距离约束的HMC采样算法在蛋白质结构预测中的运用.PDFVIP

第 １４卷 第２期 生 物 信 息 学 Ｖｏｌ．１４ Ｎｏ．２ 　 　 　 　 　 　 　 　 　 　 ２０１６年０６月 Ｃｈｉｎｅｓｅ Ｊｏｕｒｎａｌ ｏｆ Ｂｉｏｉｎｆｏｒｍａｔｉｃｓ Ｊｕｎ． ２０１６ － ｄｏｉ：１０３９６９／ ｊ．ｉｓｓｎ．１６７２ ５５６５．２０１６．０２．０９ 距离约束的ＨＭＣ采样算法在蛋白质结构预测中的运用 １ ２∗ 罗　 升 ，吕　 强 （１．苏州大学计算机科学与技术学院，苏州 ２１５００６ ２．苏州大学江苏省计算机信息处理技术重点实验室，苏州 ２１５００６） 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 － － － 中图分类号：ＴＰ３９１　 　 文献标志码：Ａ　 　 文章编号：１６７２ ５５６５（２０１６）０２ １１７ ０６ Ｄｉｓｔａｎｃｅ ｃｏｎｓｔｒａｉｎｓ ｍｏｄｅｌ ｂａｓｅｄ ｈｙｂｒｉｄ ｍｏｎｔｅ ｃａｒｌｏ ｓａｍｐｌｉｎｇ ａｌｇｏｒｉｔｈｍ ｉｎ ｐｒｏｔｅｉｎ ｓｔｒｕｃｔｕｒｅ ｐｒｅｄｉｃｔｉｏｎ １ ２∗ ＬＵＯ Ｓｈｅｎｇ ，ＬÜ Ｑｉａｎｇ （１． Ｓｃｈｏｏｌ ｏｆ Ｃｏｍｐｕｔｅｒ Ｓｃｉｅｎｃｅ ＆ Ｔｅｃｈｎｏｌｏｇｙ，Ｓｏｏｃｈｏｗ Ｕｎｉｖｅｒｓｉｔｙ，Ｓｕｚｈｏｕ２１５００６，Ｃｈｉｎａ； ２． ＰｒｏｖｉｎｃｉａｌＫｅｙ Ｌａｂｏｒａｔｏｒｙｆｏｒ Ｃｏｍｐｕｔｅｒ ＩｎｆｏｒｍａｔｉｏｎＰｒｏｃｅｓｓｉｎｇ Ｔｅｃｈｎｏｌｏｇｙ ｏｆ Ｊｉａｎｇｓｕ，Ｓｕｚｈｏｕ２１５００６，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｓａｍｐｌｉｎｇ ｉｓｄｅｆｉｎｅｄ ａｓ ｓｅａｒｃｈｉｎｇ ｔｈｅ ｃｏｎｆｏｒｍａｔｉｏｎａｌ ｓｐａｃｅｆｏｒ ｔｈｅ ｓｔａｔｕｓｗｉｔｈ ｔｈｅ ｍｉｎｉｍｕｍｆｒｅｅ ｅｎｅｒｇｙ ｉｎ ｐｒｏｔｅｉｎ ｓｔｒｕｃｔｕｒｅｐｒｅｄｉｃｔｉｏｎ．Ｉｎｔｈｉｓｐａｐｅｒ，ｔｈｅ Ｈｙｂｒｉｄ Ｍｏｎｔｅ Ｃａｒｌｏ（ＨＭＣ）ｍｅｔｈｏｄｆｒｏｍｄｅｅｐｌｅａｒｎｉｎｇ ａｌｇｏｒｉｔｈｍｓｉｓ ｉｎｔｒｏｄｕｃｅｄ ｔｏ ｂｅｔｔｅｒ ｓａｍｐｌｅ ｔｈｅ ｃｏｎｆｏｒｍａｔｉｏｎａｌ ｓｐａｃｅ ｏｆ ｐｒｏｔｅｉｎ ｓｔｒｕｃｔｕｒｅｓ ｗｉｔｈ １００，２００，ｏｒ ｅｖｅｎ ｍｏｒｅ ｒｅｓｉｄｕｅｓ ａｃｃｏｒｄｉｎｇ ｔｏ ｔｈｅ ｐｒｏｂａｂｉｌｉｔｙ ｄｉｓｔｒｉｂｕｔｉｏｎｓ，ｗｈｉｌｅ ｔｒａｄｉｔｉｏｎａｌ ｓａｍｐｌｉｎｇ ｍｅｔｈｏｄｓ ｓｕｃｃｅｅｄ ｉｎ ｃａｓｅｓｔｈａｔ ｐｒｏｔｅｉｎｓｕｓｕａｌｌｙ ｈａｖｅ ｌｅｓｓ ｒｅｓｉｄｕｅｓｂｙ ａｓｓｉｇｎｉｎｇｅａｃ