CN109360599B - 一种基于残基接触信息交叉策略的蛋白质结构预测方法 - Google Patents
一种基于残基接触信息交叉策略的蛋白质结构预测方法 Download PDFInfo
- Publication number
- CN109360599B CN109360599B CN201810986057.1A CN201810986057A CN109360599B CN 109360599 B CN109360599 B CN 109360599B CN 201810986057 A CN201810986057 A CN 201810986057A CN 109360599 B CN109360599 B CN 109360599B
- Authority
- CN
- China
- Prior art keywords
- target
- residue
- contact
- trial
- individual
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000000455 protein structure prediction Methods 0.000 title claims abstract description 15
- 239000012634 fragment Substances 0.000 claims abstract description 54
- 238000012360 testing method Methods 0.000 claims abstract description 18
- 230000008569 process Effects 0.000 claims description 12
- 238000011156 evaluation Methods 0.000 claims description 8
- 238000006467 substitution reaction Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 abstract description 6
- 108090000623 proteins and genes Proteins 0.000 description 29
- 102000004169 proteins and genes Human genes 0.000 description 29
- 125000003275 alpha amino acid group Chemical group 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 101000859758 Homo sapiens Cartilage-associated protein Proteins 0.000 description 2
- 101000916686 Homo sapiens Cytohesin-interacting protein Proteins 0.000 description 2
- 101000726740 Homo sapiens Homeobox protein cut-like 1 Proteins 0.000 description 2
- 101000761460 Homo sapiens Protein CASP Proteins 0.000 description 2
- 101000761459 Mesocricetus auratus Calcium-dependent serine proteinase Proteins 0.000 description 2
- 102100024933 Protein CASP Human genes 0.000 description 2
- 150000001413 amino acids Chemical class 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 229920001184 polypeptide Polymers 0.000 description 2
- 102000004196 processed proteins & peptides Human genes 0.000 description 2
- 108090000765 processed proteins & peptides Proteins 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000005481 NMR spectroscopy Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007321 biological mechanism Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000004883 computer application Methods 0.000 description 1
- 230000005494 condensation Effects 0.000 description 1
- 238000009833 condensation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009510 drug design Methods 0.000 description 1
- 238000001493 electron microscopy Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000012165 high-throughput sequencing Methods 0.000 description 1
