發(fā)布時間：2021-03-23 19:57

　　蛋白質(zhì)的三維結(jié)構(gòu)是研究其生物功能及活性機理的基礎(chǔ).為了提高蛋白質(zhì)結(jié)構(gòu)的預測精度,在進化計算的框架下,提出一種接觸圖輔助的過程重采樣蛋白質(zhì)構(gòu)象空間優(yōu)化算法（Contact Map-assistedProcess Resampling Protein Conformation Space Optimization Algorithm,CM PR）. CM PR算法基于殘基接觸圖設(shè)計打分模型,用于選擇構(gòu)象以構(gòu)建過程片段庫,使用基于過程重采樣策略的片段組裝技術(shù)執(zhí)行變異操作,殘基接觸先驗知識和種群進化過程統(tǒng)計知識輔助采樣,可以增強近天然態(tài)構(gòu)象區(qū)域的搜索能力,提高蛋白質(zhì)結(jié)構(gòu)預測精度.在12個測試蛋白上的實驗結(jié)果表明,所提方法具有良好的近天然態(tài)構(gòu)象采樣能力和較高的預測精度. 

【文章來源】：小型微型計算機系統(tǒng). 2020,41(03)北大核心CSCD

【文章頁數(shù)】：6 頁

【部分圖文】：

構(gòu)建過程片段庫

圖2所示為個體xi交叉操作示意圖，對于個體xi，首先從種群中隨機選擇一個個體xj,xi≠xj，然后在xj上隨機選擇一個3殘基長度的片段，使用這個3片段上的二面角替換xi相同位置片段上的二面角，得到交叉后的個體x"i，交叉操作增加了種群的多樣性．2.5算法描述:

部分蛋白的構(gòu)象采樣結(jié)果如圖3所示，圖中橫坐標表示構(gòu)象與天然態(tài)蛋白質(zhì)比較的RMSD值，縱坐標表示構(gòu)象的能量值．從圖中測試蛋白4UEX、1SAP可以看出，雖然CMPR算法總體的構(gòu)象采樣范圍比Rosetta小，但是比Rosetta搜索到更多能量更低和RMSD更低的構(gòu)象區(qū)域，因此預測精度更高．1BQ9和1WAP是兩個結(jié)構(gòu)較復雜的β折疊型蛋白，Rosetta雖然搜索到了更低能量的構(gòu)象區(qū)域，但是由于能量函數(shù)的不精確，低能構(gòu)象的結(jié)構(gòu)與天然態(tài)蛋白質(zhì)結(jié)構(gòu)相差較大，CM PR算法雖然無法采樣到比Rosetta更低能量的構(gòu)象區(qū)域，但是得到的最低能量區(qū)域的構(gòu)象RMSD更小，所以得到結(jié)果的預測精度更高．圖4 構(gòu)象RMSD分布

【參考文獻】：
期刊論文
[1]基于副本交換的局部增強差分進化蛋白質(zhì)結(jié)構(gòu)從頭預測方法[J]. 李章維,郝小虎,張貴軍.  計算機科學. 2017(05)
[2]使用雙向LSTM的深度神經(jīng)網(wǎng)絡(luò)預測蛋白質(zhì)殘基相互作用[J]. 曹成遠,呂強.  小型微型計算機系統(tǒng). 2017(03)
[3]蛋白質(zhì)結(jié)構(gòu)預測[J]. 鄧海游,賈亞,張陽.  物理學報. 2016(17)
[4]蛋白折疊預測[J]. 馬彬廣.  科學通報. 2016(24)
[5]蛋白質(zhì)三級結(jié)構(gòu)預測算法綜述[J]. 王超,朱建偉,張海倉,鞏海娥,鄭偉謀,卜東波.  計算機學報. 2018(04)
[6]局部抽象凸區(qū)域剖分差分進化算法[J]. 周曉根,張貴軍,郝小虎.  自動化學報. 2015(07)
[7]一種基于折疊模式識別的蛋白質(zhì)結(jié)構(gòu)片段庫構(gòu)建方法[J]. 陳沙沙,吳宏杰,呂強.  小型微型計算機系統(tǒng). 2013(02)



本文編號：3096337