蛋白质结构预测的算法研究

论文摘要

从蛋白质的氨基酸序列预测其结构是现代计算生物学中最重要的问题之一,该问题的难点主要是计算量非常大。解决问题的办法有两种:一是用新颖的搜索方法,如遗传算法,模拟退火算法等;另外一种是对蛋白质结构做出合理的假设,如简化模型。 论文主要研究两种典型的群体智能算法——蚁群算法和微粒群算法——在蛋白质结构的两种简化模型预测方面的应用。在格模型方面,提出了一种改进的蚁群算法;在非格模型方面,首次用微粒群算法进行了预测。 全文分四章。作为基础,第一、二章介绍了该课题研究的意义及现有研究成果,阐述了该课题研究的基础知识,包括氨基酸分类、蛋白质的分子结构、格模型及非格模型的原理及实现。第三、四章是本文的主要工作,分为两个部分:第一部分针对格模型提出了一种改进的蚁群算法,在算法的搜索阶段采用了牵引移动的方法。改进后的算法具有较快的收敛速度,对于长度大于50的序列,得到相同的解原算法最少要2个小时,最多则要十几个小时;而改进后的算法最多只要三十几分钟。文中详细描述了该算法,并给出了数值实验结果。第二部分介绍了微粒群算法,并首次用于非格模型结构预测,给出的数值实验结果表明微粒群算法是一种有效的搜索方法,并且一定程度上非格模型能够近似真实蛋白质。

论文目录

• 摘要
• Abstract
• 第一章 引言
• §1.1 问题的提出
• §1.2 国内外研究现状
• §1.3 本文组织结构
• 第二章 基础知识
• §2.1 氨基酸的分类
• §2.2 蛋白质的分子结构
• §2.3 格模型与非格模型
• §2.3.1 格模型
• §2.3.2 非格模型
• §2.4 基本蚁群算法
• §2.4.1 算法原理
• §2.4.2 模型及实现
• §2.4.3 算法流程
• §2.5 基本微粒群算法
• §2.5.1 算法原理
• §2.5.2 模型及实现
• §2.5.3 算法流程
• 本章小结
• 第三章 蛋白质格模型结构预测
• §3.1 蚁群算法在格模型中的应用
• §3.1.1 解的构建、信息素表示
• §3.1.2 局部搜索
• §3.1.3 信息素的更新
• §3.2 牵引移动
• §3.3 数值实验
• 本章小结
• 第四章 蛋白质非格模型结构预测
• §4.1 微粒群算法在非格模型中的应用
• §4.2 数值实验
• §4.2.1 人工序列实验
• §4.2.2 真实蛋白质序列实验
• 本章小结
• 参考文献
• 附录 20种基本氨基酸符号和结构
• 后记