ICLR｜香港城市大学李皓亮等：大规模分子动力学分析中的特征表征方法

本文介绍了香港城市大学李皓亮研究团队提出的Deep Signature框架，该框架通过融合深度谱聚类与路径签名理论，解决了大规模分子动力学分析中的计算复杂度高和特征表示困难的问题。研究背景是分子动力学模拟在生物大分子研究中面临的计算复杂度和特征提取不足等挑战。研究目的是通过深度谱聚类模块和路径签名变换模块，实现对分子动力学轨迹的高效表征与分析。实验结果表明，Deep Signature在基因调控、EGFR和GPCR动力学数据集上表现出优越的分类性能，能够有效区分突变诱导的药物敏感或耐药表型，并识别受体的激活态或非激活态。结论是Deep Signature为蛋白质动态研究提供了新工具，建立了动力学信息与宏观表型的联系，但在数据集多样性和规模上存在一定局限性。