距离约束的HMC采样算法在蛋白质结构预测中的运用

• 作者: 吕强 罗升
• 来源期刊: 生物信息学
• 学科: 工学
• 关键词: 距离约束 HMC 采样 结构预测 蛋白质
• 年，卷（期）: 2016,（2）
• 所属期刊栏目: 研究快报
• 页码范围: 117-122
• 页数: 6页
• 分类号: TP391
• 字数: 5736字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-5565.2016.02.09

摘要

蛋白质结构预测中,采样是指在构象空间中生成具有最小自由能的状态.传统的采样方法是对自由度直接赋值.这种方法在处理较少的残基时能取得好的效果.但是对于包含100个残基以上的蛋白质结构,由于构象空间的急剧增长,难以得到理想的结构.本文引入深度学习中的HMC(Hybrid Monte Carlo)采样方法,以概率分布为依据对蛋白质的自由度进行采样,能够对包含100、200甚至更多个残基的蛋白质结构进行采样.并且,在采样的过程中加入残基间的距离约束,使得一个结构中,相对于Rosetta的ab initio最多有75％(平均40％)的残基对得到优化,满足距离约束.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吕强	苏州大学江苏省计算机信息处理技术重点实验室	134	1011	15.0	26.0
2	罗升	苏州大学计算机科学与技术学院	2	2	1.0	1.0