本文關鍵詞： 分子對接 蟻群算法 函數(shù)優(yōu)化 計算機輔助藥物設計　出處：《電子科技大學》2016年碩士論文　論文類型：學位論文

【摘要】：成本投入高、開發(fā)風險大、研制周期長一直都是藥物設計和研發(fā)所面臨的難題,這些困難對新藥研制的發(fā)展有著很大的影響。隨著當今計算機技術的迅猛發(fā)展,計算機輔助藥物分子的研究模型也越來越成熟。在當今藥物分子的探索和研制中,一種基于結構化的藥物分子模擬方法-分子對接技術,已經(jīng)逐漸成為創(chuàng)新藥物研制的重要領域之一,同時也是先導化合物的探索方向的重要途徑。分子對接技術是根據(jù)兩個已知三維立體結構的單體生物分子(在藥物設計中,通常是大分子蛋白質和小分子配體),通過計算機來對這兩個單體分子復合物的結合模型進行仿真。分子對接技術作為計算機輔助藥物分子設計的重要組成部分,不僅具有計算機的高速計算能力,還能有效地結合優(yōu)化方法并使之與藥物研制相融合。蟻群算法(Ant Colony Optimization,ACO)作為一種模擬自然界中螞蟻覓食行為的新型群智能優(yōu)化算法,具有較強的可擴充性、系統(tǒng)健壯性好、能進行并行分布式計算、易于同其他仿生算法相結合等優(yōu)點。因此,本文將對蟻群算法進行優(yōu)化并將這種改進的算法應用于分子對接中,并將蟻群算法與構想搜索中的全局搜索過程中所常用的遺傳算法進行性能上的比較,可以預見將蟻群算法與常用的分子對接平臺AutoDock整合到一起是非常具有實際意義的。將蟻群算法收斂速度快,對接精度高的特點與分子對接軟件平臺AutoDock結合起來,對分子對接過程中的全局搜索進行替代,從而最終達到對分子對接過程進行優(yōu)化的目的。本文的主要工作是保留使用AutoDock4.2平臺中的打分函數(shù)和柔性策略,將改進的蟻群算法作為對接過程中的構象搜索策略,代替軟件中原有的遺傳算法,通過對蛋白質和配體的對接仿真驗證其優(yōu)越性。分子對接過程,實際上就是對一個復雜的函數(shù)模型進行優(yōu)化的過程,而改進的蟻群算法則具有很強的自適應特點,能應用于大部分優(yōu)化問題中,因此在藥物設計中也表現(xiàn)不錯。本文旨在將改進的蟻群算法同常用對接軟件AutoDock相結合,通過具體蛋白質分子同配體分子之間的結合測試來對其進行仿真實驗并在此基礎上進行分析,通過與典型的遺傳算法進行試驗對比突出蟻群算法在一些方面的優(yōu)越性,并在此基礎上對具有國際影響力的高性能分子對接軟件進行完善。最終可以得出結論:基于蟻群算法的分子對接平臺在對對接程中產(chǎn)生的龐大構象進行搜索時具有更快的收斂速度和更好的效率。
[Abstract]:With the rapid development of computer technology, high cost, high risk and long research cycle have been the problems of drug design and development. These difficulties have a great impact on the development of new drug development. The research model of computer-aided drug molecules is becoming more and more mature. In the exploration and development of drug molecules, a molecular docking method based on structured drug molecular simulation is proposed. It has gradually become one of the important fields in the development of innovative drugs. Molecular docking technology is based on two known three-dimensional structures of monomer biomolecules (in drug design). Usually macromolecular proteins and small molecular ligands. As an important part of computer aided drug molecular design, molecular docking technology not only has the high speed computing ability of computer, but also simulates the binding model of these two monomers by computer. Ant Colony Optimization can be effectively combined with optimization method and combined with drug development. ACO) is a new swarm intelligence optimization algorithm which simulates the foraging behavior of ants in nature. It has strong scalability, good system robustness, and can be used for parallel and distributed computing. It is easy to combine with other bionic algorithms. Therefore, this paper optimizes the ant colony algorithm and applies the improved algorithm to molecular docking. The performance of ant colony algorithm is compared with that of genetic algorithm which is commonly used in global search. It can be predicted that the integration of ant colony algorithm with the commonly used molecular docking platform AutoDock is of great practical significance, and the convergence rate of ant colony algorithm is fast. The characteristics of high docking precision are combined with the molecular docking software platform AutoDock to replace the global search in the molecular docking process. In order to optimize the docking process, the main work of this paper is to retain the scoring function and flexible strategy in the AutoDock4.2 platform. The improved ant colony algorithm is used as the conformational search strategy in the docking process instead of the original genetic algorithm in the software. The simulation of protein and ligand docking proves its superiority and molecular docking process. In fact, it is the process of optimizing a complex function model, and the improved ant colony algorithm has strong adaptive characteristics, and can be applied to most optimization problems. This paper aims to combine the improved ant colony algorithm with the commonly used docking software AutoDock. Through the binding tests between specific protein molecules and ligand molecules, the simulation experiments were carried out and the analysis was carried out on this basis. Compared with the typical genetic algorithm, this paper compares the advantages of ant colony algorithm in some aspects. On this basis, the high performance molecular docking software with international influence is perfected. Finally, the conclusion can be drawn:. The molecular docking platform based on ant colony algorithm has faster convergence speed and better efficiency in searching the huge conformation generated in docking process.
【學位授予單位】：電子科技大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP18;R91

