并行蟻群優(yōu)化在蛋白質(zhì)結(jié)構(gòu)預(yù)測中的應(yīng)用研究.pdf

1、蛋白質(zhì)三維結(jié)構(gòu)對于生物學(xué)和醫(yī)學(xué)來說意義重大,利用生化手段測定蛋白質(zhì)結(jié)構(gòu)代價高,耗時長,因此利用計(jì)算手段預(yù)測蛋白質(zhì)三維結(jié)構(gòu)逐漸成為計(jì)算生物學(xué)的重要課題。在巨大的構(gòu)象空間中如何有效的搜索,是該課題的重大挑戰(zhàn)之一。本文研究將并行蟻群優(yōu)化技術(shù)應(yīng)用于蛋白質(zhì)結(jié)構(gòu)預(yù)測問題。
　　 針對基于二維HP模型的蛋白質(zhì)結(jié)構(gòu)預(yù)測問題,設(shè)計(jì)了串行算法ACOHP和基于共享信息素矩陣的并行算法PACOHP,并通過11條測試集對并行算法進(jìn)行評價,其中8個得到了最

2、優(yōu)解。這為將共享信息素矩陣的并行蟻群算法應(yīng)用到更真實(shí)復(fù)雜的蛋白質(zhì)三維結(jié)構(gòu)預(yù)測提供了基礎(chǔ)。
　　 對于蛋白質(zhì)三維骨架預(yù)測問題,通過共享信息素方法將多個能量函數(shù)融合,設(shè)計(jì)了pacBackbone預(yù)測算法。針對蛋白質(zhì)Loop區(qū)域靈活多變的特性,采用了局部優(yōu)化技術(shù)。同時設(shè)計(jì)了交叉構(gòu)象操作,能以較少開銷衍生更多優(yōu)質(zhì)的蛋白質(zhì)候選構(gòu)象。選擇最適合的聚類算法和甄別方法,在眾多的候選結(jié)構(gòu)中挑出最接近于天然結(jié)構(gòu)的構(gòu)象。
　　 用CASP8所