改进的势能曲面变平法在二维非格点模型中的应用

蛋白质结构预测问题是生物信息学中的一个重要问题。缺少一种有效的全局寻优方法是阻碍这一问题解决的关键。势能曲面变平(ELP)法是一种启发式的全局优化方法,是一种推广的Monte Carlo方法,已成功地应用于许多优化问题。在ELP法的基础上,提出了改进的势能曲面变平(ELP+)算法。将ELP+算法应用于二维非格点的蛋白质AB模型,预测和发现四条链长分别为13,21,34和55的氨基酸序列的蛋白质结构。数值实验表明,ELP+算法是一种预测蛋白质结构的有效算法。

势能曲面变平法的改进及其在三维非格点模型中的应用

根据蛋白质的氨基酸序列预测其空间结构可以归纳为一个多极值的全局优化问题,缺少一种有效的全局寻优方法是阻碍这一难题解决的一个关键。势能曲面变平(ELP)法是一种启发式的全局优化算法,是一种推广的蒙特卡罗(MC)法,已被成功地应用于蛋白质结构预测问题。本文在ELP法的基础上,提出改进的势能曲面变平(ELP+)算法。将ELP+算法应用于三维非格点的蛋白质AB模型,预测和发现蛋白质结构,数值实验表明ELP+算法是一种预测蛋白质结构的有效算法,计算结果优于ELP和MC算法。

用于真实蛋白质结构预测的一种新的优化方法

用“相对熵”作为优化函数 ,提出了一个有效快速的折叠预测优化算法 .使用了非格点模型 ,预测只关心蛋白质主链的走向 .其中只用到了蛋白质主链上的两两连续的Cα 原子间的距离信息以及 2 0种氨基酸的接触势的一个扩展形式 .对几个真实蛋白质做了算法测试 ,预测的初始结构都为比较大的去折叠态 ,预测构象相对于它们天然结构的均方根偏差 (RMSD)为 5～ 7 .从原理上讲 ,该方法是对能量优化的改进 .