基于能量模型的蛋白質(zhì)構(gòu)象空間優(yōu)化方法研究.pdf

1、蛋白質(zhì)三維結(jié)構(gòu)是理解和改造其生物學(xué)與細(xì)胞學(xué)功能的關(guān)鍵。然而，蛋白質(zhì)三維結(jié)構(gòu)的解析速度遠(yuǎn)不及新序列的測定速度，因此，利用計算機(jī)從氨基酸序列預(yù)測蛋白質(zhì)三維結(jié)構(gòu)是生物信息學(xué)亟待解決的一個關(guān)鍵問題。
　　在國內(nèi)外研究現(xiàn)狀的基礎(chǔ)上，利用差分進(jìn)化算法較強(qiáng)的全局搜索能力，結(jié)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(qiáng)，根據(jù)距離譜設(shè)計誘導(dǎo)象距離模型及距離接收概率，并將其引入到算法的選構(gòu)擇環(huán)節(jié)，引導(dǎo)構(gòu)象種群向能量更低

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

3、局和局部最優(yōu)構(gòu)象。差分進(jìn)化算法較強(qiáng)的全局搜索能力對構(gòu)象空間進(jìn)行有效的全局搜索，副本交換策略保證種群的多樣性，增強(qiáng)算法跳出局部極小的能力，從而提高了構(gòu)象空間的采樣能力。10個目標(biāo)蛋白質(zhì)測試結(jié)果表明，所提方法能夠快速有效的對構(gòu)象空間采樣，得到高精度的蛋白質(zhì)近天然態(tài)構(gòu)象。
　　(3)針對蛋白質(zhì)結(jié)構(gòu)預(yù)測中能量函數(shù)不精確的問題，將基于距離譜知識的誘導(dǎo)構(gòu)象距離模型及距離接收函數(shù)作為結(jié)構(gòu)相似度指標(biāo)，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