Scalable Kinetic Models: From Molecular Dynamics to Cellular Signaling

Deep-neural-network solution of the electronic Schrödinger equation

Autoren: Jan Hermann, Zeno Schätzle, Frank Noé
Veröffentlicht in: Nature Chemistry, Ausgabe 12/10, 2020, Seite(n) 891-897, ISSN 1755-4330
Herausgeber: Nature Publishing Group
DOI: 10.1038/s41557-020-0544-y

TorchMD: A Deep Learning Framework for Molecular Simulations

Autoren: Stefan Doerr, Maciej Majewski, Adrià Pérez, Andreas Krämer, Cecilia Clementi, Frank Noe, Toni Giorgino, Gianni De Fabritiis
Veröffentlicht in: Journal of Chemical Theory and Computation, Ausgabe 17/4, 2021, Seite(n) 2355-2363, ISSN 1549-9618
Herausgeber: American Chemical Society
DOI: 10.1021/acs.jctc.0c01343

Machine learning for protein folding and dynamics

Autoren: Frank Noé, Gianni De Fabritiis, Cecilia Clementi
Veröffentlicht in: Current Opinion in Structural Biology, Ausgabe 60, 2020, Seite(n) 77-84, ISSN 0959-440X
Herausgeber: Elsevier BV
DOI: 10.1016/j.sbi.2019.12.005

Convergence to the fixed-node limit in deep variational Monte Carlo

Autoren: Z. Schätzle, J. Hermann, F. Noé
Veröffentlicht in: The Journal of Chemical Physics, Ausgabe 154/12, 2021, Seite(n) 124108, ISSN 0021-9606
Herausgeber: American Institute of Physics
DOI: 10.1063/5.0032836

Coarse graining molecular dynamics with graph neural networks

Autoren: Brooke E. Husic, Nicholas E. Charron, Dominik Lemm, Jiang Wang, Adrià Pérez, Maciej Majewski, Andreas Krämer, Yaoyi Chen, Simon Olsson, Gianni de Fabritiis, Frank Noé, Cecilia Clementi
Veröffentlicht in: The Journal of Chemical Physics, Ausgabe 153/19, 2020, Seite(n) 194101, ISSN 0021-9606
Herausgeber: American Institute of Physics
DOI: 10.1063/5.0026133

Discovery of a hidden transient state in all bromodomain families

Autoren: Lluís Raich, Katharina Meier, Judith Günther, Clara D. Christ, Frank Noé, Simon Olsson
Veröffentlicht in: Proceedings of the National Academy of Sciences, Ausgabe 118/4, 2021, Seite(n) e2017427118, ISSN 0027-8424
Herausgeber: National Academy of Sciences
DOI: 10.1073/pnas.2017427118

Structure and assembly of the mitochondrial membrane remodelling GTPase Mgm1

Autoren: Katja Faelber, Lea Dietrich, Jeffrey K. Noel, Florian Wollweber, Anna-Katharina Pfitzner, Alexander Mühleip, Ricardo Sánchez, Misha Kudryashev, Nicolas Chiaruttini, Hauke Lilie, Jeanette Schlegel, Eva Rosenbaum, Manuel Hessenberger, Claudia Matthaeus, Séverine Kunz, Alexander von der Malsburg, Frank Noé, Aurélien Roux, Martin van der Laan, Werner Kühlbrandt, Oliver Daumke
Veröffentlicht in: Nature, Ausgabe 571/7765, 2019, Seite(n) 429-433, ISSN 0028-0836
Herausgeber: Nature Publishing Group
DOI: 10.1038/s41586-019-1372-3

What Markov State Models Can and Cannot Do: Correlation versus Path-Based Observables in Protein-Folding Models

Autoren: Ernesto Suárez, Rafal P. Wiewiora, Chris Wehmeyer, Frank Noé, John D. Chodera, Daniel M. Zuckerman
Veröffentlicht in: Journal of Chemical Theory and Computation, Ausgabe 17/5, 2021, Seite(n) 3119-3133, ISSN 1549-9618
Herausgeber: American Chemical Society
DOI: 10.1021/acs.jctc.0c01154

