距离和疏水模型辅助的蛋白质结构预测方法

预测蛋白质结构对药物设计和疾病诊断有着重要的科学意义.针对蛋白质结构从头预测问题,在进化算法框架下,提出一种距离和疏水模型辅助的蛋白质结构预测方法(Distance and Hydrophobic Model-assisted Protein Structure Prediction Method,DHM A).首先根据亲疏水性构建氨基酸的回转半径来指导构象空间采样,达到提高搜索效率的目的;然后,利用距离谱构建距离分布估计模型和疏水概率模型,指导种群更新,缓解能量函数不精确带来的误差.在10个测试蛋白的预测结果表明,DHM A具有良好的搜索性能和预测精度,是一种有效的蛋白质结构预测方法.

距离约束和二面角优化的蛋白质结构预测方法

预测蛋白质三维结构对了解其生物功能、疾病发病机理研究、药物研发等具有重大意义.为了提高蛋白质结构预测的精度,提出了一种基于距离约束和二面角优化的蛋白质结构预测方法(Distance Constraint and Dihedral Angle Optimized Protein Structure Prediction Method, DCDA).首先,对预测的残基间距离分布图进行筛选,进而构建基于残基间距离分布的构象评估模型,指导构象选择;然后,在片段组装大范围搜索构象空间的基础上,利用基于二面角差分进化采样策略增强结构灵活的Loop区域采样,进一步提高拓扑结构的精度,增强近天然态构象采样能力.在15个测试蛋白的预测结果表明,DCDA能够达到较高的预测精度,是一种有效的蛋白质结构预测方法.