Текущий выпуск Номер 6, 2020 Том 12
Результаты поиска по 'тип кристаллической решетки':
Найдено статей: 2
  1. Гребенкин И.В., Алексеенко А.Е., Гайворонский Н.А., Игнатов М.Г., Казённов А.М., Козаков Д.В., Кулагин А.П., Холодов Я.А.
    Применение ансамбля нейросетей и методов статистической механики для предсказания связывания пептида с главным комплексом гистосовместимости
    Компьютерные исследования и моделирование, 2020, т. 12, № 6, с. 1383-1395

    Белки главного комплекса гистосовместимости (ГКГС) играют ключевую роль в работе адаптивной иммунной системы, и определение связывающихся с ними пептидов — важный шаг в разработке вакцин и понимании механизмов аутоиммунных заболеваний. На сегодняшний день существует ряд методов для предсказания связывания определенной аллели ГКГС с пептидом. Одним из лучших таких методов является NetMHCpan-4.0, основанный на ансамбле искусственных нейронных сетей. В данной работе представлена методология качественного улучшения архитектуры нейронной сети, лежащей в основе NetMHCpan-4.0. Предлагаемый метод использует технику построения ансамбля и добавляет в качестве входных данных оценку модели Поттса, взятой из статистической механики и являющейся обобщением модели Изинга. В общем случае модельо тражает взаимодействие спинов в кристаллической решетке. Применительно к задаче белок-пептидного взаимодействия вместо спинов используются типы аминокислот, находящихся в кармане связывания. В предлагаемом методе модель Поттса используется для более всестороннего представления физической природы взаимодействия полипептидных цепей, входящих в состав комплекса. Для оценки взаимодействия комплекса «ГКГС + пептид» нами используется двумерная модель Поттса с 20 состояниями (соответствующими основным аминокислотам). Решая обратную задачу с использованием данных об экспериментально подтвержденных взаимодействующих парах, мы получаем значения параметров модели Поттса, которые затем применяем для оценки новой пары «ГКГС + пептид», и дополняем этим значением входные данные нейронной сети. Такой подход, в сочетании с техникой построения ансамбля, позволяет улучшитьт очность предсказания, по метрике положительной прогностической значимости (PPV), по сравнению с базовой моделью.

  2. Попов В.Ю., Хлыстов А.Н., Бондин А.В.
    Атомная визуализация алмазного резания
    Компьютерные исследования и моделирование, 2016, т. 8, № 1, с. 137-149

    Данная работа посвящена созданию статической атомной модели двух поверхностей, контактирующих при электроалмазной обработке: алмазных зерен и шлифуемого ими материала. В центре работы стоят вопросы компьютерной визуализации этих поверхностей на молекулярном уровне, поскольку традиционное математическое описание не обладает достаточной наглядностью для демонстрации некоторых аспектов атомистической трибологии резания металлов с одновременно протекающими разными по своей физической природе процессами. А в электроалмазной обработке сочетается воздействие одновременно нескольких процессов: механический, электрический и электрохимический. Поэтому предлагаемая авторами методика моделирования остается единственным способом увидеть, что именно происходит на атомном уровне при резании материала алмазным зерном. В то же время статья может быть полезна как научно-познавательная, так как позволяет читателю понять, как на атомном уровне выглядят поверхности некоторых материалов.

    Просмотров за год: 5. Цитирований: 33 (РИНЦ).

Полнотекстовая версия журнала доступна также на сайте научной электронной библиотеки eLIBRARY.RU

Журнал входит в Перечень российских рецензируемых научных журналов, в которых должны быть опубликованы основные научные результаты диссертаций на соискание ученых степеней доктора и кандидата наук ВАК, группы специальностей: 01.01.00, 01.02.00.
 

Международная Междисциплинарная Конференция "Математика. Компьютер. Образование"

Международная Междисциплинарная Конференция МАТЕМАТИКА. КОМПЬЮТЕР. ОБРАЗОВАНИЕ.

Журнал включен в базу данных Russian Science Citation Index (RSCI) на платформе Web of Science

Журнал индексируется в Scopus