Learning continuous and data-driven molecular descriptors by translating equivalent chemical representations

Autoren: Robin Winter, Floriane Montanari, Frank Noé, Djork-Arné Clevert
Veröffentlicht in: Chemical Science, Ausgabe 10/6, 2019, Seite(n) 1692-1701, ISSN 2041-6520
Herausgeber: Royal Society of Chemistry
DOI: 10.1039/c8sc04175j

Machine Learning for Molecular Simulation

Autoren: Frank Noé, Alexandre Tkatchenko, Klaus-Robert Müller, Cecilia Clementi
Veröffentlicht in: Annual Review of Physical Chemistry, Ausgabe 71/1, 2020, Seite(n) 361-390, ISSN 0066-426X
Herausgeber: Annual Reviews, Inc.
DOI: 10.1146/annurev-physchem-042018-052331

Machine Learning of Coarse-Grained Molecular Dynamics Force Fields

Autoren: Jiang Wang, Simon Olsson, Christoph Wehmeyer, Adrià Pérez, Nicholas E. Charron, Gianni de Fabritiis, Frank Noé, Cecilia Clementi
Veröffentlicht in: ACS Central Science, 2019, ISSN 2374-7943
Herausgeber: American Chemical Society
DOI: 10.1021/acscentsci.8b00913

Dynamic graphical models of molecular kinetics

Autoren: Simon Olsson, Frank Noé
Veröffentlicht in: Proceedings of the National Academy of Sciences, Ausgabe 116/30, 2019, Seite(n) 15001-15006, ISSN 0027-8424
Herausgeber: National Academy of Sciences
DOI: 10.1073/pnas.1901692116

Boltzmann generators: Sampling equilibrium states of many-body systems with deep learning

Autoren: Frank Noé, Simon Olsson, Jonas Köhler, Hao Wu
Veröffentlicht in: Science, Ausgabe 365/6457, 2019, Seite(n) eaaw1147, ISSN 0036-8075
Herausgeber: American Association for the Advancement of Science
DOI: 10.1126/science.aaw1147

Deflation reveals dynamical structure in nondominant reaction coordinates

Autoren: Brooke E. Husic, Frank Noé
Veröffentlicht in: The Journal of Chemical Physics, Ausgabe 151/5, 2019, Seite(n) 054103, ISSN 0021-9606
Herausgeber: American Institute of Physics
DOI: 10.1063/1.5099194

Variational selection of features for molecular kinetics

Autoren: Martin K. Scherer, Brooke E. Husic, Moritz Hoffmann, Fabian Paul, Hao Wu, Frank Noé
Veröffentlicht in: The Journal of Chemical Physics, Ausgabe 150/19, 2019, Seite(n) 194108, ISSN 0021-9606
Herausgeber: American Institute of Physics
DOI: 10.1063/1.5083040

Identification of kinetic order parameters for non-equilibrium dynamics

Autoren: Fabian Paul, Hao Wu, Maximilian Vossel, Bert L. de Groot, Frank Noé
Veröffentlicht in: The Journal of Chemical Physics, Ausgabe 150/16, 2019, Seite(n) 164120, ISSN 0021-9606
Herausgeber: American Institute of Physics
DOI: 10.1063/1.5083627

Targeted Adversarial Learning Optimized Sampling

Autoren: Jun Zhang, Yi Isaac Yang, Frank Noé
Veröffentlicht in: The Journal of Physical Chemistry Letters, Ausgabe 10/19, 2019, Seite(n) 5791-5797, ISSN 1948-7185
Herausgeber: American Chemical Society
DOI: 10.1021/acs.jpclett.9b02173

Kernel methods for detecting coherent structures in dynamical data

Autoren: Stefan Klus, Brooke E. Husic, Mattes Mollenhauer, Frank Noé
Veröffentlicht in: Chaos: An Interdisciplinary Journal of Nonlinear Science, Ausgabe 29/12, 2019, Seite(n) 123112, ISSN 1054-1500
Herausgeber: American Institute of Physics
DOI: 10.1063/1.5100267