- 229920002521 macromolecule Polymers 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000000386 microscopy Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000000178 monomer Substances 0.000 description 1
- 230000012846 protein folding Effects 0.000 description 1
- 238000002424 x-ray crystallography Methods 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种基于残基接触信息交叉策略的蛋白质结构预测方法,首先,利用Robetta和RaptorX‑Contact得到片段库和接触图;其次,利用接触图信息使得种群个体动态进入片段组装阶段和Loop区域微调阶段,并使用了特定测试个体和特定区域的交叉策略;最后,通过聚类得到最终预测结果。本发明可以利用接触图信息,动态进行种群进化,并利用特定区域的交叉策略,提高搜索效率,提高预测精度。
Description
技术领域
本发明涉及一种生物学信息学、智能优化、计算机应用领域,尤其涉及的是一种基于残基接触信息交叉策略的蛋白质结构预测方法。
背景技术
蛋白质是所有生物中最重要的大分子之一,一个细胞的干重的一半以上是蛋白质。蛋白质分子是由氨基酸首尾相连缩合而成的共价多肽链,但是天然蛋白质分子并不是走向随机的松散多肽链。每一种天然蛋白质都有自己特有的空间结构或称三维结构,这种三维结构通常被称为蛋白质的构象,即蛋白质的结构。蛋白质结构调节生物体中的细胞活动,以保持生命。蛋白质分子在分子水平上具体体现了蛋白质结构和功能之间的显著关系。蛋白质在生物学中有许多不同的功能。蛋白质的三维天然结构决定它的生物学机制,而反过来,蛋白质氨基酸单体的一维链又对它的天然结构进行编码。蛋白质的三维结构在药物设计、蛋白质工程和生物技术中具有决定性的重要,因此,蛋白质结构预测是一个重要的研究问题。
由于高通量测序技术的快速发展,加之实验解析蛋白质三维结构技术(X射线晶体学、核磁共振光谱、电子显微镜以及冷冻电镜)耗时且代价昂贵,导致已知序列数目和解析出的蛋白质结构数目间的鸿沟呈指数增加。此外,生物学中心法则中的第二遗传密码和蛋白质折叠机理需要研究学者们进行探索。因此,在无全长模板的情况下(序列相似度<20%),利用计算机,结合优化算法,从氨基酸序列开始,从头预测蛋白质结构是一个研究方法。Anfinsen热力学假说表明:蛋白质的空间结构由氨基酸序列唯一确定;蛋白质的空间结构是稳定的;蛋白质的天然构象处于自由能最低点。根据Anfinsen原则,以计算机为工具,运用适当的算法,从氨基酸序列出发直接预测蛋白质的三维结构。
科学家提出了许多从头蛋白质结构预测方法,其预测精度在CASP比赛的推动下有了巨大的提高。Rosetta,QUARK在历届CASP赛事中表现突出。两者都采用片段组装技术,并构建了基于知识的力场模型。然而,利用随机的片段组装,盲目进行构象空间搜索,容易导致不恰当的搜索方向,浪费计算代价,影响最终的聚类结果。
因此,现有的基于随机片段组装的蛋白质结构预测方法高效构象空间搜索和预测精度方面存在着缺陷,需要改进。
发明内容
为了克服现有的基于随机片段组装的蛋白质结构预测方法高效构象空间搜索和预测精度方面的不足,本发明提供一种可以有偏构象空间搜索的基于残基接触信息交叉策略的蛋白质结构预测方法。
本发明解决其技术问题所采用的技术方案是:
一种基于残基接触信息交叉策略的蛋白质结构预测方法,所述方法包括以下步骤:
1)给定输入序列信息,利用Robetta服务器获得该序列的片段库;
2)利用RaptorX-Contact预测该序列的接触信息,并且记录接触概率大于0.6的残基对,假设有N个残基对的接触概率满足该条件,并记第k个残基对间的接触,接触指Cα-Cα欧氏距离接触概率表示为Pk,满足Pk>0.6,k∈{1,...,N},并记第k个残基对的残基索引号ik和jk,并满足ik<jk;
3)初始化:种群规模NP,根据输入序列,最大迭代次数分别为G,执行RosettaAbinitio协议的第一与第二阶段NP次,产生初始构象种群P={C1,C2,...,CNP},其中CNP表示第NP个个体,记当前代数g=0;
4)遍历初始种群的所有个体Cm,m∈{1,..NP},作为目标个体Ctarget进入种群进化的片段组装阶段,并计算当前目标个体的N个残基对的接触情况,tk=1表示第k对残基对接触,tk=0表示第k对残基对不接触;
5)片段组装阶段,过程如下:
5.1)对当前目标个体不接触的残基对,找出接触图中接触概率最大的不接触残基对r,r∈{1,...,N};
5.2)从当前种群中选择一个不同于当前目标个体的个体Crandom,该个体需要满足dr,random<dr,target,dr,random和dr,target分别表示Crandom和Ctarget的第r个残基对的Cα-Cα欧氏距离;如果当前种群所有个体不满足该条件,则执行下一步;否则执行步骤5.4);
5.3)对目标个体进行随机的片段组装,随机选择窗口,并从对应的片段库中随机选择片段得到测试个体Ctrial
5.4)Crandom与Ctarget交叉:与若jr-ir>L/2,则从Crandom的第ir号残基到jr号残基中随机选取长L/2的连续区域,作为片段,其中L是目标序列长度;否则,直接选择Crandom的第ir号残基到jr号残基区域作为片段,并将该片段替换到Ctarget对应位置得到测试个体Ctrial;
5.5)若jr-ir≥9对测试个体Ctrial的被组装区域进行长度为9的片段组装,否则进行长度为3的片段组装;随机从被组装区域选择窗口,并从对应的片段库中随机选择片段,得到新的个体C′trial;
5.6)利用能量函数Rosetta score3评价C′trial和Ctrial,得到能量值E′和E,并根据Metropolis准则选择是否接受C′trial,若接受,则令Ctrial=C′rial;
5.7)重复步骤5.4)-5.5)150次,若Metropolis准则拒绝接受150次,则目标个体不被测试个体替换;否则,替换目标个体,令Ctarget=Ctrial;
