生物信息學應(yīng)用程序新方法：力場參數(shù)優(yōu)化和結(jié)構(gòu)域分析.pdf

1、在本文第二部分中，我們提出了一個綜合方法，即SD/GA來進行多維空間內(nèi)的參數(shù)優(yōu)化，它將局部優(yōu)化方法(步長加速法)速度較快的優(yōu)點與全局優(yōu)化方法(遺傳算法)可以擺脫局部陷阱的優(yōu)點相結(jié)合。之后SD/GA方法被用來優(yōu)化PB模型中的non-polarcavityterm參數(shù)，結(jié)果顯示，利用SD/GA優(yōu)化過的PB模型不僅在計算200個小有機分子的溶劑自由能時提高了準確率，更大大改進了β-hairpin折疊的freeenergylandscape。該

2、β-hairpin在以前的研究中利用沒有優(yōu)化過的PB模型，表現(xiàn)出扭曲的自由能landscape。SD/GA方法還可以直接用于其它多維參數(shù)空間的優(yōu)化工作。 結(jié)構(gòu)域在蛋白質(zhì)的各項研究中都起到了重要的核心作用。它是介于蛋白質(zhì)二級結(jié)構(gòu)和三級結(jié)構(gòu)之間的一個結(jié)構(gòu)層次，通常是指蛋白質(zhì)中一段能夠獨立折疊成穩(wěn)定空間構(gòu)像的多肽序列，包含了大量的遺傳信息和特定的分子功能，被認為是蛋白質(zhì)結(jié)構(gòu)，進化，折疊和功能的基本單位。 結(jié)構(gòu)域的識別是蛋白質(zhì)研

3、究中非常重要也是極具挑戰(zhàn)性的課題，在本文第三部分中我們采用了SVM方法僅利用序列所包含的信息來預(yù)測結(jié)構(gòu)域位置的劃分。SVM對不同的氨基酸屬性及它們的不同組合進行了嘗試性訓練，這些屬性包括了PositionIndex，LinkerIndex，SecondaryStructure，SolventAcc，Entropy和Hydrophobicity。 在對篩選自SCOP和CATH數(shù)據(jù)庫得到的238個two-domain數(shù)據(jù)集合上，使用