發(fā)布時間：2020-04-07 12:31

【摘要】：準確預測蛋白質(zhì)的三維結(jié)構(gòu)對蛋白質(zhì)功能的注釋、疾病研究、藥物設計等方面有著重要的意義。然而,實驗測定蛋白質(zhì)三維結(jié)構(gòu)的技術發(fā)展緩慢。因此,根據(jù)Anfinsen法則,利用計算機技術設計適當?shù)乃惴?以氨基酸序列為起點,蛋白質(zhì)三維結(jié)構(gòu)為目標的從頭預測方法已成為生物信息學中非常重要的研究課題。目前,蛋白質(zhì)從頭預測方法主要的技術瓶頸在于現(xiàn)有技術的構(gòu)象空間采樣能力不足和能量函數(shù)不精確。先驗知識可以降低能量函數(shù)不精確帶來的誤差,并有效地減小構(gòu)象的搜索空間,進而提高預測精度。但是如何將從大量的先驗知識中提取有效的特征信息,并建立精確的打分模型來輔助蛋白質(zhì)結(jié)構(gòu)預測是問題的關鍵;此外,進化算法作為一種研究蛋白質(zhì)構(gòu)象空間優(yōu)化的重要方法,引起了國內(nèi)外研究者的關注,但是如何保持全局探索與局部增強的平衡,依舊是一個關鍵問題。本文基于距離譜,在進化算法的框架下,進行了以下的研究:(1)距離和疏水模型輔助的蛋白質(zhì)結(jié)構(gòu)預測方法。首先,根據(jù)氨基酸的親疏水性構(gòu)建氨基酸的回轉(zhuǎn)半徑來指導構(gòu)象空間采樣,有效地減小構(gòu)象的搜索空間,進而提高了搜索效率;然后,利用距離譜構(gòu)建距離分布估計模型,并結(jié)合疏水概率模型來指導種群更新,緩解能量函數(shù)不精確帶來的誤差。在基準數(shù)據(jù)集上進行測試,算法取得了良好的結(jié)果。(2)基于距離譜的兩階段蛋白質(zhì)結(jié)構(gòu)預測方法。首先,利用二分K-均值聚類算法從距離譜中提取特征信息,并用來構(gòu)建特征相似度模型;其次,設計了基于相似度模型的選擇策略來指導構(gòu)象搜索,從而降低能量函數(shù)不精確帶來的誤差;最后,根據(jù)種群中相鄰兩代的進化信息設計了基于狀態(tài)估計的兩階段采樣策略,達到保持全局探索與局部增強的平衡,進而提高采樣能力。在基準測試集上,通過分離實驗以及與其他方法的比較,表明該算法是一種有效的蛋白質(zhì)結(jié)構(gòu)從頭預測方法。
【圖文】：

浙江工業(yè)大學碩士學位論文離區(qū)間中的片段數(shù)目，繪制成折線圖。若折線圖在 0~9 內(nèi)的某個距離區(qū)間內(nèi)出峰值時，則記錄下該距離分布，即為目標序列中第 p 和 q 個殘基的距離譜。因短距離的相互作用比遠距離的相互作用更加具有保守性，所以在距離譜中，只計 9pqd < 的片段對數(shù)。Zhang 和 Xu 提出目標蛋白的第 p 和第 q 個殘基的 C子間的歐式距離有很大概率為pqd ，距離譜反應了殘基對間的距離分布。pqpqd

10 1gvp 8.34 8.58 10.42 12.49 12.93 12.74表 3-3 中 Lowest-RMSDc 代表預測得到的最低 RMSD 值，Mean-RMSDc得到的平均 RMSD 值。對于測試蛋白 1ail、1bkrA、1bgf 和 1gvp 來說，DH模型的 Lowest-RMSDc 都優(yōu)于 Rosetta 和 QUARK，尤其是 1bkrA 和 1c8MA 算法的 Lowest-RMSDc 比 QUARK 和 Rosetta 的精度高 1 。雖然，DH法的 Lowest-RMSDc 結(jié)果比 QUARK 預測的差，但是 DHMA 預west-RMSDc優(yōu)于Rosetta預測的結(jié)果，其中對于1hz6A、1ctf和1vcc蛋白，D的 Lowest-RMSDc 比 QUARK 的差，，但是在 Mean-RMSDc 方面，DHMA測精度優(yōu)于 QUARK。1acf (DHMA) 1acf (Rosetta) 1acf (QUARK)
【學位授予單位】：浙江工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：Q51;TP18

