Machine learning assisted determination of linearly independent set of generalized molecular coordinates

diplomski rad

• Naslov (hrvatski): Određivanje linearno nezavisnog skupa generaliziranih molekularnih koordinata primjenom strojnog učenja
• Autor: Tea Ostojić
• Mentor: Tomica Hrenar (mentor)
• Član povjerenstva: Tomica Hrenar (predsjednik povjerenstva)
• Član povjerenstva: Ivan Kodrin (član povjerenstva)
• Član povjerenstva: Željka Soldin (član povjerenstva)
• Član povjerenstva: Branimir Bertoša (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Prirodoslovno-matematički fakultet; (Kemijski odsjek); Zagreb
• Datum i država obrane: 2021-05-18, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: PRIRODNE ZNANOSTI; Kemija

Sažetak

Trajectory analysis can provide information on the complete conformational or configurational
space of molecular systems and their reactivity. Numerical analysis of trajectories can be
performed in any type of coordinate system, e.g. Cartesian coordinate system, internal or
normal coordinates, etc. In some applications, various coordinate systems will hold redundant
information due to the linear dependence. A set of molecular coordinates contains null-vectors
that introduce numerical instabilities and noise in the processing. In the case of a larger number
of defined coordinates, there is also a problem with storage and data processing.
In this work, the procedure for constructing generalized and linearly independent set of
internal molecular coordinates will be evaluated. Generalized internal coordinates are
chemically intuitive and can be defined in a number of ways, for example: distances, angles or
dihedral angles. By applying machine learning to molecular dynamics trajectory, a complete
and linearly dependent set of generalized internal coordinate distances will be reduced to the
linearly independent set that still contains all relevant information about conformational or
configurational space, reactivity and molecular motion. Given procedure will be applied to the
molecule of (R)-cinchonidine.

Sažetak (hrvatski)

Analiza trajektorije može pružiti informacije o potpunom konformacijskom ili
konfiguracijskom prostoru molekularnih sustava i njihovoj reaktivnosti. Numerička analiza
trajektorija može se provesti u bilo kojem koordinatnom sustavu, npr. Cartesiusov koordinatni
sustav, sustav internih ili normalnih koordinata, itd. No, u nekim aplikacijama različiti
koordinatni sustavi zadržavaju suvišne informacije zbog linearne zavisnosti. Taj skup
molekularnih koordinata sadrži nul-vektore koji onda uzrokuju numeričke nestabilnosti i
numerički šum. U slučaju većeg broja definiranih koordinata također postoji i problem s
pohranom te obradom podataka.
U ovom će se radu razraditi postupak za kreiranje generaliziranog i linearno nezavisnog
skupa internih koordinata. Generalizirane interne koordinate kemijski su intuitivne, a mogu se
definirati na više načina, na primjer: međuatomne udaljenosti, kutovi ili diedarski kutovi.
Primjenom strojnog učenja na trajektoriju molekularne dinamike, potpun i linearno zavisan
skup generaliziranih internih koordinata međuatomnih udaljenosti reducirat će se na linearno
nezavisan skup, ali skup koji još uvijek sadrži sve relevantne informacije o konformacijskom
ili konfiguracijskom prostoru, reaktivnosti i gibanju molekula. Razrađeni postupak primijenit
će se na molekulu (R)-cinhonidina.

• Ključne riječi: cinchonidine; conformational analysis; generalized coordinates; machine learning; molecular dynamics
• Ključne riječi (engleski): cinhonidin; generalizirane koordinate; konformacijska analiza; molekularna dinamika; strojno učenje
• Jezik: engleski
• URN:NBN: urn:nbn:hr:217:138103
• Projekt: Šifra: IP-2016-06-3775; Naziv: Aktivnošću i in silico usmjeren dizajn malih bioaktivnih molekula; Naziv: Activity and in silico guided design of bioactive small molecules; Kratica: ADESIRE; Voditelj: Tomica Hrenar; Pravna nadležnost: Hrvatska; Financijer: HRZZ; Linija financiranja: IP
• Studijski program: Naziv: Kemija; smjerovi: istraživački; Smjer: istraživački; Vrsta studija: sveučilišni; Stupanj studija: diplomski; Akademski / stručni naziv: magistar/magistra kemije (mag. chem.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Otvoreni pristup; Datum isteka embarga: 2023-05-18
• Datum i vrijeme pohrane: 2021-05-28 12:40:46