Struktur

Perspektif

Grafik Molekuler: Menjembatani Ahli Biologi

Struktural dan Ilmuwan Komputer
Xaverius Martinez,1 Michael Krona,2 Naif Alharbi,3 Alexander S.Rose,4 Robert S. Laramee,3 Sean O'Donoghue,5,6,7
Marc Baden,1 dan Matthieu Chavent8,*
1Laboratoire de Biochimie Théorique, CNRS, UPR9080, Institut de Biologie Physico-Chimique, Paris, Prancis
2Analisis Visual Big Data dalam Ilmu Hayati, University of Tu €bingen, Tu €bingen, Jerman
3Departemen Ilmu Komputer, Swansea University, Swansea, Wales, Inggris Raya
4Bank Data Protein RCSB, Pusat Superkomputer San Diego, Universitas California, San Diego, AS
5Institut Penelitian Medis Garvan, Sydney, Australia
6Universitas New South Wales (UNSW), Sydney, Australia
7CSIRO Data61, Sydney, Australia
8Institut de Pharmacologie et de Biologie Structurale IPBS, Université de Toulouse, CNRS, UPS, Toulouse, Prancis

* Korespondensi: matthieu.chavent@ipbs.fr https://

doi.org/10.1016/j.str.2019.09.001

Visualisasi struktur molekul adalah salah satu tugas paling umum yang dilakukan oleh ahli biologi struktural, biasanya
menggunakan perangkat lunak, seperti Chimera, COOT, PyMOL, atau VMD. Dalam artikel Perspektif ini, kami menguraikan
bagaimana perkembangan masa lalu dalam grafik komputer dan visualisasi data telah memperluas pemahaman fungsi
biomolekuler, dan kami merangkum kemajuan terbaru yang menjanjikan untuk lebih mengubah biologi struktural. Kami
juga menyoroti bagaimana kemajuan dalam grafik molekuler telah terhambat oleh hambatan komunikasi antara dua
komunitas: ilmuwan komputer yang mendorong kemajuan ini, dan ahli biologi struktural dan komputasi yang akan
diuntungkan. Dengan menunjuk ke makalah kanonik dan menjelaskan kemajuan teknis yang mendasari perkembangan
grafis baru secara sederhana, kami bertujuan untuk meningkatkan komunikasi antara komunitas ini; ini, pada gilirannya,

dalam grafik molekuler.

Alat dan metode grafik molekuler telah dikembangkan secara aktif
selama lebih dari 50 tahun, selalu terkait erat dengan kemajuan
perangkat keras komputer (Levinthal, 1966). Sejak awal,
perkembangan utama dalam grafik molekuler menarik minat dari
berbagai ilmuwan—oleh karena itu, beberapa diterbitkan dalam
jurnal generalis, seperti Science (Langridge et al., 1981). Saat ini,
bagaimanapun, bidang telah terfragmentasi menjadi dua
komunitas utama: kemajuan dalam grafik komputer hampir selalu
dilaporkan dalam publikasi yang ditujukan untuk ilmuwan
komputer, sementara aplikasi grafik komputer yang mengungkap
wawasan biologis baru dilaporkan dalam jurnal yang ditujukan
untuk ahli biologi struktural. Dua masalah utama yang disebabkan
oleh fragmentasi ini adalah bahwa publikasi seringkali sulit diakses
oleh para ilmuwan di luar subbidangnya masing-masing, dan
interaksi antara kedua komunitas itu rendah karena mereka jarang
menghadiri pertemuan yang sama. Sebagai akibat dari masalah ini,
banyak ahli biologi struktural tidak menyadari kemajuan terbaru
dalam metode grafik molekuler; sebaliknya, ilmuwan komputer
yang bekerja dalam grafik molekuler tidak selalu menyadari, atau
fokus pada,
Artikel Perspektif ini bertujuan untuk membantu mengatasi beberapa
masalah di atas. Kita mulai dengan meninjau secara singkat hal-hal penting
dalam sejarah grafik molekuler. Kami kemudian menguraikan bagaimana
beberapa metode visualisasi komputasi inti yang saat ini digunakan dalam
alat grafik molekuler dapat digunakan untuk meningkatkan pemahaman
tentang struktur biomolekuler. Akhirnya, kami menyoroti tantangan yang
muncul dalam biologi struktural dan bagaimana mereka dapat diatasi dengan
kemajuan dalam grafik komputer dan oleh platform perangkat lunak baru
(misalnya, augmented reality).
Sejarah Singkat Grafik Molekuler
Di sini kami menyajikan sejarah singkat grafik molekuler, untuk
pembaca yang tertarik, ulasan yang lebih luas baru-baru ini
diterbitkan (Olson, 2018). Beberapa momen penting dalam grafik
molekuler dirangkum dalam:Gambar 1, bersama dengan artikel
ulasan terbaru. Grafik molekuler paling awal adalah gambar tangan
dan model fisik (Richardson dan Richardson, 2013); karena ini mulai
digantikan oleh grafik komputer, fokus awal utama adalah
menciptakan representasi visual baru yang membantu dalam
memahami fungsi biomolekuler dengan menekankan fitur
struktural penting. Dua contoh mencolok adalah: (1) representasi
pita yang dikembangkan oleh JaneRichardson (1977) dan (2)
representasi permukaan molekul yang dikembangkan oleh Michael
Connolly (1983a). Perkembangan seperti itu sangat mengubah
praktik biologi struktural, yang mengarah pada peluncuranJurnal
Grafik Molekuler pada tahun 1983, pertama memberikan bidang
jurnal khusus sendiri. Sejak itu, sejumlah besar alat grafis
molekuler telah dikembangkan. Ulasan dariDewi dan Ferrin (2007),
O'Donoghue dkk. (2010), dan Johnson dan Hertig (2014) mendiskusikan alat
yang tersedia dan membantu mengidentifikasi metode visualisasi terbaik
untuk menjawab pertanyaan biologis tertentu.
Dalam beberapa tahun terakhir, biologi struktural menjadi semakin
saling berhubungan dengan banyak jenis data lainnya (Saya dkk., 2016),
dan tantangan visualisasi telah berpindah dari pandangan statis
molekul tunggal menuju tampilan dinamis skala yang jauh lebih besar,
seperti virus utuh, organel subseluler, atau bahkan seluruh sel (lihat
juga Goodsell et al., 2018). Tantangan-tantangan ini telah mengilhami
penelitian intensif dalam komunitas grafis komputer, yang bertujuan
untuk menciptakan solusi yang memanfaatkan arus