【相似文獻】

相關期刊論文 前10條

1 盧桂艷;郭權;;基于容錯機制的精細藥物分子對接網(wǎng)格[J];計算機工程;2010年19期

2 朱志遠;張燕;李征;李金恒;芮建中;袁靖;;受體蛋白與藥物分子對接的研究進展[J];中國臨床藥理學與治療學;2009年11期

3 鐘廣蓉;鄧乾民;李星月;林森;孫清;時國慶;;植物源蛋白酶體抑制劑的分子對接研究[J];科學技術與工程;2009年11期

4 馮榮楷;孟麗榮;岳章琪;林思伶;王乾韜;;黃嘌呤氧化酶抑制劑對環(huán)氧合酶的分子對接及藥物特性研究[J];計算機與應用化學;2013年12期

5 張宏愷;常云松;杜明娟;張翠竹;曹又佳;;用分子對接搭建激酶-抑制劑復合物的三維結構[J];南開大學學報(自然科學版);2009年02期

6 鄭春松;陳立武;杜建;葉蕻芝;;用分子對接法探討扶正抑瘤復方制劑的抑瘤作用機制[J];中國臨床藥理學與治療學;2007年08期

7 偉堯;朱琛;張卓;朱海亮;;硝基咪唑衍生物作為尿素酶抑制劑的分子對接研究[J];揚州大學學報(農業(yè)與生命科學版);2010年02期

8 任潔;魏靜;;分子對接技術在中藥研究中的應用[J];中國中醫(yī)藥信息雜志;2014年01期

9 魏卓;張懷;崔巍;計明娟;;馬來酰胺類糖原合成酶激酶-3β抑制劑的分子對接和三維定量構效關系(英文)[J];物理化學學報;2009年05期

10 黃文文;畢毅;陳蒙蒙;夏國祥;張振磊;;水楊酸類酪氨酸蛋白磷酸酯酶1B抑制劑的分子對接和三維定量構效關系研究[J];煙臺大學學報(自然科學與工程版);2014年02期

