| 【论文摘要】 |
蛋白质的生物功能是由它们的空间折叠结构决定的,理解蛋白质的折叠过程是生物信息学领域中极具挑战性的问题之一。近年来,许多研究者从事蛋白质简化模型的研究,这些模型基于热力学假说,即蛋白质的天然构象是自由能最低的构象。在这些简化模型的基础上,出现各种优化方法用于蛋白质空间折叠结构预测。这些方法仍存在着不足,算法在变量数目增大时,难以收敛到全局最优解,并容易产生早熟收敛,从而影响求解精度和效率。
针对蛋白质结构预测模型多变量多极值的特点,本文结合遗传算法和模拟退火算法,形成一种新的遗传退火算法,并用于二维AB非格模型进行蛋白质折叠结构预测,二维AB非格模型考虑疏水性和亲水性两种残基。通过对遗传退火算法中的交叉和变异操作的改进,并重新设计出假设生成后的排序策略,优化算法能在保持较高精度的情况下搜索到蛋白质序列的最低能量构形。
在二维结构预测的基础之上,本文还将遗传退火算法用于三维AB非格模型,该模型在考虑疏水性残基和亲水性残基以外,还考虑了蛋白质的扭转能量。研究结果表明:三维AB非格模型与二维AB非格模型相比,更能反应出真实蛋白质的重要特性。
本研究设计和实现以上遗传退火算法,以及该算... |