Struktur 27, 5 November 2019 ª 2019 Elsevier Ltd. 1617

 Struktur

Perspektif

Gambar 1. Sejarah Singkat Grafik Molekuler

Daftar survei yang menunjukkan rentang waktu mereka, jumlah referensi yang dikutip per tahun, jumlah referensi, dan rasio makalah yang berasal dari biologi struktural dan grafik
komputer dan bidang visualisasi, masing-masing. Jika sebuah artikel mengacu pada kedua jenis referensi untuk tahun yang sama, sel akan dibagi menjadi dua baris dengan warna berbeda.
Biru mengacu pada artikel yang berorientasi pada audiens yang lebih umum (biologi struktural), sedangkan merah menggambarkan lebih banyak artikel teknis yang umumnya diterbitkan
dalam jurnal dan konferensi dari komunitas grafik komputer. Gambar di sekitar diagram menyajikan tonggak untuk visualisasi molekuler: dari gambar tangan mioglobin oleh IrvingGeis
(Ilustrasi, IrvingGeis. Digunakan dengan izin dari Howard HughesMedical Institute;www.hhmi.org. Semua hak dilindungi undang-undang) dan diagram pita yang dirancang oleh Jane
Richardson untuk representasi yang lebih canggih, seperti permukaan molekul. Permukaan ini pertama kali diproses sebagai gambar statis. Selama awal 1990-an hingga 2000-an, dengan
munculnya pemirsa molekuler, dimungkinkan untuk menampilkan semua representasi ini secara interaktif (di sini, adegan yang dirender dengan VMD). Dari pertengahan 2000-an,
perkembangan teknis yang dilakukan di laboratorium grafik komputer mengubah cara memvisualisasikan struktur molekul dengan rendering bentuk molekul yang lebih baik. Sekarang,
dimungkinkan untuk secara interaktif membangun dan memvisualisasikan sistem yang ramai dan besar, membuka jalan bagi model skala meso (mencakup ribuan Angstrom dan
mengandung jutaan molekul) dengan resolusi hampir atom.

kemampuan unit prosesor grafis (GPU) (Chavent dkk., 2011), serta
analisis baru dan pendekatan imersif (Hirst et al., 2014).
Perkembangan terakhir ini dirangkum dalam tiga ulasan mutakhir
tentang grafik molekuler, masing-masing menjelaskan
perkembangan teknis yang dapat membantu ahli biologi struktural
memilih algoritme terbaik untuk tujuan khusus. Ulasan oleh
Kozlikova dkk, (2017) merinci algoritme yang dapat digunakan
untuk merender dari molekul kecil ke rakitan makromolekul besar,
seperti mikrotubulus. Dua ulasan lainnya (Krone dkk., 2016; Simões
et al., 2017) fokus pada deteksi dan visualisasi rongga pada
permukaan protein.
Banyak dari perkembangan di atas dalam grafik komputer pertama
kali dibuat sebagai prototipe penelitian, daripada implementasi yang
dapat digunakan, dan telah dilaporkan dalam publikasi ilmu komputer.
Akibatnya, sementara beberapa kemajuan digabungkan dalam alat
grafis molekuler yang banyak digunakan (misalnya, VMD,Krone dkk.,
2012; Batu dkk., 2016; atau Chimera,Goddard dkk., 2018), sayangnya—
seperti yang sudah dicatat 10 tahun yang lalu (Goddard dan Ferrin, 2007)
—banyak perkembangan tetap tidak digunakan oleh komunitas biologi
struktural. Ini terbukti dari sebagian kecil makalah grafik komputer yang
dikutip dalam ulasan terbaru yang diterbitkan untuk ahli biologi
struktural (Gambar 1).