【相似文獻】

相關期刊論文 前10條

1 孟慶玲;黃家榮;;林木蛋白質(zhì)結(jié)構(gòu)預測研究綜述[J];遼寧林業(yè)科技;2009年06期

2 王俊;邢麗麗;周鵬;;蛋白質(zhì)結(jié)構(gòu)預測方法研究[J];黑龍江科技信息;2008年19期

3 王化坤;錢偉懿;;神經(jīng)網(wǎng)絡方法在蛋白質(zhì)結(jié)構(gòu)預測中的研究與應用[J];黑龍江科技信息;2008年04期

4 張超;張暉;李冀新;高紅;;基于遺傳算法的蛋白質(zhì)結(jié)構(gòu)預測方法[J];生物信息學;2006年03期

5 牛衛(wèi)東,潘憲明;蛋白質(zhì)結(jié)構(gòu)預測[J];世界科技研究與發(fā)展;1998年01期

6 張紅娟;李斌;唐煥文;郭崇慧;;進化策略的一種改進及其在蛋白質(zhì)結(jié)構(gòu)預測中的應用[J];計算機與應用化學;2005年12期

7 張超;盧艷;李冀新;黃衛(wèi)寧;陳正行;;遺傳算法在蛋白質(zhì)結(jié)構(gòu)預測中的應用[J];生物技術通訊;2006年02期

8 林治華;蛋白質(zhì)結(jié)構(gòu)預測的方法學評述[J];免疫學雜志;2001年S1期

9 唐煥文,靳利霞,計明軍;蛋白質(zhì)結(jié)構(gòu)預測的優(yōu)化模型與方法[J];工程數(shù)學學報;2002年02期

10 陸恒云;楊根科;潘常春;;一種基于關聯(lián)圖的蛋白質(zhì)結(jié)構(gòu)預測改進算法[J];上海交通大學學報;2011年01期

相關會議論文 前6條

1 靳利霞;唐煥文;;基于能量極小化的蛋白質(zhì)結(jié)構(gòu)預測[A];中國運籌學會第六屆學術交流會論文集（上卷）[C];2000年

2 張紅娟;唐煥文;;蛋白質(zhì)結(jié)構(gòu)預測中的長短程作用分析與研究[A];大連理工大學生物醫(yī)學工程學術論文集（第2卷）[C];2005年

3 王寶翰;齊力省;陳慰祖;王存新;;由結(jié)構(gòu)預測走向折迭理論[A];第十次中國生物物理學術大會論文摘要集[C];2006年

4 方慧生;陳凱先;;一個有效解決遠距離同源蛋白質(zhì)結(jié)構(gòu)預測及序列比對的有效方法[A];中國化學會第26屆學術年會化學信息學與化學計量學分會場論文集[C];2008年

5 過濤;孫之榮;;膜蛋白跨膜區(qū)段序列分析和預測[A];第七屆全國生物膜學術討論會論文摘要匯編[C];1999年

6 吳愛平;田麗青;胡云;曹洋;苗智超;蔣太交;;蛋白質(zhì)結(jié)構(gòu)預測平臺TJ_Jiang及其在CASP8中的表現(xiàn)[A];第十一次中國生物物理學術大會暨第九屆全國會員代表大會摘要集[C];2009年

相關重要報紙文章 前2條

1 本報記者 趙廣立;AlphaFold“大勝”人類的“戲碼”不太足[N];中國科學報;2018年

2 ;蛋白質(zhì)的折疊破譯“第二遺傳密碼”（未完待續(xù)）[N];云南科技報;2001年

相關博士學位論文 前10條

1 汪心享;基于知識的蛋白質(zhì)結(jié)構(gòu)預測復合打分函數(shù)[D];華中科技大學;2019年

2 陳燁;基于群智能算法的蛋白質(zhì)結(jié)構(gòu)預測研究[D];中國礦業(yè)大學;2018年

3 張巖;基于群智能方法的蛋白質(zhì)結(jié)構(gòu)預測研究[D];上海交通大學;2016年

4 王明會;基于統(tǒng)計建模方法的蛋白質(zhì)結(jié)構(gòu)預測研究[D];中國科學技術大學;2006年

5 何潔月;面向蛋白質(zhì)結(jié)構(gòu)預測的計算生物學技術研究[D];東南大學;2006年

6 郭雨珍;蛋白質(zhì)結(jié)構(gòu)預測和比較的優(yōu)化研究[D];大連理工大學;2007年

7 唐鶴云;基于多肽片段中央氨基酸裝配的蛋白質(zhì)結(jié)構(gòu)預測[D];中國協(xié)和醫(yī)科大學;2007年

8 高朋越;基于CALYPSO方法的XRD逆向結(jié)構(gòu)搜索和蛋白質(zhì)結(jié)構(gòu)預測[D];吉林大學;2017年

9 劉景發(fā);求解蛋白質(zhì)結(jié)構(gòu)預測問題及矩形packing問題的啟發(fā)式算法[D];華中科技大學;2007年

10 張麗超;基于序列的蛋白質(zhì)結(jié)構(gòu)預測的機器學習模型[D];中國海洋大學;2015年

相關碩士學位論文 前10條

1 夏慧芳;基于范德華勢能的蛋白質(zhì)結(jié)構(gòu)預測問題[D];南京航空航天大學;2019年

2 謝騰宇;基于信息熵的蛋白質(zhì)結(jié)構(gòu)預測方法研究[D];浙江工業(yè)大學;2019年

3 王小奇;基于距離譜的蛋白質(zhì)結(jié)構(gòu)預測方法研究[D];浙江工業(yè)大學;2019年

4 佟毓來;求解蛋白質(zhì)二維結(jié)構(gòu)預測問題的樹搜索算法研究[D];華中科技大學;2019年

5 婁立峰;基于多信息融合的蛋白質(zhì)結(jié)構(gòu)預測研究[D];青島科技大學;2018年

6 羅升;基于深度學習的采樣技術在蛋白質(zhì)結(jié)構(gòu)預測中運用[D];蘇州大學;2016年

7 陳衛(wèi)峰;蛋白質(zhì)結(jié)構(gòu)預測及其方法研究[D];武漢大學;2005年

8 劉宏偉;無序蛋白質(zhì)結(jié)構(gòu)預測方法研究[D];蘇州大學;2013年

9 吳進珍;并行蟻群優(yōu)化在蛋白質(zhì)結(jié)構(gòu)預測中的應用研究[D];蘇州大學;2010年

10 張紅娟;基于非格點模型的蛋白質(zhì)結(jié)構(gòu)預測研究[D];大連理工大學;2006年

本文編號：2617917