接触图辅助的过程重采样蛋白质构象空间优化算法

发布时间：2021-03-23 19:57

　　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. 

【文章来源】：小型微型计算机系统. 2020,41(03)北大核心CSCD

【文章页数】：6 页

【部分图文】：

构建过程片段库

图2所示为个体xi交叉操作示意图，对于个体xi，首先从种群中随机选择一个个体xj,xi≠xj，然后在xj上随机选择一个3残基长度的片段，使用这个3片段上的二面角替换xi相同位置片段上的二面角，得到交叉后的个体x"i，交叉操作增加了种群的多样性．2.5算法描述:

部分蛋白的构象采样结果如图3所示，图中横坐标表示构象与天然态蛋白质比较的RMSD值，纵坐标表示构象的能量值．从图中测试蛋白4UEX、1SAP可以看出，虽然CMPR算法总体的构象采样范围比Rosetta小，但是比Rosetta搜索到更多能量更低和RMSD更低的构象区域，因此预测精度更高．1BQ9和1WAP是两个结构较复杂的β折叠型蛋白，Rosetta虽然搜索到了更低能量的构象区域，但是由于能量函数的不精确，低能构象的结构与天然态蛋白质结构相差较大，CM PR算法虽然无法采样到比Rosetta更低能量的构象区域，但是得到的最低能量区域的构象RMSD更小，所以得到结果的预测精度更高．图4 构象RMSD分布

【参考文献】：
期刊论文
[1]基于副本交换的局部增强差分进化蛋白质结构从头预测方法[J]. 李章维,郝小虎,张贵军.  计算机科学. 2017(05)
[2]使用双向LSTM的深度神经网络预测蛋白质残基相互作用[J]. 曹成远,吕强.  小型微型计算机系统. 2017(03)
[3]蛋白质结构预测[J]. 邓海游,贾亚,张阳.  物理学报. 2016(17)
[4]蛋白折叠预测[J]. 马彬广.  科学通报. 2016(24)
[5]蛋白质三级结构预测算法综述[J]. 王超,朱建伟,张海仓,巩海娥,郑伟谋,卜东波.  计算机学报. 2018(04)
[6]局部抽象凸区域剖分差分进化算法[J]. 周晓根,张贵军,郝小虎.  自动化学报. 2015(07)
[7]一种基于折叠模式识别的蛋白质结构片段库构建方法[J]. 陈沙沙,吴宏杰,吕强.  小型微型计算机系统. 2013(02)



本文编号：3096337