基于t-SNE的氨基酸聚類分析.pdf

1、生物大分子模擬在生物研究領(lǐng)域中具有重要作用。如今，量子化學(xué)計(jì)算和分子動(dòng)力學(xué)模擬在生物分子理論計(jì)算領(lǐng)域廣為應(yīng)用。對(duì)于分子力學(xué)來(lái)說，力場(chǎng)的構(gòu)建尤為重要?；诜肿恿?chǎng)，可以展開蒙特卡洛計(jì)算以及分子動(dòng)力學(xué)模擬。
　　分子力場(chǎng)的構(gòu)建需要使用大量的分子構(gòu)象、能量、電荷分布等物理化學(xué)信息。本文工作即是為了構(gòu)建蛋白質(zhì)力場(chǎng)而進(jìn)行大規(guī)模模擬計(jì)算并聚類分析進(jìn)而得到一套具有代表性且具有一定可用性的數(shù)據(jù)集。
　　在蛋白質(zhì)選取方面，考慮到蛋白質(zhì)的生物環(huán)

2、境，對(duì)蛋白質(zhì)多種復(fù)合物進(jìn)行選擇以保證其一般性。然后進(jìn)行動(dòng)力學(xué)模擬得到蛋白質(zhì)軌跡，并借鑒MFCC分塊法思想從中提取出大量的氨基酸構(gòu)象。在對(duì)氨基酸提取的過程當(dāng)中，采用了獨(dú)特的氨基酸片段兩端處理辦法。經(jīng)過分塊處理，初步提取出20種氨基酸的構(gòu)象、能量、電荷分布等信息以構(gòu)成原始數(shù)據(jù)集。原始數(shù)據(jù)集信息量龐大，數(shù)據(jù)重復(fù)性較高，每種特征量所占權(quán)重各有不同。為了將氨基酸原始數(shù)據(jù)集簡(jiǎn)化，同時(shí)又不失其采樣數(shù)據(jù)的全面性，由此引用一種新的聚類方法，即t-SNE分