tomáš Raček, Ph.D., učo 324965
angličtina
Práce na příbuzné téma
Seznam prací, které mají shodná klíčová slova.
-
Advanced methods of attacker's lateral movement detection
Ing. Vladimír Bouček -
Evaluation Framework for Comparative Analysis of Protein Structure Embedding Methods in the AlphaFold Database
Mgr. Lucie Novotná -
Frontend pro databázi parciálních atomových nábojů
Bc. Dominik Toušek -
Cell Nuclei Classification with Graph Neural Networks
Bc. Lukáš Hudec -
Learned indexing in high-dimensional data
RNDr. Terézia Slanináková, Ph.D., učo 445526 -
Implementation of a Web Application for Protein Similarity Search the AlphaFold Database
Jakub Čillík, učo 524749 -
Prostate Cancer Prediction with Graph Neural Networks
Mgr. Štěpán Řihák -
Metody pro výpočet poloh atomů vodíků v proteinech
Mgr. Šimon Zouvala
Složky
Soubory
-
Přidání souboru
Soubor nebo složku lze nahrát pomocí tlačítka Přidat. -
Další operace se soubory
Podrobnosti lze zjistit označením příslušného řádku. -
Pohled pro experty
Pro častou práci je možné zvolit režim Více možností. -
Vyhledávání souborů
Vyhledávaný výraz můžete zadat přímo do adresního řádku. -
Rychlý přístup k souborům
Pomocí funkce Nedávné je možné se rychle vrátit k právě prohlíženým souborům. Oblíbené soubory je také možné označit Hvězdičkou.