蛋白质分子机器结构的特性分析及去折叠研究

分子机器是指由分子尺度的物质构成且能行使某种加工功能的机器,主要构件是蛋白质等生物分子。三维空间结构决定了蛋白质的相关特性和功能,理解蛋白质的氨基酸（残基）序列如何折叠成特定的三维空间结构,即蛋白质结构的折叠机制及其特性对于分子机器的研究具有重要意义。因此,使用一种快速简单的研究蛋白质结构折叠机制信息的模拟方法很有必要。本文主要基于蛋白质的自然状态拓扑,采用高斯网络模型研究了蛋白质GB1,分析了其结构特性及其结构的展开过程,与相关实验和分子动力学模拟数据吻合良好,表明该弹性网络模型适用于蛋白质结构的研究。     

拟蛇算法在蛋白质折叠模拟中的应用可行性研究

本文以计算分子生物学中的蛋白质折叠模拟为研究对象,通过对一种新算法的可行性研究,意旨为领域内的算法研究提供一种可验证性的算法。本文从收敛性和稳定性的角度,分析了拟蛇算法的核心函数,验证该算法在蛋白质折叠模拟中的应用具有全局最优值的收敛性,并且进一步研究了这种仿生算法的运动稳定性,验证了拟蛇算法的运动轨迹会达到一个稳定状态,这与蛋白质折叠最后形成能量最小的稳定状态的理论相吻合,验证结果表明,拟蛇算法在蛋白质折叠模拟中应用具有可行性。     

机器学习方法在蛋白质折叠结构预测中的应用研究

蛋白质的生物功能是由它们的空间折叠结构决定的,理解蛋白质的折叠过程是生物信息学领域中极具挑战性的问题之一。近年来,各种优化方法用于蛋白质空间折叠结构预测。这些方法仍存在着不足,算法在变量数目增大时,难以收敛到全局最优解,并容易产生早熟收敛,从而影响求解精度和效率。针对蛋白质结构预测模型多变量多极值的特点,文章采用机器学习方法对蛋白质进行折叠结构预测。     

进化策略的一种改进及其在蛋白质结构预测中的应用

进化策略算法是一种模拟自然界生物进化过程的全局优化方法。本文将一种改进的进化策略算法应用于蛋白质三维HPNX非格模型,较成功地预测了蛋白质序列1RPB、1BPI和1UBQ的折叠趋势,说明了三维HPNX非格模型比简化HP非格模型更能准确地描述蛋白质的折叠情况,同时表明了进化策略算法用于蛋白质结构预测问题是可行的、有效的。     

基于并行群体模拟退火算法的蛋白质折叠研究

蛋白质折叠研究对于揭示蛋白结构和功能关系,进而了解相关疾病的致病机理意义重大。蛋白质折叠已被证明是 NP-完全问题。本文针对蛋白质折叠研究中的能量最小化问题,提出了一种新的并行群体模拟退火算法（Parallel Group Simulated Annealing,PGSA）及其改进型算法（PGSA_1/K)。该算法使用了降温因子加速收敛精度,并采用 MPI 消息传递并行编程技术加快蛋白质结构空间搜索以及能量最小化寻找速度。以 Met_Enkephalin 蛋白为对象的计算机模拟仿真结果表明,我们提出的算法及其改进型有很好的扩展性,可以高效搜索蛋白结构空间,从而找到相关蛋白的最小能量结构。     

改进的牵引移动的蚁群算法在2D HP模型中的应用

蛋白质折叠问题就是从氨基酸序列中预测蛋白质的构象,该问题是生物信息学的一个突出问题。主要研究二维HP格点模型,它是用于模拟蛋白质折叠问题的一个具有代表性的简化模型,并且将蚁群算法用于求解该二维HP蛋白质的折叠问题。此外,在局部搜索机制中引入一种改进的牵引移动方法,这是一个提高蛋白质构象的有效方法。实验结果表明,针对较长的氨基酸序列,改进的带牵引移动的蚁群算法(ACO+)比ACO能够获得更低能量的构象,证明了所提出的改进蚁群算法是预测蛋白质结构的有效方法。     

蛋白质折叠过程中的长短程作用研究

基于蛋白质二维HP非格模型和改进的模拟退火算法研究了长短程作用在蛋白质折叠过程中的作用。通过试验得出1ECD、2RNS、1PHT、1WBC等序列的折叠构型,并根据PDB中所提供的上述序列的结构信息,具体讨论了长程作用对蛋白质构型的影响,说明了：长程作用在三级结构的形成和稳定中,位于诸多影响因素的首位。     

基于Toy模型蛋白质折叠预测的多种群微粒群优化算法研究

基于Toy模型的蛋白质折叠结构预测问题是一个典型的NP问题.提出了多种群微粒群优化算法用于计算蛋白质能量最小值.该算法采用了一种新的算法结构,在该结构中,每一代的种群被分为精英子种群、开采子种群和勘探子种群三部分,通过改善种群的局部开采能力和全局勘探能力来提高算法的性能.分别采用Fibonacci蛋白质测试序列和真实蛋白质序列进行了折叠结构预测的仿真实验.实验结果表明该算法能够更精确地进行蛋白质折叠结构预测,为生物科学研究提供了一条有效途径.     

