距离约束的HMC采样算法在蛋白质结构预测中的运用

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.

关键词：距离约束、HMC、采样、结构预测、蛋白质

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金项目61170125

在线出版日期：2016-08-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：117-122