Les progrès récents en matière de prédiction de la structure des protéines ont démontré que les modèles protéiques peuvent désormais atteindre des niveaux de précision quasi expérimentaux sans précédent. Dans ce contexte, la modélisation des interactions protéiques et de leur variabilité dans les cellules vivantes est devenue plus cruciale que jamais.
Vous développerez des versions parallélisées et à échange de répliques des méthodes de Monte Carlo (MC) et de dynamique brownienne (BD) afin de traiter l’encombrement protéique, en utilisant le langage de programmation C++ et des bibliothèques multithread.
L’objectif est d’améliorer l’efficacité de calcul grâce à des processus multithread. En introduisant plusieurs répliques s’exécutant en parallèle à différentes températures, nous pouvons paralléliser efficacement les algorithmes MC et BD. De plus, le code BD sera optimisé en partitionnant la boîte de simulation en cellules plus petites, permettant ainsi le calcul des forces et des énergies au sein de chaque cellule à l’aide de plusieurs processus.
Nous comparerons également les résultats de la simulation avec des mesures de diffusion aux petits angles (SAXS) [6] et les seconds coefficients du viriel [4-5]. Le/la candidat(e) développera une méthode efficace pour calculer ces coefficients.
References:
[1] Jumper, John, et al. "Highly accurate protein structure prediction with AlphaFold." Nature 596.7873 (2021): 583-589.
[2] Baek, Minkyung, et al. "Accurate prediction of protein structures and interactions using a three-track neural network." Science 373.6557 (2021): 871-876.
[3] Vakser IA, Grudinin S, Jenkins NW, Kundrotas PJ, Deeds EJ. Docking-based long timescale simulation of cell-size protein systems at atomic resolution. Proceedings of the National Academy of Sciences. 2022 Oct 11;119(41):e2210249119.
[4] Hatch HW, Bergonzo C, Blanco MA, Yuan G, Grudinin S, Lund M, Curtis JE, Grishaev AV, Liu Y, Shen VK. Anisotropic coarse-grain Monte Carlo simulations of lysozyme, lactoferrin, and NISTmAb by precomputing atomistic models. The Journal of Chemical Physics. 2024 Sep 7;161(9).
[5] Vinterbladh, I., Bye, J., Curtis, R., Hatch, H. W., Grudinin, S., & Lund, M. (2025). Intermolecular Pose Exploration using Subdivided Spheres.
[6] Grudinin S. et al. Pepsi-SAXS: an adaptive method for rapid and accurate computation of small-angle X-ray scattering profiles. https://journals.iucr.org/paper?S2059798317005745
Site emploiBienvenue
