Application of computational approaches in biomembranes: From structure to function

计算机科学 功能(生物学) 领域(数学) 计算模型 机制(生物学) 数据科学 纳米技术 管理科学 生化工程 人工智能 物理 工程类 生物 材料科学 数学 量子力学 进化生物学 纯数学
作者
Jingjing Guo,Yiqiong Bao,Mengrong Li,Shu Li,Lili Xi,Pengyang Xin,Lei Wu,Huanxiang Liu,Yuguang Mu
出处
期刊:Wiley Interdisciplinary Reviews: Computational Molecular Science [Wiley]
卷期号:13 (6) 被引量:6
标识
DOI:10.1002/wcms.1679
摘要

Abstract Biological membranes (biomembranes) are one of the most complicated structures that allow life to exist. Investigating their structure, dynamics, and function is crucial for advancing our knowledge of cellular mechanisms and developing novel therapeutic strategies. However, experimental investigation of many biomembrane phenomena is challenging due to their compositional and structural complexity, as well as the inherently multi‐scalar features. Computational approaches, particularly molecular dynamics (MD) simulations, have emerged as powerful tools for addressing the atomic details of biomembrane systems, driving breakthroughs in our understanding of biomembranes and their roles in cellular function. This review presents an overview of the latest advancements in related computational approaches, from force fields and model construction to MD simulations and trajectory analysis. We also discussed current hot research topics and challenges. Finally, we outline future directions, emphasizing the integration of force field development, enhanced sampling techniques, and data‐driven approaches to accelerate the growth of this field in the years to come. We aim to equip readers with an understanding of the promise and limitations of emerging computational technologies in biomembrane systems and offer valuable recommendations for future research endeavors. This article is categorized under: Structure and Mechanism > Computational Biochemistry and Biophysics Molecular and Statistical Mechanics > Molecular Dynamics and Monte‐Carlo Methods
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
科研通AI2S应助谢志超采纳,获得10
2秒前
可乐发布了新的文献求助10
4秒前
4秒前
4秒前
小艾完成签到,获得积分10
5秒前
6秒前
传奇3应助常常采纳,获得50
7秒前
7秒前
小疙瘩完成签到,获得积分20
7秒前
moji完成签到,获得积分10
8秒前
温暖的以旋完成签到,获得积分10
9秒前
felix完成签到,获得积分10
9秒前
yibo发布了新的文献求助30
10秒前
小艾发布了新的文献求助10
11秒前
huco发布了新的文献求助10
11秒前
Hui_2023发布了新的文献求助10
12秒前
钢铁加鲁鲁完成签到,获得积分0
13秒前
livrese发布了新的文献求助10
13秒前
asdewq2047完成签到,获得积分10
13秒前
14秒前
15秒前
18秒前
冷傲雨寒发布了新的文献求助10
19秒前
柚子加冰发布了新的文献求助10
19秒前
19秒前
20秒前
丘比特应助许半仙采纳,获得10
20秒前
自然篮球完成签到,获得积分20
21秒前
21秒前
22秒前
23秒前
orixero应助曾经二娘采纳,获得10
24秒前
科研通AI2S应助太渊采纳,获得10
24秒前
巫马荧完成签到,获得积分10
25秒前
搞怪鸵鸟发布了新的文献求助10
26秒前
淮雨巷陌完成签到,获得积分10
26秒前
26秒前
张海林发布了新的文献求助10
27秒前
芝兰君发布了新的文献求助10
28秒前
小疙瘩发布了新的文献求助10
28秒前
高分求助中
Evolution 10000
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 600
Distribution Dependent Stochastic Differential Equations 500
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
A new species of Velataspis (Hemiptera Coccoidea Diaspididae) from tea in Assam 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3157519
求助须知:如何正确求助?哪些是违规求助? 2808909
关于积分的说明 7879293
捐赠科研通 2467387
什么是DOI,文献DOI怎么找? 1313431
科研通“疑难数据库(出版商)”最低求助积分说明 630398
版权声明 601919