格子模型中蛋白质折叠的有效运动集

改进的遗传算法应用格子模型的一种新的运动集来优化蛋白质折叠过程。该新的运动集包含所有对称构象以及传统的运动模式，使其更适用于蛋白质折叠模拟。通过在格子模型中的实验我们发现，利用新的运动集明显优于传统使用的运动集。改进的遗传算法是一种进化算法，该算法适合搜索任何HP序列。     

一种基于折叠模式识别的蛋白质结构片段库构建方法

片段组装方法是从头预测蛋白质三维结构的一类重要方法.现有的基于序列相似的片段库质量限制了低同源目标的预测精度,所以寻找与天然结构更加拟合的已知蛋白质结构片段来构建高质量的片段库是片段组装方法的一项重要任务.本文利用SCOP数据库中的三维结构相似性,对SCOP的折叠模式进行预测,提取预测出的相同折叠模式的已知蛋白质结构的信息,生成保存残基信息的数据库(Vall库).然后将目标蛋白质序列分割成的残基片段与Vall库进行综合评价后生成一种新的片段库,该片段库可以用于一个骨架预测并行蚁群算法.将本文方法与蛋白质结构预测程序RosettaAbinitio的基于序列的片段库进行了比较,实验结果表明采用本文方法的片段库可以找到更接近天然构象的蛋白质结构.     

A Differential Evolution Approach for Protein Folding Using a Lattice Model

Protein folding is a relevant computational problem in Bioinformatics, for which many heuristic algorithms have been proposed. This work presents a methodology for the application of differential evolution （DE） to the problem of protein folding, using the bi-dimensional hydrophobic-polar model. DE is a relatively recent evolutionary algorithm, and has been used successfully in several engineering optimization problems, usually with continuous variables. We introduce the concept of genotype-phenotype mapping in DE in order to provide a mapping between the real-valued vector and an actual folding. The methodology is detailed and several experiments with benchmarks are done. We compared the results with other similar implementations. The proposed DE has shown to be competitive, statistically consistent and very promising.     

Toy模型蛋白质折叠问题的随机扰动粒子群解法

Toy模型蛋白质折叠问题是一个计算生物学中典型的NP难题。提出了一种随机扰动粒子群结合爬山优化的算法,应用二维Toy模型进行蛋白质折叠结构预测,在Fibonacci测试序列及真实蛋白质序列上的测试结果验证了算法的良好性能。     

Quasi-Physical Algorithm of an Off-Lattice Model for Protein Folding Problem

Protein folding problem is one of the most prominent problems of bioinformatics. In this paper, we study a three-dimensional off-lattice protein AB model with two species of monomers, hydrophobic and hydrophilic, and present a heuristic quasi-physical algorithm. By elaborately simulating the movement of the smooth elastic balls in the physical world, the algorithm finds low-energy configurations for a given monomer chain. A subsequent ＂off-trap＂ strategy is proposed to trigger a jump for a stuck situation in order to get out of local minima. The methods have been tested in the off-lattice AB model. The computational results show promising performance. For all sequences with 13 to 55 monomers, the algorithm finds states with lower energy than previously proposed putative ground states. Furthermore, for the sequences with 21, 34 and 55 monomers, new putative ground states are found, which are different from those given in present literature.     

求解蛋白质折叠构形预测问题的PERM改进算法

PERM算法用来求解蛋白质折叠构形预测问题具有非常高的效率。本文介绍了PERM算法的思想，并详细介绍了一种我们改进的PERM算法。使用该算法求解蛋白质折叠构形预测的二维HP格点模型取得了相当好的计算结果。     

Determination of protein structure and dynamics combining immune algorithms and pattern search methods

Natural proteins quickly fold into a complicated three-dimensional structure. Evolutionary algorithms have been used to predict the native structure with the lowest energy conformation of the primary sequence of a given protein. Successful structure prediction requires a free energy function sufficiently close to the true potential for the native state, as well as a method for exploring the conformational space. Protein structure prediction is a challenging problem because current potential functions have limited accuracy and the conformational space is vast. In this work, we show an innovative approach to the protein folding (PF) problem based on an hybrid Immune Algorithm (IMMALG) and a quasi-Newton method starting from a population of promising protein conformations created by the global optimizer DIRECT. The new method has been tested on Met-Enkephelin peptide, which is a paradigmatic example of multiple–minima problem, 1POLY, 1ROP and the three helix protein 1BDC. DIRECT produces an initial population of promising candidate solutions within a potentially optimal rectangle for the funnel landscape of the PF problem. Hence, IMMALG starts from a population of promising protein conformations created by the global optimizer DIRECT. The experimental results show that such a multistage approach is a competitive and effective search method in the conformational search space of real proteins, in terms of solution quality and computational cost comparing the results of the current state-of-art algorithms.     

基于模拟退火算法的蛋白质折叠问题求解

论文将模拟退火思想用于蛋白质结构预测问题,并在此基础上提出改进策略,计算结果表明,对于蛋白质折叠问题模拟退火算法是有效的,改进后的模拟退火算法的计算效率优于目前常用的遗传算法和MonteCarlo方法。