Nanoscale coupling of endocytic pit growth and stability

Autoren: Martin Lehmann, Ilya Lukonin, Frank Noé, Jan Schmoranzer, Cecilia Clementi, Dinah Loerke, Volker Haucke
Veröffentlicht in: Science Advances, Ausgabe 5/11, 2019, Seite(n) eaax5775, ISSN 2375-2548
Herausgeber: AAAS
DOI: 10.1126/sciadv.aax5775

Collective hydrogen-bond rearrangement dynamics in liquid water

Autoren: R. Schulz, Y. von Hansen, J. O. Daldrop, J. Kappler, F. Noé, R. R. Netz
Veröffentlicht in: The Journal of Chemical Physics, Ausgabe 149/24, 2018, Seite(n) 244504, ISSN 0021-9606
Herausgeber: American Institute of Physics
DOI: 10.1063/1.5054267

Efficient multi-objective molecular optimization in a continuous latent space

Autoren: Robin Winter, Floriane Montanari, Andreas Steffen, Hans Briem, Frank Noé, Djork-Arné Clevert
Veröffentlicht in: Chemical Science, Ausgabe 10/34, 2019, Seite(n) 8016-8024, ISSN 2041-6520
Herausgeber: Royal Society of Chemistry
DOI: 10.1039/c9sc01928f

Diffusion-influenced reaction rates in the presence of pair interactions

Autoren: Manuel Dibak, Christoph Fröhner, Frank Noé, Felix Höfling
Veröffentlicht in: The Journal of Chemical Physics, Ausgabe 151/16, 2019, Seite(n) 164105, ISSN 0021-9606
Herausgeber: American Institute of Physics
DOI: 10.1063/1.5124728

Reversible Interacting-Particle Reaction Dynamics

Autoren: Christoph Fröhner, Frank Noé
Veröffentlicht in: The Journal of Physical Chemistry B, Ausgabe 122/49, 2018, Seite(n) 11240-11250, ISSN 1520-6106
Herausgeber: American Chemical Society
DOI: 10.1021/acs.jpcb.8b06981

Reactive SINDy: Discovering governing reactions from concentration data

Autoren: Moritz Hoffmann, Christoph Fröhner, Frank Noé
Veröffentlicht in: The Journal of Chemical Physics, Ausgabe 150/2, 2019, Seite(n) 025101, ISSN 0021-9606
Herausgeber: American Institute of Physics
DOI: 10.1063/1.5066099

ReaDDy 2: Fast and flexible software framework for interacting-particle reaction dynamics

Autoren: Moritz Hoffmann, Christoph Fröhner, Frank Noé
Veröffentlicht in: PLOS Computational Biology, Ausgabe 15/2, 2019, Seite(n) e1006830, ISSN 1553-7358
Herausgeber: PLOS
DOI: 10.1371/journal.pcbi.1006830

The mechanism of RNA base fraying: Molecular dynamics simulations analyzed with core-set Markov state models

Autoren: Giovanni Pinamonti, Fabian Paul, Frank Noé, Alex Rodriguez, Giovanni Bussi
Veröffentlicht in: The Journal of Chemical Physics, Ausgabe 150/15, 2019, Seite(n) 154123, ISSN 0021-9606
Herausgeber: American Institute of Physics
DOI: 10.1063/1.5083227?journalcode=jcp

Markov Models of Molecular Kinetics

Autoren: Frank Noé, Edina Rosta
Veröffentlicht in: The Journal of Chemical Physics, Ausgabe 151/19, 2019, Seite(n) 190401, ISSN 0021-9606
Herausgeber: American Institute of Physics
DOI: 10.1063/1.5134029

OpenPathSampling: A Python Framework for Path Sampling Simulations. 1. Basics

Autoren: David W. H. Swenson, Jan-Hendrik Prinz, Frank Noe, John D. Chodera, Peter G. Bolhuis
Veröffentlicht in: Journal of Chemical Theory and Computation, Ausgabe 15/2, 2018, Seite(n) 813-836, ISSN 1549-9618
Herausgeber: American Chemical Society
DOI: 10.1021/acs.jctc.8b00626

