蛋白質能量模型的不精確性導致數(shù)學上的最優(yōu)解并不一定對應其穩(wěn)定的天然態(tài)結構,同時其巨大的構象空間使得現(xiàn)有方法也極易收斂到局部最優(yōu)解。針對蛋白質結構能量模型不精確和高維構象空間采樣可靠性低的問題,在進化算法的基礎上,提出了一種基于二面角相似度的蛋白質構象多模態(tài)優(yōu)化方法。首先,執(zhí)行模態(tài)探測,將Rosetta粗粒度能量模型作為篩選高質量新個體的標準,進行種群更新,增加種群構象的多樣性;然后,建立二面角相似度模型,用于評價不同構象間的相似程度,以滿足多模態(tài)優(yōu)化算法中相似個體快速判定的要求,并基于排擠更新策略實現(xiàn)模態(tài)增強,獲得結構更為合理的構象。10個測試蛋白質的實驗結果表明:所提算法能夠達到較高的預測精度,并且可以使種群具有良好的模態(tài)分布,得到盡可能多的高質量局部極值解,從而獲得一些較好的蛋白質亞穩(wěn)態(tài)結構。

【文章頁數(shù)】：5 頁

【部分圖文】：

圖1粗粒度蛋白質表達模型

粗粒度蛋白質模型只保留了主鏈骨干原子N,Cα,C,O以及側鏈替代原子。如圖1所示,用二面角?,ψ和ω來表示氨基酸鏈,?表示C-N-Cα所在平面與N-Cα-C所在平面構成的二面角,ψ表示N-Cα-C所在平面與Cα-C-N所在平面構成的二面角,ω表示Cα-C-N所在平面與C-N-Cα....

圖2時間對比(電子版為彩色)

圖2是蛋白質相似度(RootMeanSquareDeviation,RMSD)[36]和二面角相似度的計算時間對比圖,橫坐標為不同測試蛋白,縱坐標為進行18000000次結構比對實驗所花費的時間。圖2所示結果表明,采用二面角相似度進行蛋白質結構比對所花費的時間遠遠短于采....

圖3種群的平均能量趨勢(電子版為彩色)

圖3以1c8cA為例給出了算法搜索過程中的種群平均能量趨勢。在種群模態(tài)探測階段初期,種群構象的平均能量快速下降,形成了大致的折疊拓撲;在隨后的探測過程中,種群平均能量的下降趨勢明顯放緩,算法在更為廣闊的構象空間中進行充分的采樣,實現(xiàn)了更多模態(tài)的探測。模態(tài)探測過程完成后,算法進入模....

圖4DASOM算法的搜索過程圖(電子版為彩色)

圖4清晰地展示了模態(tài)探測和模態(tài)增強的過程。經(jīng)過模態(tài)探測階段對構象空間進行充分的搜索之后,種群在構象空間中形成了不同的模態(tài);進入模態(tài)增強階段后,排擠更新策略使得種群中潛在的合理構象被保留下來,種群構象質量得到提高;在最后一代種群中,不僅得到了能量最低的全局最優(yōu)解,也可以得到一系列局....

本文編號：3894951