1618 Struktur 27, 5 November 2019

Struktur
Perspektif
Jadi, salah satu tujuan kami di sini adalah untuk menyajikan beberapa
metode komputasi utama yang biasa digunakan untuk grafik molekuler, dan
menyoroti bagaimana metode ini dapat membantu mengatasi tantangan
yang muncul dalam biologi struktural. DalamInformasi suplemen
kami menyajikan beberapa metode lebih lanjut, yang lebih baru, yang belum
diterapkan pada pemirsa molekuler yang dapat diakses secara luas.
Efek Pencahayaan dan Bayangan untuk Meningkatkan Persepsi
Struktur 3D
Seperti hampir semua objek 3D yang kompleks, rendering struktur molekul
dalam 2D (misalnya, pada layar komputer atau di atas kertas) memerlukan
kompromi, distorsi, dan penghilangan. Untuk mengimbanginya, berbagai
efek visual digunakan untuk mengomunikasikan bentuk 3D yang sebenarnya
dengan lebih baik. Beberapa efek visual yang paling umum berhubungan
dengan pencahayaan dan bayangan; untuk grafik molekuler, efek ini dapat
membantu pengguna lebih memahami organisasi spasial keseluruhan dari
biomolekul kompleks (Gambar 2).
Saat ini, sebagian besar alat grafik molekuler menggunakan
perkiraan pencahayaan berbasis fisik yang disebut Model Blinn-Phong
(Blinn, 1977; Phong, 1975). Ini memodelkan pantulan cahaya dari permukaan 3D
menggunakan tiga istilah (lihatGambar S1): (1) istilah ambien yang sama-sama
mencerahkan semua objek dalam pemandangan, sehingga memodelkan seragam,
penerangan global; (2) istilah difus yang memodelkan pantulan dari sumber cahaya
tertentu pada permukaan kasar, sehingga secara selektif mencerahkan dan
menggelapkan bagian permukaan; dan (3) istilah spekular yang memodelkan
pantulan dari sumber cahaya spesifik pada permukaan mengkilap, menghasilkan
sorotan spekular. Bersama-sama, istilah-istilah ini memberikan model pencahayaan
yang cukup realistis untuk objek 3D yang halus (Gambar 2SEBUAH); namun, salah
satu batasan utama model ini adalah model ini tidak dapat menyampaikan
bayangan yang dilemparkan di antara objek. Untuk mengatasi keterbatasan ini,
berbagai strategi komputasi telah dikembangkan (Tabel S1)—beberapa dapat secara
efisien
menghitung bayangan untuk sistem molekul besar (Krona
dkk., 2017).
Untuk lebih meningkatkan struktur 3D, metode di atas dapat
dikombinasikan dengan Oklusi ambien (AO), efek bayangan yang
menggelapkan bagian struktur yang terkubur (atau tertutup)—
kebanyakan rongga dan celah—untuk mendekati pencahayaan non-
arah (yaitu, global atau ambien) (Gambar 2B). Untuk molekul 3D statis,
AO telah tersedia selama lebih dari 10 tahun melalui QuteMol (http://
qutemol.sourceforge.net) penonton (Tarini et al., 2006). AO juga tersedia
di alat grafik molekuler populer, seperti VMD
Gambar 2. Efek Pencahayaan dan Rendering
Permukaan
(A) Penyajian Blinn-Phong (BP) Dasar.
(B) Penambahan pencahayaan ambient oclusion (AO) ke BP.
(C) Render non-fotorealistik (warna dan garis datar) dengan
AO. (A–C) Angka yang dirender denganMol*, visualisasi 3D
tersedia dihttps://molstar.org/ demos/lighting/.
(D) Render fotorealistik (render UnityMol).
(E) Menyoroti jalur molekul dengan memfokuskan cahaya
pada jalur dan memotong permukaan di sepanjang jalur.
(F) Abstraksi permukaan molekuler dan penambahan
penanda pada permukaan.
(G) Render QuickSurf dari kapsid virus. (A–D dan F)
Ribonuklease dengan molekul ad(ACGA) (PDB: 1M07).
(contoh dan tutorial: https://www.ks.uiuc.edu/Research/vmd/
minitutorials/tachyonao/) (Humphrey et al., 1996) (Gambar 2G),
PyMOL (tutorial singkat: https://pymol.org/dokuwiki/doku.php?
id=media:ambient_oklusi.) dan, baru-baru ini, ChimeraX (Goddard
dkk., 2018).
Pelacakan sinar adalah metode untuk simulasi pencahayaan yang
lebih realistis dengan menghitung jalur yang akan dilalui foton dari
setiap sumber cahaya ke titik pandang, memperhitungkan pantulan
(pelacak sinar yang mudah digunakan yang tersedia di browser web
dapat diuji di alamat: http://lighttracer.org; LihatInformasi suplemen
tentang cara menggunakannya permukaan formolekuler). Ini
menghasilkan rendering fotorealistik (Gambar 2D), tetapi biasanya
membutuhkan daya komputasi yang signifikan. Ray tracing sering
digunakan dalam membuat gambar statis berkualitas tinggi untuk karya
seni dan gambar sampul. Metode ini dapat berguna saat merender
molekul untuk realitas virtual (VR) dan realitas tertambah (AR), karena
rendering yang realistis memudahkan pengguna untuk membenamkan
diri dalam lingkungan ini. Baru-baru ini, VMD telah menyertakan
berbasis CPU (https://www.ospray.org) dan berbasis GPU (https://
developer.nvidia.com/optix) metode penelusuran sinar yang secara
interaktif dapat menampilkan sistem molekul besar dan dinamis
(hingga puluhan juta atom; Batu dkk., 2016). Kelompok metode lain,
yang disebutnon-fotorealistik rendering, bertujuan untuk menyorot fitur
yang dipilih sambil menyembunyikan yang lain. Salah satu metode ini,
yang dikenal sebagaibayangan sel (''cel'' untuk seluloid) atau toon-
shading, mengurangi bayangan dan menambahkan garis tebal untuk
menyorot siluet molekul, sehingga menciptakan rendering seperti
kartun yang rata. Cel-shading digunakan oleh David Goodsell dalam
banyak rendering terkenal dari lanskap biomolekuler yang ramai (
Goodsell et al., 2018). Untuk grafik molekuler, rendering non-
fotorealistik seringkali efektif dalam kombinasi dengan AO (lihat juga
contoh cel-shading + AO dalam Molekul Bulan Ini oleh D. Goodsell:
https://pdb101.rcsb.org/motm/motm-by-date) (Tarini et al., 2006) (
Gambar 2C). Pembaca juga dapat memeriksa secara online perbedaan
antara pencahayaan standar (dengan dan tanpa AO) dan rendering non-
fotorealistik pada molekul yang berbeda dihttps://molstar.org/demos/
lighting/. Pencahayaan juga dapat digunakan untuk menjelaskan aspek
spesifik dari struktur biomolekuler: misalnya,Lindow dkk. (2011)
menggambarkan cara menarik menggunakan pencahayaan untuk
menyorot terowongan dan saluran dalam molekul besar (Gambar 2E).
Tabel S1 memberikan daftar metode mutakhir untuk menerapkan efek
pencahayaan dan bayangan secara efisien yang disajikan di bagian ini.
Struktur 27, 5 November 2019 1619

