学位论文 > 优秀研究生学位论文题录展示
基于遗传禁忌算法的蛋白质三维折叠结构预测
作 者: 汪婷
导 师: 张晓龙
学 校: 武汉科技大学
专 业: 计算机软件及理论
关键词: 蛋白质三维折叠 从头预测法 AB非格模型 遗传禁忌算法
分类号: Q51
类 型: 硕士论文
年 份: 2010年
下 载: 44次
引 用: 1次
阅 读: 论文下载
内容摘要
蛋白质折叠成特有的空间结构后,行使各种各样的生物活性,对其折叠结构进行研究,是生物信息学的关键问题之一。基于蛋白质天然构象处于其能量最低态的热力学假说,研究者们正采用从头预测法从氨基酸残基序列直接预测其空间结构,遇到了两大难点:其一,需要一个能区分蛋白质天然态和非天然态的势能函数;其二,需要一个有效的全局优化方法,搜索其最低自由能状态。本文将能反映蛋白质真实特性的三维AB非格模型作为简化模型,结合遗传算法和禁忌算法,形成了一种新的混合优化方法——遗传禁忌算法,并提出了五个改进策略:染色体编码、可变群体规模、排序选择、变异算子TSM和交叉算子TSR,用以增强算法的全局优化能力和局部搜索力度。本文将遗传禁忌算法应用于两类数据的三维折叠结构预测:被广泛使用的4条斐波纳契序列和从PDB获取的9条真实蛋白质序列,均能在保持较高精度的情况下,快速搜索到最低自由能和最低能量构象。实验结果表明,本文搜索到的最低能量值都优于同类其它算法得到的值,且随着序列长度的增加,遗传禁忌算法对解的改善程度越高,此外,本文的最低能量构象均形成了紧凑的疏水核,亲水残基包围在外面,与蛋白质的真实特征保持一致。这些都说明遗传禁忌算法为蛋白质三维折叠结构预测提供了一个有效的高性能的全局搜索方法。
|
全文目录
摘要 4-5 Abstract 5-8 第一章 绪论 8-12 1.1 研究背景与意义 8 1.2 国内外研究现状 8-10 1.3 本文的主要工作 10 1.4 本文的结构安排 10-12 第二章 蛋白质的结构及其预测 12-19 2.1 蛋白质的组成 12 2.2 蛋白质的层次结构 12-14 2.3 蛋白质结构预测 14-16 2.3.1 序列比对分析 14-15 2.3.2 二级结构预测 15 2.3.3 三级结构预测 15-16 2.4 蛋白质的折叠问题 16-17 2.5 基于粗粒模型的折叠结构预测 17-18 2.6 本章小结 18-19 第三章 遗传算法和禁忌算法 19-24 3.1 遗传算法 19-21 3.1.1 遗传算法的基本原理 19-20 3.1.2 遗传算法的改进策略 20-21 3.2 禁忌算法 21-23 3.2.1 禁忌算法的基本原理 21-22 3.2.2 禁忌算法的改进 22-23 3.3 遗传算法和禁忌算法的结合 23 3.4 本章小结 23-24 第四章 基于遗传禁忌算法的蛋白质三维折叠结构预测 24-32 4.1 三维AB 非格模型 24-25 4.2 遗传禁忌算法改进策略 25-28 4.2.1 染色体编码 25-26 4.2.2 可变群体规模 26 4.2.3 排序选择 26 4.2.4 变异算子TSM 26-28 4.2.5 交叉算子TSR 28 4.3 遗传禁忌算法描述 28-30 4.4 本章小结 30-32 第五章 实验结果与分析 32-39 5.1 斐波纳契序列的结构预测 32-35 5.2 真实蛋白质的结构预测 35-38 5.3 本章小结 38-39 第六章 总结与展望 39-41 6.1 工作总结 39 6.2 展望 39-41 参考文献 41-46 致谢 46-47 附录 A 攻读学位期间发表的论文 47
|
相似论文
- 基于遗传禁忌算法的Ad Hoc网络路由技术,TN929.5
- 电网支路参数估计方法及其应用研究,TM711
- 基于遗传禁忌算法的网络信息过滤模型研究,TP393.09
- 基于改进的禁忌算法的蛋白质三维结构预测,Q51
- 基于AB非格模型与遗传退火算法的蛋白质折叠结构预测,TP18
- 配电系统无功电压优化控制,TM732
- 遗传禁忌神经网络在短期负荷预测中的应用研究,TM715
- 一种蛇毒组分对神经细胞的选择性毒性及作用机理的初步研究,Q51
- 基于监督流形学习算法的固有不规则蛋白质结构预测研究,Q51
- 东亚钳蝎昆虫毒素BmK IT中关键活性位点的功能分析,Q51
- 力生长因子C端E肽的理化性质和功能研究,Q51
- 八助游仆虫中心蛋白N端及其突变体的金属结合性质,Q51
- 蛋白质泛素化的生物信息学分析,Q51
- 高温动力学方法筛选提高蛋白质热稳定性的突变位点,Q51-33
- 亲和温敏聚合物的制备及其在亲和沉淀中的应用,Q51
- 间斑寇蛛幼蛛体内毒性成分的分离与活性分析,Q51
- 构建及筛选S1型断裂蛋白质内含子用于蛋白质定点标记,Q51
- 膜蛋白跨膜螺旋结构预测研究,Q51
- 基于改进的ID3算法的蛋白质纯化方法研究,Q51
- 基于丰富特征和多核学习的蛋白质关系抽取,Q51
- 基于特征融合的膜蛋白跨膜螺旋预测,Q51
中图分类: > 生物科学 > 生物化学 > 蛋白质
© 2012 www.xueweilunwen.com
|