基于能量模型的蛋白質構象空間優(yōu)化方法研究.pdf

1、蛋白質三維結構是理解和改造其生物學與細胞學功能的關鍵。然而，蛋白質三維結構的解析速度遠不及新序列的測定速度，因此，利用計算機從氨基酸序列預測蛋白質三維結構是生物信息學亟待解決的一個關鍵問題。
　　在國內外研究現(xiàn)狀的基礎上，利用差分進化算法較強的全局搜索能力，結合片段組裝及副本交換策略提高算法的采樣效率，利用蒙特卡羅算法對種群做局部增強，根據(jù)距離譜設計誘導象距離模型及距離接收概率，并將其引入到算法的選構擇環(huán)節(jié)，引導構象種群向能量更低

2、且結構更為合理的區(qū)域進化。本文的主要工作和研究成果有以下幾點:
　　(1)綜述了蛋白質三維結構預測問題的研究背景和意義，闡述了現(xiàn)代進化算法和能量模型的基本概念和發(fā)展歷程，重點介紹了進化算法在蛋白質結構預測上的研究和應用現(xiàn)狀。
　　(2)針對蛋白質結構預測方法中采樣能力不足的問題，在差分進化算法的框架下，引入副本交換策略。在每個副本層設置構象種群，采用差分進化算法對種群進行更新，然后利用蒙特卡羅算法對種群做局部增強，以此得到全

3、局和局部最優(yōu)構象。差分進化算法較強的全局搜索能力對構象空間進行有效的全局搜索，副本交換策略保證種群的多樣性，增強算法跳出局部極小的能力，從而提高了構象空間的采樣能力。10個目標蛋白質測試結果表明，所提方法能夠快速有效的對構象空間采樣，得到高精度的蛋白質近天然態(tài)構象。
　　(3)針對蛋白質結構預測中能量函數(shù)不精確的問題，將基于距離譜知識的誘導構象距離模型及距離接收函數(shù)作為結構相似度指標，引入到群體算法的選擇環(huán)節(jié)中，減小能量函數(shù)不精確