Gambar 3. Dinamika dan Fleksibilitas
(A) Efek blur untuk membuat fleksibilitas lokal dari residu (render UnityMol).
(B) Pada skala yang lebih besar, dimungkinkan untuk membuat fleksibilitas untuk area yang lebih luas dengan
menggunakan plot sosis (render VMD).
(C) Gerakan rotasi dan arah yang besar dapat digambarkan dengan panah dan busur
(berdasarkan Bryden dkk., 2012).
Rendering Permukaan Molekul untuk Menyoroti Sifat
Biomolekuler
Untuk menyampaikan bentuk 3D dengan lebih baik, strategi yang umum digunakan dalam
grafik molekuler adalah menyederhanakan representasi; alih-alih menunjukkan setiap atom
sebagai bola van derWaals (vdW) (Angka 2A–2D), hanya keseluruhan permukaan molekul
yang ditampilkan. Sebuah tinjauan baru-baru ini secara mendalam menjelaskan metode
yang tersedia untuk menghitung permukaan ini (Kozlikova dkk., 2017). Di bawah ini, kami
menyajikan metode kunci dan bagaimana mereka dapat digunakan untuk menyoroti sifat
biomolekuler tertentu.
Salah satu metode permukaan molekul yang paling umum digunakan,
dijelaskan oleh: Connolly (1983a, 1983b), didefinisikan dengan menggulung
probe bulat kira-kira seukuran molekul air. Probe yang tidak bersentuhan
dengan atom menghilangkan material, meninggalkan celah yang tidak dapat
diakses terisi. Dengan demikian, hasilnya sering disebutPermukaan
Pengecualian Pelarut (SE). Berkat perkembangan terakhir dengan
perhitungan berbasis GPU, SES sekarang sering dapat dihasilkan secara
interaktif (Krone dkk., 2009; Lindowet al., 2010) (detail lebih lanjut tentang
algoritma SES terbaru di Tabel S2). Mengganti probe air bulat dengan ligan
yang lebih besar untuk mengukir permukaan,Lindow dkk. (2014)mengusulkan
Permukaan yang Dikecualikan Ligan, yang mungkin lebih menggambarkan
permukaan protein yang dapat diakses oleh ligan tertentu serta membantu
untuk fokus pada rongga yang lebih cocok untuk ligan ini.
Membangun SES dengan bola bergulir dapat menyebabkan artefak seperti
permukaan yang berpotongan sendiri dan titik serta tepi yang tajam (Bates
dkk., 2008; Vorobjev dan Hermans, 1997), yang dapat mengakibatkan
perhitungan yang tidak akurat dari sifat-sifat molekuler yang bergantung
pada permukaan yang memiliki batas luar dan dalam yang terdefinisi dengan
baik atau batas yang halus (Geng dkk., 2007). Beberapa permukaan halus
telah dikembangkan. baru-baru iniPermukaan Kulit Molekul
dikembangkan oleh Edelsbrunner (1999) belum begitu umum, tetapi
memiliki definisi matematis yang menarik yang menjamin permukaan
yang halus dan mendukung komputasi yang cepat pada CPU dan GPU (
Chavent dkk., 2008; Lindow et al., 2010) (Lihat Gambar 1,
2008). Itu memang menggunakan parameter penyusutan yang tidak
terikat langsung dengan ukuran molekul pelarut.Cipriano dan Gleicher
(2007) disajikan Abstraksi Permukaan Molekul, yang didasarkan pada SES
tetapi menghaluskan area frekuensi tinggi untuk menyederhanakan
representasi tetapi mempertahankan bentuk keseluruhan (Gambar 2F).
Dengan menambahkan spidol di permukaan, area penting, seperti kantong
pengikat ligan, disorot. Untuk memvisualisasikan besar secara interaktif
1620 Struktur 27, 5 November 2019
Struktur
Perspektif
sistem, seperti kapsid virus, smooth Permukaan Kepadatan
Gaussian dapat digunakan. Krona dkk. (2012)mengusulkan
implementasi GPU cepat yang tersedia di VMD penampil molekuler,
yang disebut Selancar cepat. Representasi ini mengurangi detail
permukaan untuk menghindari tampilan yang berantakan saat
mempercepat rendering permukaan (Gambar 2G). Di luar
representasi permukaan molekul, penelitian grafik komputer maju
pada rendering volume untuk memvisualisasikan peta kepadatan
dari kristalografi sinar-X atau dari mikroskop cryoelectron. Untuk
pembaca yang tertarik, algoritme terbaru tentang rendering
volume serta kasus aplikasi tersedia diInformasi suplemen.
Menyampaikan Dinamika dan Fleksibilitas: Dari Atom ke
Protein
Biomolekul secara intrinsik dinamis dan fleksibel, menyebabkan
ketidakpastian posisi. Bahkan jika sifat dinamis molekul dapat
diukur (Kay, 2016), dan dimodelkan dalam simulasi molekul (
Bottaro dan Lindorff-Larsen, 2018), visualisasi yang jelas dari
properti dinamis seperti itu masih menjadi tantangan—terutama
jika dirender pada gambar statis.
Pada skala hampir atom, dimungkinkan untuk menyampaikan
ketidakjelasan dan fleksibilitas menggunakan a efek kabur (Gambar 3
SEBUAH). Schmidt-Ehrenberg dkk. (2002)membuat efek seperti itu dengan
menggunakan teknik volume-rendering. Meskipun bekerja dengan baik untuk
molekul kecil, pendekatan ini tidak dapat diadaptasi untuk sistem molekul
yang lebih besar karena dapat menimbulkan terlalu banyak ambiguitas. Atau,
representasi grafis yang diberikan dapat dibuat lebih tebal ketika
ketidakpastian posisi diamati dan lebih tipis ketika lokasi didefinisikan dengan
baik. Ini biasanya diterapkan pada tulang punggung protein menggunakan
yang terkenalpetak sosis representasi dikombinasikan dengan petunjuk
warna (Gambar 3B). Representasi ini dapat dilakukan dengan menggunakan
penampil molekuler seperti MOLMOL (https://sourceforge. net/p/molmol/wiki/
Beranda/) (Koradi et al., 1996) atau PyMOL (disebut representasi ''dempul'':
https://pymolwiki.org/index.php/ Kartun). Jenis pendekatan ini baru-baru ini
diperbarui olehSchulz dkk. (2018)untuk memetakan ketidakpastian posisi dan
struktural ke representasi kartun protein menggunakan distorsi geometrik
dan transparansi. Untuk menampilkan gerakan pendek sekelompok atom
Dabdoub dkk. (2015)menggambar jalur dan pita menghubungkan
posisi yang berbeda dari waktu ke waktu mewakili gerakan atom
daripada koordinatnya.
Pendekatan ini tidak dapat dengan jelas menyoroti gerakan
berkorelasi dari kelompok atom yang jauh yang penting untuk
memahami efek alosterik yang terjadi dalam protein. Fioravant et al.
(2013) telah mengusulkan mengatasi masalah ini melalui metode rendering
yang menampilkan korelasi gerak dalam protein. Untuk gerakan terarah
protein yang lebih besar, seperti gerakan domain yang diamati dalam Analisis
Mode Normal,Bryden dkk. (2012)mengelompokkan atom secara otomatis
berdasarkan kecepatan dan menyederhanakan gerakan dengan
menampilkan busur dan anak panah ditugaskan ke kelompok yang
diidentifikasi (Gambar 3C).
Visualisasi Multiskala: Menjembatani Skala Berbeda hingga
Seluruh Sel
Didorong oleh kemajuan dalam metode eksperimental (Cheng,
2018), dalam pemodelan komputasi (Saya dkk., 2016), dan dalam
pendekatan integratif (Sali dkk., 2015), ukuran dan kompleksitas
sistem molekuler yang sesuai dengan biologi struktural meningkat
