香港科技大学黄旭辉教授：Simulating Conformational Changes of Biological Macromolecules

 时间：2016年5月11日（星期三）下午14：30
 地点：大学城校区B12-410会议室

 报告摘要：
        Simulating biologically relevant timescales at atomic resolution  using Molecular Dynamics (MD) simulations is a challenging task since  typical atomistic simulations are at least two orders of magnitude  shorter.  Markov State Models (MSMs), a kinetic network model, built  from MD simulations provide one means of overcoming this gap without  sacrificing atomic resolution by extracting long time dynamics from  short MD simulations through the coarse graining on the phase space and  time. In this talk, I will demonstrate the power of MSMs by applying it  to simulate complex conformational changes includingprotein misfolding  and functional conformational changes of a large RNA transcription  complex (close to half million atoms). In addition, I will introduce a  new efficient dynamic clustering algorithm for the automatic  construction of MSMs for multi-body systems.  We have successfully  applied this new algorithm to model the kinetics of protein-ligand  binding, and self-assembly of polymers.

 附主讲人简介：
        黄旭辉教授是香港科技大学化学系和生物工程学部教授，2006年博士毕业于哥伦比亚大学化学系并师从Bruce  Berne教授。随后他在斯坦福大学从事博士后和研究助理工作，指导老师是Michael Levitt  教授（2013年诺贝尔化学奖得主）和Vijay  Pande教授。他于2010年加入香港科技大学开展独立的科研，主要从事开发基于统计力学的算法并将之用于对复杂生物高分子(Biopolymers)构象变化的研究，并已在疏水效应和蛋白质折叠，基因转录机理研究等领域取得了突出成就。迄今已在国际顶级期刊上发表论文50余篇，包括3篇Science,1篇Nature,2篇Nature  Communications, 7篇PNAS,和5篇JACS。他获得了包括2014年美国化学学会计算化学OpenEye Outstanding  Junior Faculty Award, 2013年香港大学教育资助委员会杰出青年学者奖，和2006年美国化学学会CCG  Excellence Award在内的众多奖项。
         近五年来，黄旭辉教授主要致力于开发运用基于统计力学的马尔可夫态模型方法(MSMs)来缩小介于分子动力学模拟和实验之间在时间尺度上的鸿沟。他着力开发了多项新算法，从而大大提高了构建马尔可夫态模型的精度和效率，并使之能适用于包括分子自聚集在内的许多新的体系。黄教授运用了这些算法在诸多领域做出了显著的贡献，包括基因转录，分子识别，高分子自组装和疏水性聚集等。