蛋白质结构预测模型分析-运筹学与控制论专业论文.pdf.docx

searchintheconformationalspaceofproteinstructure.Thereforethecorrectpredictionof thedisulfidebondingstartingfromtheproteinresiduesequence mayalsohelpinpredictingits3Dstructure.InthispapertheLVQartificialneuralnetwork methodisappliedtopredictthedisulfidebondingofproteinstructure.Thelocalsequencearrangementofcysteineisof greatsignificancetothedisulfidebonding.Thereforethedisulfidebondingcanbepredictedbyitsprimarystructure.Thismethodwasusedtopredictdisulfidebondinginproteinstructureandafineresultwasgot.HPmodelisasimplifiedmodelofproteinstructureprediction.20kindsofproteinresiduesisclassedintofourgroups.Aproteinsequenceisconvertedtoanewsequenceincludingfouralphabets.Andthenbysearchingthelowestenergyofthenewsequencewe constructaproteinstructurepredictionmodel.Simulatedannealingalgorithmisusedfor thismodelandtheresultgetsthelowerenergythanusingtheHPmodel.Themodelcanextendinpredictingproteinstructurein3D.Key Words：protein structure prediction, the shortest path, DNA computing,maximalclique,conditionalrandomfields,disulfidebonding独创性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除文中已经标明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的研究成果。对本文的研究做出贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。学位论文作者签名：日期：年月日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，即：学校有权保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权华中科技大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。本论文属于保密□，在年解密后适用本授权书。不保密□。（请在以上方框内打“√”）学位论文作者签名：指导教师签名：日期：年月日日期：年月日1绪论1.1研究背景1.1.1 生物信息学产生的背景从古至今人们一直试图探究生命的本质，20 世纪以来，生命科学更是成为了研究的热点，人们从各个方面对生命的本质进行研究。从系统科学的角度来研究生命系统，是将生命系统作为自然界的一个复杂的巨系统来看待。而对复杂巨系统的研究方法应该是从定性到定量的综合集成方法，实质就是将专家群体、数据和各种信息与计算机技术有机地结合起来[1]。生物信息学(Bioinformatics)正是这样一门利用计算机技术研究生物系统规律的学科，主要涵盖了生命科学、数学、计算机科学、物理学、化学等多个研究领域。随着“人类基因组计划”[2]的顺利实施，核酸、蛋白质的序列和结构数据呈指数增长，可访问的生物数据源数量也以平均每15个月翻一番的速度快速增长[3][4]，仅人类基因组就包含了30亿个碱基对的数据，而且这个增长速度还在加快，已经超过了摩尔定律。对这些海量的生物分子进行分析，挖掘其中隐藏着的人类目前尚不知道的生物学知识迫在眉睫。这些生物数据过于庞大，靠传统的人工方式进行存储和分析是不可能完成的，而计算机技术却能很好对这样的海量数据进行管理和存储，同时对数据的内涵进行深入分析。于是产生了一门新的交叉学科——生物信息学，并迅速发展成为生物学领域的研究重点，引起越来越多的学者的关注。最为一门新兴的交叉学科，不同的学者从不同的角度进行研究，对生物信