pesat. Ini, pada gilirannya, menciptakan tantangan visualisasi baru.
Struktur
Perspektif
Gambar 4. Visualisasi Multiskala
(A) Transformasi berkelanjutan untuk berpindah dari permukaan molekul yang tepat (di sisi
kiri molekul) ke representasi permukaan yang disederhanakan (pusat), kemudian ke
representasi vdW, sebagai fungsi dari sudut pandang pengguna.
(B) Abstraksi origami DNA.
(C) Representasi ilustratif dari model sel. Ungu, permukaan nuklir; biru, mitokondria; kuning,
mikrotubulus. Permukaan sel digariskan dan semitransparan. Gambar dari Penjelajah Sel
Allen:https://www.allencell.org.
Terinspirasi oleh penggambaran perintis David Goodsell tentang
lanskap biomolekuler (Goodsell et al., 2018), beberapa inisiatif baru-
baru ini dalam grafik komputer telah mengambil tantangan untuk
membangun model seperti itu (Klein et al., 2018) (Gambar 1, 2018).
Model ini dapat berguna untuk penelitian (Iwasa, 2015; Johnson
dkk., 2015) serta komunikasi (Iwasa, 2010).
Untuk memfasilitasi navigasi di lanskap yang kompleks dan padat
seperti itu, berbagai teknik visualisasi molekuler multiskala telah
dikembangkan; ini dijelaskan dalam survei terbaru dariMiao dkk. (2019).
Metode kuncinya adalah secara otomatismenyesuaikan tingkat detail
molekul, tergantung pada jarak kamera. Parulek dkk. (2014)
mengusulkan abstraksi terus menerus dan visual untuk berpindah dari
permukaan protein yang tepat ke representasi vdW sederhana sebagai
fungsi dari jarak antara adegan dan sudut pandang pengguna (Gambar
4SEBUAH). Pendekatan serupa digunakan untuk mewakili struktur
origami DNA pada skala yang berbeda (Miao dkk., 2018) (Gambar 4B).
Seperti itutransformasi mulus
juga dapat diterapkan untuk meneruskan secara efisien dari satu penggambaran protein ke
penggambaran protein lainnya untuk tujuan ilustrasi (van der Zwan dkk., 2011) (Gambar 1,
2011).
Perkembangan ini membuka jalan menuju sistem yang
memungkinkan eksplorasi interaktif dari model skala molekul
seluruh sel (Mindek dkk., 2018; Singla dkk., 2018) (Gambar 4C).
Pendekatan visual baru ini tidak hanya akan digunakan untuk
menampilkan sistem molekuler pada layar tetapi akan sangat
berguna jika diterapkan dengan kemajuan teknologi baru seperti
VR (Davison dkk., 2019). Memang, masa depan grafik molekuler
tidak lagi terbatas pada layar komputer tetapi akan beradaptasi
dengan praktik visual pengguna melalui tablet, smartphone, dan
perangkat VR/AR yang digerakkan oleh teknologi web.
Melampaui Penampil Molekuler yang Berdiri Sendiri:
Platform Perangkat Lunak Baru
Kemajuan terbaru dalam teknologi web mendorong perkembangan
pesat dalam alat grafis molekuler berbasis web, seperti yang diuraikan
dalam beberapa ulasan baru-baru ini (Mwalongo dkk., 2016; Yuan dkk.,
2017), yang tersedia di komputer desktop, tablet, dan ponsel
cerdas. Salah satu driver utama adalah API WebGL, yang
memberikan dukungan asli untuk akselerasi perangkat keras GPU
untuk aplikasi web grafis molekuler, sepertiPenampil NGL (Rose
andHildebrand, 2015), LiteMol (Sehnal et al., 2017), dan Jolecule
(https://jolecule.appspot.com), yang kompatibel dengan penggunaan
pada ponsel cerdas dan tablet. Aplikasi web grafis generasi baru ini
sedang digunakan di berbagai proyek, seperti PDB di seluruh dunia (di
masing-masing dari tiga situs webnya;rcsb.org,
pdbe.org, dan pdbj.org) (Berman et al., 2012), Model Swiss (Schwede,
2003), dan Akuarium (O'Donoghue dkk., 2015), sumber daya yang
digunakan untuk memfasilitasi akses ke jutaan struktur dan model 3D.
Namun, saat ini, sebagian besar alat grafik molekuler berbasis web
belum menawarkan fungsionalitas lengkap yang tersedia dengan alat
yang lebih mapan dan berdiri sendiri (misalnya, Chimera, VMD, dll.). Ini
mungkin akan segera berubah, didorong oleh opensource, proyek
kolaboratif seperti yang baru saja diluncurkan
Inisiatif mol* (https://molstar.org), bertujuan untuk mengembangkan
kerangka kerja umum untuk grafik molekuler web.
Alternatif lain adalah menggunakan kembali platform perangkat lunak
yang sudah berisi fungsi grafis yang diimplementasikan dan efisien untuk
tujuan grafis molekuler. Beberapa proyek menggunakan Unity (https://
kesatuan. com/) Mesin game 3D untuk grafik molekuler: KesatuanMol (http://
unitymol.sourceforge.net) (Lv dkk., 2013) untuk menampilkan struktur
protein, penampil skala meso tampilan sel (https://www.cg.tuwien.ac. di/
tampilan sel/) (Le Muzic dkk., 2015), dan Keretakan Molekuler (https://
github.com/Magnusnorrby/MolecularRift) (Norrby dkk., 2015), alat untuk
desain obat menggunakan VR. Grafik molekuler juga semakin banyak
digunakan dalam platform perangkat lunak animasi profesional.
BioBlender (http://www.bioblender.org) (Andrei dkk., 2012),
ePMV (http://epmv.scripps.edu) (Johnson dkk., 2011), dan pirit
(https://durrantlab.pitt.edu/pyrite/) (RajendiranandDurrant, 2018), gunakan
Blender suite pembuatan 3D (https://www.blender.org) untuk melakukan
rendering berkualitas tinggi dari struktur molekul dan data simulasi dinamika
molekul. Seseorang juga dapat mengutipMaya molekul
(Maya Molekul: https://clarafi.com/tools/mmaya/, Autodesk Maya:
https://www.autodesk.com/products/maya/overview), sebuah plugin
untuk alat pemodelan 3D komersial Autodesk Maya untuk merender
dan menganimasikan struktur molekul.
Perangkat AR dan VR (misalnya, Oculus Rift, Hololens) menjadi semakin
terjangkau, yang sekarang memungkinkan para peneliti menggunakannya
untuk menampilkan sistem molekuler (Hirst dkk., 2014; O'Connor dkk., 2018).
VR memang sangat berguna untuk merender, memanipulasi, dan menjelajahi
struktur molekul dari molekul kecil (Norrby dkk., 2015) ke sistem besar (Batu
dkk., 2016) sampai tingkat sel (Johnston dkk., 2018). Meskipun VRandAR
sekarang secara rutin digunakan oleh satu pengguna, perkembangan
teknologi untuk memungkinkan kolaborasi erat beberapa pengguna dalam
VR/AR masih menjadi subjek penelitian yang sedang berlangsung (Arthur
dkk., 1998; Chastine et al., 2005).
Temukan Peneliti Grafis Komputer Terdekat Anda
Karena keterbatasan ruang, sayangnya kami tidak dapat membahas lebih
lanjut bagaimana grafik komputer dapat mendukung biologi struktural. Kami
berharap dapat meyakinkan Anda bahwa meningkatkan rendering struktur
molekul tidak hanya masalah estetika tetapi juga sangat membantu
pemahaman tentang fungsi molekul. Untuk orang yang ingin mulai
meningkatkan rendering mereka, selain berkonsultasi dengan tautan dan
referensi yang tersedia di artikel ini, kami mendorong mereka untuk membaca
Mura dkk. (2010)untuk pengantar biomolekuler
Struktur 27, 5 November 2019 1621