相關會議論文 前7條

1 楊帆;劉艾林;;分子對接應用與研究進展[A];藥學發(fā)展前沿論壇及藥理學博士論壇論文集[C];2008年

2 廖莎;白芳;李洪林;;金屬特異性打分函數(shù)設計[A];中國化學會第28屆學術年會第14分會場摘要集[C];2012年

3 張圣虎;高士祥;;酚類化合物與辣根過氧化物酶作用的3D-QSAR和分子對接研究[A];中國毒理學會環(huán)境與生態(tài)毒理學專業(yè)委員會第二屆學術研討會暨中國環(huán)境科學學會環(huán)境標準與基準專業(yè)委員會2011年學術研討會會議論文集[C];2011年

4 孫清;時國慶;鄧乾民;;利用分子對接軟件預測PFOA與人血清白蛋白的結合位點[A];中國毒理學會第五次全國學術大會論文集[C];2009年

5 李麗娜;蘇莉;張曉昀;黃曉燕;單志杰;翟紅林;;關于HIV-1非核苷類逆轉錄酶抑制劑藥物的三維定量構效關系和分子對接研究[A];第十一屆全國計算（機）化學學術會議論文摘要集[C];2011年

6 劉欣;胡燕;崔一然;張冰;劉小青;;基于分子對接技術的辛熱藥藥性表達研究[A];第四屆全國中醫(yī)藥博士生優(yōu)秀論文專輯[C];2013年

7 范春雷;田男;胡林峰;錢穎;沃興德;;基于固醇調控通路膽固醇競爭結合靶點的新藥篩選與機制研究[A];第十二屆全國脂質與脂蛋白學術會議論文匯編[C];2014年

相關博士學位論文 前10條

1 康玲;藥物分子對接優(yōu)化模型與算法研究[D];大連理工大學;2009年

2 李正夫;藥物分子對接優(yōu)化算法及在云平臺中的應用[D];大連理工大學;2014年

3 徐淑坦;基于多目標差分進化的分子對接算法研究[D];吉林大學;2015年

4 李純蓮;藥物設計中分子對接優(yōu)化設計的算法和軟件研究[D];大連理工大學;2004年

5 張娛;腈和苯酚與相關降解酶之間的分子對接研究[D];湖南大學;2014年

6 鄭清川;蛋白質結構及分子對接的理論研究[D];吉林大學;2006年

7 殷勇;以PI3K為靶點的抗腫瘤化合物的設計、合成及生物活性評價[D];南京大學;2015年

8 尹玲;新型肽脫甲酰基酶抑制劑的設計、合成與生物活性研究[D];山東大學;2010年

9 張金亮;新型非肽類小分子Caspase-3抑制劑的設計、合成、活性檢測與分子對接研究[D];吉林大學;2009年

10 龐小東;蛋白質和配體相互作用研究以及小肽抑制劑設計方法初探[D];復旦大學;2010年

相關碩士學位論文 前10條

1 方虎林;基質金屬蛋白酶-7抑制劑選擇性的分子對接研究[D];延邊大學;2015年

2 宋向崗;基于分子對接技術探討中藥川芎治療腦缺血的物質基礎及分子作用機制[D];廣東藥學院;2015年

3 張菘;計算機輔助設計高活性小分子新型SAHA衍生物及其合成與生物活性評價[D];廣東藥學院;2015年

4 馬少杰;激酶Src多靶點抑制劑的3D-QSAR、分子對接及分子動力學研究[D];廣東藥學院;2015年

5 王志;新型含氟羥甲基戊二酰輔酶A還原酶抑制劑的分子設計[D];上海應用技術學院;2015年

6 敖燕;分子對接構象搜索優(yōu)化策略與算法研究[D];電子科技大學;2014年

7 武明威;MCHR1拮抗劑結合機理的計算機輔助研究[D];大連理工大學;2015年

8 姚輝;基于最優(yōu)搜索理論的分子對接研究[D];電子科技大學;2015年

9 張麗;基于云平臺的分子對接設計與實現(xiàn)[D];電子科技大學;2015年

10 劉振;新德里金屬β-內酰胺酶抑制劑的設計、合成與活性研究[D];中國海洋大學;2015年

，

本文編號：1460496