接触图辅助的过程重采样蛋白质构象空间优化算法

蛋白质的三维结构是研究其生物功能及活性机理的基础.为了提高蛋白质结构的预测精度,在进化计算的框架下,提出一种接触图辅助的过程重采样蛋白质构象空间优化算法(Contact Map-assistedProcess Resampling Protein Conformation Space Optimization Algorithm,CM PR). CM PR算法基于残基接触图设计打分模型,用于选择构象以构建过程片段库,使用基于过程重采样策略的片段组装技术执行变异操作,残基接触先验知识和种群进化过程统计知识辅助采样,可以增强近天然态构象区域的搜索能力,提高蛋白质结构预测精度.在12个测试蛋白上的实验结果表明,所提方法具有良好的近天然态构象采样能力和较高的预测精度.

基于Monte Carlo局部增强的多模态优化算法

高维构象空间搜索是蛋白质结构从头预测领域中一个亟需解决的关键问题。基于差分进化算法框架,提出了一种多模态蛋白构象空间优化算法。算法建立基于蛋白质空间特征向量的相似性测度指标,采用排挤更新策略,避免算法早熟,对蛋白质构象空间模态进行全局搜索;设计基于Monte Carlo局部搜索的片段组装方法,实现模态增强过程,有效平衡算法的收敛速度和种群多样性。采用Rosetta粗粒度能量模型,针对5种测试蛋白的实验结果表明:Monte Carlo局部增强和蛋白质特征向量的相似性测度能够有效地提高算法的性能,与Baker小组和Shehu小组的研究成果相比,提出的算法能够达到较高的预测精度,并得到一系列的亚稳态稳定结构。