grafik, dan Jenkinson (2018) untuk ikhtisar tentang modalitas untuk
mengkomunikasikan ilmu molekuler. Dalam konteks yang lebih umum,
''Sudut Pandang Visualisasi Data'' Bang Wong (http://blog. nature.com/
methagora/2013/07/data-visualization-points-ofview.html) juga
merupakan sumber yang bagus untuk memandu pembaca dengan
mudah memahami visualisasi data ilmiah dan merancang angka-angka
ilmiah.
Kami percaya bahwa peningkatan adopsi beberapa metode yang
menjanjikan ini memiliki potensi yang signifikan untuk memajukan biologi
struktural dengan meningkatkan cara ahli biologi struktural melihat dan
berpikir tentang data mereka. Dengan mencakup referensi untuk survei state-
of-the-art yang ditulis oleh tim yang diakui di lapangan, perspektif ini
selanjutnya dapat memberikan titik masuk untuk menghubungi peneliti grafis
komputer untuk menerapkan teknik rendering baru yang pasti akan
menguntungkan biologi struktural. Untuk lebih membantu mewujudkan
tujuan ini, kami juga akan mendorong pembaca untuk mempertimbangkan
berpartisipasi dalam acara ilmiah yang menyatukan ahli biologi struktural
dengan peneliti yang bekerja pada grafik komputer: pertemuan, seperti VIZBI
(Visualizing Biological Data,https://vizbi.org), BioVis (http://biovis.net), dan
MolVA (Grafik Molekuler dan Analisis Visual Data Molekuler, http://
decibel.fi.muni.cz/ xbyska/molva/).
INFORMASI SUPLEMEN
Informasi Tambahan dapat ditemukan online di https://doi.org/10.1016/j.str.
2019.09.001.
UCAPAN TERIMA KASIH
MB didukung oleh program ''Initiative d'Excellence'' dari Negara Prancis (Hibah ''DYNAMO'',
ANR-11-LABX-0011 dan ''CACSICE'' ANR-11EQPX-0008). MC mengakui dukungan dari hibah
CNRS-MITI PEPS MPI 2018 dan ''Modélisation du vivant'' 2019. NA sebagian didanai oleh
Kementerian Pendidikan Arab Saudi. MERUMPUT. mengucapkan terima kasih atas
dukungan dari Tour de Cure Limited (Australia) untuk proyek ''Memvisualisasikan
mekanisme kanker dalam VR.'' RSL berterima kasih kepada Departemen Ilmu Komputer di
Universitas Swansea. ASR didukung oleh RCSB PDB yang didanai bersama oleh NSF, NIH,
dan US DoE (NSF DBI-1338415; PI: SK Burkley). Semua penulis ingin mengucapkan terima
kasih kepada pengulas anonim atas umpan balik konstruktif mereka.
KONTRIBUSI PENULIS
Naskah ini ditulis melalui kontribusi semua penulis.
REFERENSI
Andrei, RM, Callieri, M., Zini, MF, Loni, T., Maraziti, G., Pan, MC, dan Zoppè, M. (2012).
Representasi intuitif dari sifat permukaan biomolekul menggunakan BioBlender.
Bioinformatika BMC13 (Suppli 4 ), S16.
Arthur, K., Preston, T., Taylor, R., Brooks, F., Whitton, M., Wright, W.., 1998. Merancang dan
membangun PIT: ruang kerja stereo yang dilacak kepala untuk dua pengguna. https://
doi.org/10.5555/897917.
Bates, PW, Wei, GW, dan Zhao, S. (2008). Permukaan molekul minimal dan aplikasinya. J.
Hitung. Kimia29, 380–391.
Berman, HM, Kleywegt, GJ, Nakamura, H., dan Markley, JL (2012). Bank data protein di 40:
merefleksikan masa lalu untuk mempersiapkan masa depan. Struktur20, 391–396.
Blinn, JF (1977). Model pantulan cahaya untuk gambar yang disintesis komputer. TANDA
TANGAN, 192–198,https://doi.org/10.1145/563858.563893.
Bottaro, S., dan Lindorff-Larsen, K. (2018). Eksperimen biofisik dan simulasi biomolekuler:
pasangan yang sempurna? Ilmu361, 355–360.
1622 Struktur 27, 5 November 2019
Struktur
Perspektif
Bryden, A., Phillips, GN, Jr., dan Gleicher, M. (2012). Ilustrasi otomatis dari fleksibilitas
molekul. IEEE Trans. melihat Hitung. Grafik.18, 132–145.
Chastine, JW, Brooks, JC, Zhu, Y., Owen, GS, Harrison, RW, dan Weber,
TI (2005). AMMP-Vis––lingkungan virtual kolaboratif untuk pemodelan molekul. VRST8,
https://doi.org/10.1145/1101616.1101620.
Chavent, M., Lévy, B., Krone, M., Bidmon, K., Nominé, J.-P., Ertl, T., dan Baaden, M. (2011).
Alat bertenaga GPU meningkatkan visualisasi molekuler. Singkat. Bioinformatika12, 689–701.
Chavent, M., Levy, B., dan Maigret, B. (2008). MetaMol: visualisasi permukaan kulit molekuler
berkualitas tinggi. J. Mol. Grafik. Model.27, 209–216.
Cheng, Y. (2018). Cryo-EM-partikel tunggal-Bagaimana itu sampai di sini dan ke mana
perginya. Ilmu361, 876–880.
Cipriano, G., dan Gleicher, M. (2007). Abstraksi permukaan molekul. IEEE Trans. melihat
Hitung. Grafik.13, 1608–1615.
Connolly, ML (1983a). Permukaan protein dan asam nukleat yang dapat diakses oleh
pelarut. Ilmu221, 709–713.
Connolly, ML (1983b). Perhitungan permukaan molekul analitis. J. Aplikasi Kristallog16, 548–
558.
Dabdoub, SM, Rumpf, RW, Shindhelm, AD, dan Ray, WC (2015). MoFlow: memvisualisasikan
perubahan konformasi dalam molekul sebagai aliran molekul meningkatkan pemahaman.
BMC Proc.9, S5.
Davison, T., Samavati, F., dan Jacob, C. (2019). LifeBrush: melukis, mensimulasikan, dan
memvisualisasikan lingkungan biomolekuler yang padat. Hitung. Grafik.
82, 232–242.
Edelsbrunner, H. (1999). Desain permukaan halus yang dapat dideformasi. Komputasi
Diskrit. Geometri.21, 87–115.
