数据集概述
本数据集为论文“Enhanced Sampling of Biomolecular Slow Conformational Transitions Using Adaptive Sampling and Machine Learning”的官方实现，包含Ala2和Ala10两个示例的MD模拟轨迹（PLUMED COLVAR文件）、自动化模拟 pipeline 代码及结果复现所需的分析脚本，支持论文主文本与补充材料的结果验证。
文件详解
- 文件名称：
ALICE_ala2_ala10.zip
- 文件格式：ZIP
- 字段映射介绍：压缩包内包含Ala2和Ala10两个示例的目录结构，核心内容包括：
- 系统构建文件：如
Ala2/1-topol/topol.top（Gromacs拓扑文件）
- 模拟 pipeline 代码：如
Ala2/7-adaptive-40ps/ala2.ipynb（自动化模拟实现）
- 分析脚本：如
AdaptiveSamplingAnalysis.ipynb（自适应采样分析）、compare_with_msm.ipynb（MSM对比分析）
- 模拟轨迹与结果文件：如PLUMED COLVAR文件、OPES模拟数据、种子索引文件等
- 原始图表文件：主文本与补充材料的600dpi图表存储于
Ala2/7-adaptive-40ps/figures/
数据来源
论文“Enhanced Sampling of Biomolecular Slow Conformational Transitions Using Adaptive Sampling and Machine Learning”
适用场景
- 生物分子构象转变研究：分析Ala2、Ala10等多肽的慢构象转变过程与机制
- 增强采样方法验证：复现自适应采样结合机器学习的增强采样效果，评估其对生物分子模拟效率的提升
- 计算生物学 pipeline 开发：参考自动化模拟 pipeline 的实现逻辑，构建定制化的MD模拟工作流
- 分子动力学结果复现：利用分析脚本重现论文中的构象轨迹、自由能面（FES）及MSM对比等关键结果
- 机器学习与MD模拟融合研究：探索机器学习模型在生物分子模拟数据处理与分析中的应用
