一种基于粒子群优化算法的蛋白质结构从头预测方法技术
【技术实现步骤摘要】
一种基于粒子群优化算法的蛋白质结构从头预测方法
本专利技术涉及一种生物学信息学、智能优化、计算机应用领域，尤其涉及的是，一种基于粒子群优化算法的蛋白质结构从头预测方法。
技术介绍
蛋白质是所有生物中最重要的大分子之一，一个细胞的干重的一半以上是蛋白质。蛋白质是由单一的肽键连接在一起的氨基酸的顺序链，这些连接的链折叠成能体现它们功能的三维结构，并调节生物体中的细胞活动，以保持生命。蛋白质分子在分子水平上具体体现了蛋白质结构和功能之间的显著关系。蛋白质在生物学中有许多不同的功能。蛋白质的三维天然结构决定它的生物学机制，而反过来，蛋白质氨基酸单体的一维链又对它的天然结构进行编码。蛋白质的三维结构在药物设计、蛋白质工程和生物技术中具有决定性的重要，因此，蛋白质结构预测是一个重要的研究问题。蛋白质结构实验测定方法包括X射线晶体学、核磁共振光谱、和电子显微镜等，这些方法被广泛用于蛋白质结构测定。X射线晶体学被认为是这些方法中相对可行且准确的测定方法之一。然而，X射线晶体学需要进行一个复杂的结晶过程，而对于一些不易结晶的蛋白(如膜蛋白)，此方法无法用于结构测定。此外，这些实验测...
【技术保护点】
一种基于粒子群优化算法的蛋白质结构从头预测方法，其特征在于：所述蛋白质结构从头预测方法包括以下步骤：1)选取Rosetta Score3作为蛋白质力场模型，即能量函数E(X)；2)给定输入序列信息；3)参数初始化：设置粒子群规模NP、惯性权重ω、加速度
【技术特征摘要】
1.一种基于粒子群优化算法的蛋白质结构从头预测方法，其特征在于：所述蛋白质结构从头预测方法包括以下步骤：1)选取RosettaScore3作为蛋白质力场模型，即能量函数E(X)；2)给定输入序列信息；3)参数初始化：设置粒子群规模NP、惯性权重ω、加速度加速度和最大迭代次数Gmax；4)用二面角对表示蛋白质构象Ci(G)，其中，L为蛋白序列长度，表示第G代种群中第i个个体的第j个二面角对，为便于描述，将其记为其中表示构象Ci(G)的第k维分量，k∈{1,...,2L}；5)构象初始化：根据给定输入序列，生成NP个伸展链构象，作为初始粒子群P＝{C1(G),C2(G),...,CNP(G)}，令G＝0；6)对粒子群中的构象Ci(G)依次进行L次片段组装，用E(X)计算新生成构象的能量值，并将当前构象作为个体Ci(G)的历史最优构象表示pbesti的第k维分量，k∈{1,2,...,2L}，选取当前粒子群中能量最低构象作为粒子群全局最优构象gbest＝{Y1,Y2,.....
-
暂无相关专利
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。