Fioravante, M., Shook, A., Thorpe, I., dan Rheingans, P. (2013). Memvisualisasikan korelasi
gerak dalam dinamika molekul menggunakan deformasi geometris. Hitung. Grafik. Forum
32, 311–320.
Geng, W., Yu, S., dan Wei, G. (2007). Perlakuan singularitas muatan dalam model pelarut
implisit. J. Kimia. fisik.127, 114106.
Goddard, TD, dan Ferrin, TE (2007). Perangkat lunak visualisasi untuk rakitan molekuler.
Curr. pendapat. Struktur. Biol.17, 587–595.
Dewi, TD, Huang, CC, Meng, EC, Pettersen, EF, Sofa, GS, Morris,
JH, dan Ferrin, TE (2018). UCSF ChimeraX: memenuhi tantangan modern dalam visualisasi
dan analisis. Ilmu Protein.27, 14–25.
Goodsell, DS, Franzen, MA, dan Herman, T. (2018). Dari atom ke sel: menggunakan lanskap
skala meso untuk membangun narasi visual. J. Mol. Biol.430,
3954–3968.
Hirst, JD, Glowacki, DR, dan Baaden, M. (2014). Simulasi dan visualisasi molekuler: pengantar
dan ikhtisar. Diskusi Faraday.169, 9–22.
Humphrey, W., Dalke, A., dan Schulten, K. (1996). VMD: dinamika molekuler visual. J. Mol.
Grafik.14, 27–28.
Im, W., Liang, J., Olson, A., Zhou, H.-X., Vajda, S., dan Vakser, IA (2016). Tantangan dalam
pendekatan struktural untuk pemodelan sel. J. Mol. Biol.428,
2943–2964.
Iwasa, JH (2015). Menghidupkan mesin makromolekul menggunakan animasi 3D. Curr.
pendapat. Struktur. Biol.31, 84–88.
Iwasa, JH (2010). Menganimasikan gambar model. Tren Sel Biol.20, 699–704.
Jenkinson, J. (2018). Biologi molekuler memenuhi ilmu pembelajaran: visualisasi dalam
pendidikan dan penjangkauan. J. Mol. Biol.430, 4013–4027.
Johnson, GT, Autin, L., Al-Alusi, M., Goodsell, DS, Sanner, MF, dan Olson,
AJ (2015). cellPACK: mesoscope virtual untuk memodelkan dan memvisualisasikan biologi
sistem struktural. Nat. Metode12, 85–91.
Johnson, GT, Autin, L., Goodsell, DS, Sanner, MF, dan Olson, AJ (2011). ePMV menanamkan
pemodelan molekul ke dalam lingkungan perangkat lunak animasi profesional. Struktur19,
293–303.
Johnson, GT, dan Hertig, S. (2014). Panduan untuk analisis visual dan komunikasi data
struktural biomolekuler. Nat. Pdt Mol. Biol Sel.15, 690–698.
Struktur
Perspektif
Johnston, APR, Rae, J., Ariotti, N., Bailey, B., Lilja, A., Webb, R., Ferguson,
C., Maher, S., Davis, TP, Webb, RI, dkk. (2018). Perjalanan ke pusat sel: pencelupan realitas
virtual ke dalam data ilmiah. lalu lintas19, 105–110.
Kay, LE (2016). Tampilan baru protein dinamis fungsional dengan spektroskopi NMR larutan.
J. Mol. Biol.428, 323–331.
Klein, T., Autin, L., Kozlikova, B., Goodsell, DS, Olson, AJ, Groller, ME, dan Viola, I. (2018).
Konstruksi instan dan visualisasi lingkungan biologis yang padat. IEEE Trans. melihat
Hitung. Grafik.24, 862–872.
Koradi, R., Billeter, M., dan Wuthrich, K. (1996). MOLMOL: program untuk menampilkan dan
menganalisis struktur makromolekul. J. Mol. Grafik.14, 51–55, 29-32.
Kozlikova, B., Krone,M., Falk,M., Lindow, N.,Baaden,M., Baum, D.,Viola, I.,Parulek, J., dan
Hege, H.-C. (2017). Visualisasi struktur biomolekuler––kecanggihan ditinjau kembali. Hitung.
Grafik. Forum.https://doi.org/10.1111/cgf.13072.
Krone, M., Bidmon, K., dan Ertl, T. (2009). Visualisasi interaktif dinamika permukaan molekul.
IEEE Trans. melihat Hitung. Grafik.15, 1391–1398.
Krone, M., Kozlikova, B., Lindow, N., Baaden, M., Baum, D., Parulek, J., Hege,
H.-C., dan Viola, I. (2016). Analisis visual rongga biomolekuler––kecanggihan. Hitung. Grafik.
Forum.https://doi.org/10.1111/cgf.12928/pdf.
Krone, M., Reina, G., Zahn, S., Tremel, T., Bahnmuller, C., dan Ertl, T. (2017). Peta bayangan
bola implisit. PasifikVis.https://doi.org/10.1109/PACIFICVIS.2017.8031605.
Krone, M., Batu, JE, Ertl, T., dan Schulten, K. (2012). Visualisasi cepat permukaan kerapatan
Gaussian untuk dinamika molekul dan lintasan sistem partikel. Makalah Singkat EuroVis.
https://doi.org/10.2312/PE/EuroVisShort/EuroVisShort2012/067-071.
Langridge, R., Ferrin, TE, Kuntz, ID, dan Connolly, ML (1981). Grafik warna real-time dalam
studi interaksi molekul. Ilmu211, 661–666.
Le Muzic, M., Autin, L., Parulek, J., dan Viola, I. (2015). cellVIEW––alat untuk rendering
ilustratif dan multi-skala dari kumpulan data biomolekuler besar. Lokakarya Eurografis Vis.
Hitung. Bioma.2015, 61–70.
Levinthal, C. (1966). Pembuatan model molekuler dengan komputer. Sci. Saya.214, 42–52.
Lindow, N., Baum, D., dan Hege, H.-C. (2014). Ligan dikecualikan permukaan: jenis baru dari
permukaan molekul. IEEE Trans. melihat Hitung. Grafik.20, 2486–2495.
Lindow, N., Baum, D., dan Hege, H.-C. (2011). Ekstraksi dan visualisasi jalur molekuler
berbasis Voronoi. IEEETrans. Vis.Comput.Graph.17, 2025–2034.
Lindow, N., Baum, D., Prohaska, S., dan Hege, HC (2010). Visualisasi dipercepat dari
permukaan molekul dinamis. Hitung. Grafik. Forum29, 943–952.
Lv, Z., Tek, A., Da Silva, F., Empereur-mot, C., Chavent, M., dan Baaden, M.
(2013). Game on, sains––bagaimana teknologi video game dapat membantu ahli biologi
mengatasi tantangan visualisasi. PLoS Satu8, e57990.
Miao, H., De Llano, E., Isenberg, T., Groller, ME, Barisic, I., dan Viola, I. (2018). DimSUM––
