معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

Fast and memory-efficient clustering of long Molecular Dynamics

ویژگی	مقدار
سیستم عامل	-
نام فایل	bitclust-0.0.9
نام	bitclust
نسخه کتابخانه	0.0.9
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Roy González-Alemán
ایمیل نویسنده	roy.gonzalez-aleman@u-psud.fr
آدرس صفحه اصلی	https://github.com/rglez/bitclust
آدرس اینترنتی	https://pypi.org/project/bitclust/
مجوز	-

# BitClust: Fast and memory-efficient clustering of long Molecular Dynamics ## Home Page BitClust´s latest documentation is available [here](https://bitclust.readthedocs.io/en/latest/) ## Description **BitClust** is a Python command-line interface (CLI) conceived for fast clustering of relatively long Molecular Dynamics trajectories following Daura's algorithm [1]. Retrieved clusters are roughly equivalent to those reported by **VMD's** internal command **measure cluster** but they are computed in a much faster way (see benchmark section for more details). ## Motivation Nowadays very long simulations are carried on routinely. Enhanced sampling methods like metadynamics, REMD, and accelerated dynamics allow escaping from potential energy minima, returning trajectories that are conformationally sparsed and where every cluster can be potentially important to detect and analyze. Improvements on software designed to address this task is an important field of research. **BitClust** offer is a classical tradeoff; RAM for speed. It can calculate all pairwise distances between frames to run a clustering job and then store them in memory instead of recalculating them whenever a cluster is found. It is worth noting that used memory has been deeply optimized by encoding similarity distances as bits (0 if the distance is less equal than a specified threshold, 1 otherwise). This encoding result in a storage reduction as high as 32X/64X compared to similar algorithms that saves the same information as single-precision/double-precision float values. ## Main Dependencies **BitClust** is built on the shoulders of two giants: * [MDTraj software](http://mdtraj.org/1.9.0/) that allows a very fast calculation of RMSD pairwise distances between all frames of trajectories in a parallelized fashion **and** * [bitarray third-party python library](https://pypi.org/project/bitarray/) which offers a memory-efficient data structure of bit-vectors (bit arrays) and a set of bitwise operations that are the very heart of our clustering implementation. ## Citation If you make use of **BitClust** in your scientific work, **BitCool** and [cite it ;)](https://doi.org/10.1021/acs.jcim.9b00828) ## Licence **BitClust** is licensed under GNU General Public License v3.0. ## Reference [1] Daura, X.; van Gunsteren, W. F.; Jaun, B.; Mark, A. E.; Gademann, K.; Seebach, D. Peptide Folding: When Simulation Meets Experiment. Angew. Chemie Int. Ed. 1999, 38 (1/2), 236–240.

نیازمندی

مقدار	نام
==1.2.1	bitarray
-	numpy
-	pandas
-	matplotlib

نحوه نصب

نصب پکیج whl bitclust-0.0.9:

pip install bitclust-0.0.9.whl

نصب پکیج tar.gz bitclust-0.0.9:

pip install bitclust-0.0.9.tar.gz