蛋白质折叠二维HP模型中的关联条件及其应用

蛋白质折叠是生物信息学中的一个重要问题,因为蛋白质是生物功能的主要承载者,几乎所有的生物功能都与蛋白质有关。在本文中,我们主要讨论了二维HP模型下蛋白质折叠中疏水核的关联关系,并利用关联关系避免了在求解蛋白质链的空间结构时陷入能量局部最小值,有效地找出了蛋白质的最低能量,同时,利用关联关系去除了大量的无效构象,进而提高搜索构象的收敛速度。

改进二进制量子粒子群算法在蛋白质折叠中的应用

为了改善已有二维HP模型蛋白质折叠算法容易陷入局部最优、找不到理论最低能量构象的缺点,提出一种基于变异算子的改进二进制量子粒子群算法。采用二进制编码蛋白质序列,提出变异策略,并采用惩罚因子避免出现蛋白质重叠,最后将该算法应用于蛋白质序列进行测试。测试结果表明,改进算法能够找到更优的结果,算法具有一定的实用性和有效性。

一种禁忌搜索算法在二维HP非格模型中的应用

禁忌搜索算法是一种启发式的全局优化算法,是局部搜索算法的一种推广,已被成功地应用于许多组合优化问题,本文探讨将一种记忆的禁忌搜索算法应用于求解蛋白质结构预测问题。文中首先介绍了一种二维HP非格模型,此模型最后可以归结为一个全局优化问题,然后介绍了记忆的禁忌搜索算法在其中的应用,通过与PERM(Pruned-Enriched-Rosenbluth Method) 比较,发现禁忌算法能得到较好的实验结果,经分析发现虽然二维HP非格模型很简单,但却能反映蛋白质结构的一些简单的性质,即在蛋白质结构中,疏水性氨基酸形成束,总是被极性氨基酸包围。数值实验表明该算法对于蛋白质结构预测是可行有效的。