Molecular mechanism of inhibiting the SARS-CoV-2 cell entry facilitator TMPRSS2 with camostat and nafamostat

Autoren: Tim Hempel, Lluís Raich, Simon Olsson, Nurit P. Azouz, Andrea M. Klingler, Markus Hoffmann, Stefan Pöhlmann, Marc E. Rothenberg, Frank Noé
Veröffentlicht in: Chemical Science, 2021, ISSN 2041-6520
Herausgeber: Royal Society of Chemistry
DOI: 10.1039/d0sc05064d

Large-scale simulation of biomembranes incorporating realistic kinetics into coarse-grained models

Autoren: Mohsen Sadeghi, Frank Noé
Veröffentlicht in: Nature Communications, Ausgabe 11/1, 2020, ISSN 2041-1723
Herausgeber: Nature Publishing Group
DOI: 10.1038/s41467-020-16424-0

Neural mode jump Monte Carlo

Autoren: Luigi Sbailò, Manuel Dibak, Frank Noé
Veröffentlicht in: The Journal of Chemical Physics, Ausgabe 154/7, 2021, Seite(n) 074101, ISSN 0021-9606
Herausgeber: American Institute of Physics
DOI: 10.1063/5.0032346

Neuraldecipher – reverse-engineering extended-connectivity fingerprints (ECFPs) to their molecular structures

Autoren: Tuan Le, Robin Winter, Frank Noé, Djork-Arné Clevert
Veröffentlicht in: Chemical Science, Ausgabe 11/38, 2020, Seite(n) 10378-10389, ISSN 2041-6520
Herausgeber: Royal Society of Chemistry
DOI: 10.1039/d0sc03115a

Coupling of Conformational Switches in Calcium Sensor Unraveled with Local Markov Models and Transfer Entropy

Autoren: Tim Hempel, Nuria Plattner, Frank Noé
Veröffentlicht in: Journal of Chemical Theory and Computation, Ausgabe 16/4, 2020, Seite(n) 2584-2593, ISSN 1549-9618
Herausgeber: American Chemical Society
DOI: 10.1021/acs.jctc.0c00043

Ensemble learning of coarse-grained molecular dynamics force fields with a kernel approach

Autoren: Jiang Wang, Stefan Chmiela, Klaus-Robert Müller, Frank Noé, and Cecilia Clementi
Veröffentlicht in: Journal of Chemical Physics, 2020, ISSN 1089-7690
Herausgeber: America Institute of Physics
DOI: 10.1063/5.0007276

Deep learning Markov and Koopman models with physical constraints

Autoren: Andreas Mardt, Luca Pasquali, Frank Noé and Hao Wu
Veröffentlicht in: Proceedings of The First Mathematical and Scientific Machine Learning Conference, 2020
Herausgeber: PMLR

Deep Generative Markov State Models

Autoren: Hao Wu, Andreas Mardt, Luca Pasquali, Frank Noe
Veröffentlicht in: Proceedings of Neural Information Processing Systems (NeurIPS), Ausgabe 32nd Conference on Neural Information Processing Systems (NeurIPS 2018), 2018
Herausgeber: -

Equivariant Flows: Exact Likelihood Generative Learning for Symmetric Densities

Autoren: Jonas Köhler, Leon Klein, Frank Noe
Veröffentlicht in: 2020
Herausgeber: PMLR

Stochastic Normalizing Flows

Autoren: Hao Wu, Jonas Köhler and Frank Noé
Veröffentlicht in: 2020
Herausgeber: NeurIPS

Machine Learning for Molecular Dynamics on Long Timescales

Autoren: Frank Noé
Veröffentlicht in: Machine Learning Meets Quantum Physics, Ausgabe 968, 2020, Seite(n) 331-372, ISBN 978-3-030-40244-0
Herausgeber: Springer International Publishing
DOI: 10.1007/978-3-030-40245-7_16

Veröffentlichungen

Diese Seite teilen

Herunterladen