peta pemersatu dimensi dan skala untuk abstraksi visual struktur origami DNA. Hitung.
Grafik. Forum37, 403–413.
Miao, H., Klein, T., Kouril, D., Mindek, P., Schatz, K., Groller, ME, Kozlikova,
B., Isenberg, T., dan Viola, I. (2019). Visualisasi molekuler multiskala. J. Mol. Biol.431, 1049–
1070.
Mindek, P., Kouril, D., Sorger, J., Toloudis, D., Lyons, B., Johnson, G., Groller,
ME, dan Viola, I. (2018). Visualisasi multi-pipa untuk mengkomunikasikan biologi. IEEE Trans.
melihat Hitung. Grafik.24, 883–892.
Mura, C., McCrimmon, CM, Vertrees, J., dan Sawaya, MR (2010). Pengantar grafik
biomolekuler. Komputer PLoS. Biol.6, e1000918.
Mwalongo, F., Krone, M., Reina, G., dan Ertl, T. (2016). Laporan mutakhir dalam visualisasi
berbasis web. Hitung. Grafik. Forum35, 553–575.
Norrby, M., Grebner, C., Eriksson, J., dan Boström, J. (2015). Keretakan molekuler: realitas
virtual untuk perancang obat. J. Kimia. Inf. Model.55, 2475–2484.
O'Donoghue, SI, Goodsell, DS, Frangakis, AS, Jossinet, F., Laskowski,
RA, Nilges, M., Saibil, HR, Schafferhans, A., Wade, RC, Westhof, E., dan Olson, AJ (2010).
Visualisasi struktur makromolekul. Nat. Metode
7, S42–S55.
O'Donoghue, SI, Sabir, KS, Kalemanov, M., Stolte, C., Wellmann, B., Ho, V., Roos, M.,
Perdigão, N., Buske, FA, Heinrich, J., et Al. (2015). Aquaria: menyederhanakan penemuan dan
wawasan dari struktur protein. Nat. Metode12, 98–99.
Olson, AJ (2018). Perspektif visualisasi biologi molekuler struktural: dari masa lalu hingga
sekarang. J. Mol. Biol.430, 3997–4012.
O'Connor, M., Deeks, HM, Dawn, E., Metatla, O., Roudaut, A., Sutton, M., Thomas, LM,
Glowacki, BR, Sage, R., Tew, P., et Al. (2018). Pengambilan sampel konformasi dan dinamika
molekuler dalam kerangka realitas virtual multipengguna. Sci. Adv.4, 1–9.
Parulek, J., Jönsson, D., Ropinski, T., Bruckner, S., Ynnerman, A., dan Viola, I.
(2014). Tingkat detail dan abstraksi visual yang berkelanjutan untuk visualisasi molekul yang
mulus. Hitung. Grafik. Forum33, 276–287.
Phong, BT (1975). Penerangan untuk gambar yang dihasilkan komputer. komuni. ACM18,
311–317.
Rajendiran, N., dan Durrant, JD (2018). Pyrite: plugin blender untuk memvisualisasikan
simulasi dinamika molekul menggunakan teknik rendering standar industri. J. Hitung. Kimia
39, 748–755.
Richardson, JS (1977). topologi beta-Sheet dan keterkaitan protein. Alam268, 495–500.
Richardson, JS, dan Richardson, DC (2013). Melakukan biofisika molekuler: menemukan,
menamai, dan membayangkan sinyal dalam kompleksitas. annu. Pdt. Biophys.
42, 1-28.
Rose, AS, dan Hildebrand, PW (2015). NGL Viewer: aplikasi web untuk visualisasi molekuler.
Asam Nukleat Res.43, W576–W579.
Sali, A., Berman, HM, Schwede, T., Trewhella, J., Kleywegt, G., Burley, SK, Markley, J.,
Nakamura, H., Adams, P., Bonvin, AMJJ, et al. (2015). Hasil lokakarya gugus tugas metode
hybrid/integratif wwPDB pertama. Struktur
23, 1156–1167.
Schmidt-Ehrenberg, J., Baum, D., dan Hege, H.-C. (2002). Memvisualisasikan konformasi
molekul dinamis. IEEE Vis. 235–242.
Schulz, C., Schatz, K., Krone, M., Braun, M., Ertl, T., dan Weiskopf, D. (2018). Visualisasi
ketidakpastian untuk struktur sekunder protein. PasifikVis.
https://doi.org/10.1109/PacificVis.2018.00020.
Schwede, T. (2003). SWISS-MODEL: server pemodelan homologi protein otomatis. Asam
Nukleat Res.31, 3381–3385.
Sehnal, D., Deshpande, M., Vareková, RS, Mir, S., Berka, K., Midlik, A., Pravda, L., Velankar, S.,
dan Koca, J. (2017). LiteMol suite: visualisasi interaktif berbasis web dari data struktur
makromolekul skala besar. Nat. Metode14, 1121-1122.
Simões, T., Lopes, D., Dias, S., Fernandes, F., Pereira, J., Jorge, J., Bajaj, C., dan Gomes, A.
(2017). Algoritme deteksi geometrik untuk rongga pada permukaan protein dalam grafik
molekuler: survei. Hitung. Grafik. Forum36, 643–683.
Singla, J., McClary, KM, Putih, KL, Alber, F., Sali, A., dan Stevens, RC
(2018). Peluang dan tantangan dalam membangun model multi-skala spatiotemporal
pankreas manusiab Sel. Sel173, 11–19.
Stone, JE, Sener, M., Vandivort, KL, Barragan, A., Singharoy, A., Teo, I., Ribeiro, JV, Isralewitz,
B., Liu, B., Goh, BC, et al. (2016). Visualisasi detail atom dari membran fotosintesis dengan
ray tracing yang dipercepat GPU. Paralel. Hitung.55, 17–27.
Tarini, M., Cignoni, P., dan Montani, C. (2006). Oklusi ambien dan isyarat tepi untuk
meningkatkan visualisasi molekuler waktu nyata. IEEE Trans. melihat Hitung. Grafik.12,
1237–1244.
van der Zwan, M., Lueks, W., Bekker, H., dan Isenberg, T. (2011). Visualisasi molekuler
ilustratif dengan abstraksi berkelanjutan. Hitung. Grafik. Forum
30, 683–690.
Vorobjev, YN, dan Hermans, J. (1997). SIMS: perhitungan permukaan molekul invarian halus.
Biofis. J73, 722–732.
Yuan, S., Chan, HCS, dan Hu, Z. (2017). Menerapkan WebGL dan HTML5 dalam visualisasi
makromolekul dan desain obat berbantuan komputer modern. Tren Bioteknologi.35, 559–
571.
Struktur 27, 5 November 2019 1623