期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
Residual occurrence and energy property of proteins in HNP model 被引量:1
1
作者 姜舟婷 窦文辉 +2 位作者 沈瑜 孙婷婷 徐鹏 《Chinese Physics B》 SCIE EI CAS CSCD 2015年第11期379-388,共10页
Four categories of globular proteins, including all-a, all-β, α+β, and α/β types, are simplified as the off-lattice HNP model involving the secondary-structural information of each protein. The propensity of thr... Four categories of globular proteins, including all-a, all-β, α+β, and α/β types, are simplified as the off-lattice HNP model involving the secondary-structural information of each protein. The propensity of three types of residues, i.e., H, N, and P to form a secondary structure is investigated based on 146 protein samples. We find that P residues are easy to form a-helices, whereas H residues have a higher tendency to construct β-sheets. The statistical analysis also indicates that the occurrence of P residues is invariably higher than that of H residues, which is independent of protein category. Changes in bond- and non-bonded potential energies of all protein samples under a wide temperature range are presented by coarse-grained molecular dynamics (MD) simulation. The simulation results clearly show a linear relationship between the bond-stretching/bending potential energy and the reduced temperature. The bond-torsional and non-bonded potential energies show distinct transitions with temperature. The bond-torsional energy increases to the maximum and then decreases with the increase of temperature, which is opposite to the change in non-bonded potential energy. The transition temperature of non-bonded potential energy is independent of the protein category, while that of bond-torsional energy is closely related to the protein secondary structure, i.e., α-helix or E-sheet. The quantitatively bonded- and semi- quantitatively non-bonded potential energy of 24 α+β and 23 α/β protein samples are successfully predicted according to the statistical results obtained from MD simulations. 展开更多
关键词 hnp model molecular dynamics simulation residue hydrophobicity
下载PDF
蛋白质分子的HNP格点模型 被引量:4
2
作者 王向红 章林溪 赵得禄 《高分子学报》 SCIE CAS CSCD 北大核心 2004年第2期273-276,共4页
从 6 0种球形蛋白质的结构出发 ,采用Miyazawa Jernigan相互作用矩阵 ,计算了蛋白质分子中氨基酸之间的相互作用能 .发现构成蛋白质分子的 2 0种氨基酸可分成疏水 (Hydrophobic ,H)、中性 (Neutral,N)、亲水(Hydrophilic ,P)基团 .在计... 从 6 0种球形蛋白质的结构出发 ,采用Miyazawa Jernigan相互作用矩阵 ,计算了蛋白质分子中氨基酸之间的相互作用能 .发现构成蛋白质分子的 2 0种氨基酸可分成疏水 (Hydrophobic ,H)、中性 (Neutral,N)、亲水(Hydrophilic ,P)基团 .在计算它们之间相互作用能的基础上 ,建立了蛋白质分子的HNP格点模型 .用这个模型计算了二维蛋白质分子在自然态 (Nativestate)时的构象性质 .同时研究了氨基酸序列为HHNHNPNHPP HPNPPHPHPPHHPHNH的折叠过程 ,得到其基态能量为 - 6 4 89RT . 展开更多
关键词 蛋白质分子 hnp格点模型 氨基酸 相互作用能 构象性质 折叠过程
下载PDF
基于HNP模型的强化学习状态空间表示方法
3
作者 吴宏杰 韩佳妍 +2 位作者 杨茹 陆卫忠 傅启明 《计算机应用与软件》 北大核心 2021年第12期243-250,279,共9页
蛋白质结构预测是生物信息领域中具有挑战性的问题之一。将强化学习运用在HNP晶格模型的最优结构发现中,性能出色,但结构预测所需的状态空间巨大,容易导致维数灾难问题。在全状态空间基础上,进一步提出半状态空间与简单状态空间方法,以... 蛋白质结构预测是生物信息领域中具有挑战性的问题之一。将强化学习运用在HNP晶格模型的最优结构发现中,性能出色,但结构预测所需的状态空间巨大,容易导致维数灾难问题。在全状态空间基础上,进一步提出半状态空间与简单状态空间方法,以达到约减状态空间的目的,同时对奖赏函数与策略进行定量分析。实验结果表明,该方法有效解决全状态空间无法计算长序列的缺点,其中简单状态空间较全状态空间有3条序列预测出更低能量,半状态空间较全状态空间方法全部6条长序列都预测出更低能量,且半状态空间预测的能量平均值较简单状态空间降低了9.83百分点。 展开更多
关键词 强化学习 hnp模型 维数灾难 状态空间
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部