数据集概述
本数据集包含用于研究聚合物-脂质溶液分子动力学模拟的文件与脚本，涉及GROMACS拓扑结构、初始结构文件，以及用于计算相互作用能、PyTorch模型训练和期望最大化聚类的脚本，还包括势能与相互作用能时间序列数据及相关预印本。
文件详解
- GROMACS相关文件：
- DSPE+PEG.top：GROMACS拓扑文件，描述DSPE-PEG聚合体的拓扑结构
- DSPE+PEG_EA_NPT.gro：GROMACS初始结构文件，记录聚合体的初始构象
- EA_SI.top：GROMACS拓扑文件，描述乙酸乙酯分子的拓扑结构
- 能量计算脚本（详见README.txt）：
- Subset_energy.sh：提交GROMACS工具计算子集能量的脚本
- Interaction_energies.sh：计算相互作用能的脚本
- PyTorch相关脚本（详见README.txt）：
- Multiple-run.sh、Job.sh：PyTorch模型运行脚本
- Pytorch_train-model.py：PyTorch模型训练脚本
- 聚类分析脚本（详见README.txt）：
- Job_EM.sh：提交期望最大化聚类任务的脚本
- EM_Clustering.py：scikit-learn实现的期望最大化聚类脚本
- 时间序列数据文件：
- Data_Andrews_etal_DSPE-PEG_2022.zip：包含势能（PE）和相互作用能（IE）时间序列数据，共500,000个快照
- 预印本文件：
- JAndrews_etal_arXiv-doi.pdf：相关研究的ArXiv预印本，DOI为10.48550/arXiv.2203.00151
适用场景
- 分子动力学模拟研究：用于复现聚合物-脂质溶液的分子动力学模拟实验
- 机器学习预测模型开发：基于时间序列数据训练RNN模型预测分子动力学行为
- 能量分析：分析聚合物-脂质与溶剂之间的相互作用能变化规律
- 聚类分析：通过期望最大化聚类研究分子动力学轨迹的特征模式
- 计算化学方法验证：验证机器学习方法在分子模拟预测中的应用效果