6)若g=0,对所有个体执行步骤5),得到下一代种群,并令g=g+1;否则执行步骤8);
7)Loop区域微调阶段,过程如下:
7.1)随机选择目标个体Loop区域的片段组装窗口,片段长度为3;
7.2)计算片段间的二面角差值平方根,比对对应窗口中片段库中每个片段与当前目标个体该区域的结构相似度,选出片段库中与目标个体当前区域最相似的片段;
7.3)使用选择的片段对目标个体进行片段组装,得到测试个体Ctrial;
7.4)利用能量函数Rosetta score3评价Ctarget和Ctrial,得到能量值E′和E,并根据Metropolis准则选择是否接受Ctrial,若接受,则令Ctarget=Ctrial;
8)遍历当前种群所有个体Cm,计算Cm的N个残基对的接触情况,若N个残基对的接触,则执行步骤6),否则执行5);得到下一代种群,令g=g+1,判断是否满足终止条件g>G,若满足,结束种群进化,进入下一步;否则重复当前步骤;
9)利用聚类工具SPICKER对Metropolis准则接受的所有过程点聚类,以最大类的类心构象为最终预测结果。
本发明的技术构思为:首先,利用Robetta和RaptorX-Contact得到片段库和接触图;其次,利用接触图信息使得种群个体动态进入片段组装阶段和Loop区域微调阶段,并使用了特定测试个体和特定区域的交叉策略;最后,通过聚类得到最终预测结果。
本发明的有益效果表现在:一方面,利用接触图信息,动态进行种群进化;另一方面,利用特定区域的交叉策略,提高搜索效率,提高预测精度。
附图说明
图1是基于残基接触信息交叉策略的蛋白质结构预测方法的基本流程图。
图2是基于残基接触信息交叉策略的蛋白质结构预测方法中对蛋白质1DI2A进行结构预测过程中Metropolis标准接受构象的能量与天然态对比的RMSD分布。
图3是基于残基接触信息交叉策略的蛋白质结构预测方法对蛋白质1DI2A进行结构预测得到的三维结构图。
具体实施方式
下面结合附图对本发明作进一步描述。
参照图1~图3,一种基于残基接触信息交叉策略的蛋白质结构预测方法,包括以下步骤:
1)给定输入序列信息,利用Robetta服务器获得该序列的片段库;
2)利用RaptorX-Contact预测该序列的接触信息,并且记录接触概率大于0.6的残基对,假设有N个残基对的接触概率满足该条件,并记第k个残基对间的接触,接触指Cα-Cα欧氏距离接触概率表示为Pk,满足Pk>0.6,k∈{1,...,N},并记第k个残基对的残基索引号ik和jk,并满足ik<jk;
3)初始化:种群规模NP,根据输入序列,最大迭代次数分别为G,执行RosettaAbinitio协议的第一与第二阶段NP次,产生初始构象种群P={C1,C2,...,CNP},其中CNP表示第NP个个体,记当前代数g=0;
4)遍历初始种群的所有个体Cm,m∈{1,..NP},作为目标个体Ctarget进入种群进化的片段组装阶段,并计算当前目标个体的N个残基对的接触情况,tk=1表示第k对残基对接触,tk=0表示第k对残基对不接触;
5)片段组装阶段,过程如下:
5.1)对当前目标个体不接触的残基对,找出接触图中接触概率最大的不接触残基对r,r∈{1,...,N};
5.2)从当前种群中选择一个不同于当前目标个体的个体Crandom,该个体需要满足dr,random<dr,target,dr,random和dr,target分别表示Crandom和Ctarget的第r个残基对的Cα-Cα欧氏距离;如果当前种群所有个体不满足该条件,则执行下一步;否则执行步骤5.4);
5.3)对目标个体进行随机的片段组装,随机选择窗口,并从对应的片段库中随机选择片段得到测试个体Ctrial
5.4)Crandom与Ctarget交叉:与若jr-ir>L/2,则从Crandom的第ir号残基到jr号残基中随机选取长L/2的连续区域,作为片段,其中L是目标序列长度;否则,直接选择Crandom的第ir号残基到jr号残基区域作为片段,并将该片段替换到Ctarget对应位置得到测试个体Ctrial;
5.5)若jr-ir≥9对测试个体Ctrial的被组装区域进行长度为9的片段组装,否则进行长度为3的片段组装;随机从被组装区域选择窗口,并从对应的片段库中随机选择片段,得到新的个体C′trial;
5.6)利用能量函数Rosetta score3评价C′trial和Ctrial,得到能量值E′和E,并根据Metropolis准则选择是否接受C′trial,若接受,则令Ctrial=C′trial;
5.7)重复步骤5.4)-5.5)150次,若Metropolis准则拒绝接受150次,则目标个体不被测试个体替换;否则,替换目标个体,令Ctarget=Ctrial;
6)若g=0,对所有个体执行步骤5),得到下一代种群,并令g=g+1;否则执行步骤8);
7)Loop区域微调阶段,过程如下:
7.1)随机选择目标个体Loop区域的片段组装窗口,片段长度为3;
7.2)计算片段间的二面角差值平方根,比对对应窗口中片段库中每个片段与当前目标个体该区域的结构相似度,选出片段库中与目标个体当前区域最相似的片段;
7.3)使用选择的片段对目标个体进行片段组装,得到测试个体Ctrial;
7.4)利用能量函数Rosetta score3评价Ctarget和Ctrial,得到能量值E′和E,并根据Metropolis准则选择是否接受Ctrial,若接受,则令Ctarget=Ctrial;
8)遍历当前种群所有个体Cm,计算Cm的N个残基对的接触情况,若N个残基对的接触,则执行步骤6),否则执行5);得到下一代种群,令g=g+1,判断是否满足终止条件g>G,若满足,结束种群进化,进入下一步;否则重复当前步骤;
9)利用聚类工具SPICKER对Metropolis准则接受的所有过程点聚类,以最大类的类心构象为最终预测结果。
本实施例序列长度为69的α/β折叠蛋白质1DI2A为实施例,一种基于残基接触信息交叉策略的蛋白质结构预测方法,包括以下步骤:
1)给定输入序列信息,利用Robetta服务器获得该序列的片段库;
2)利用RaptorX-Contact预测该序列的接触信息,并且记录接触概率大于0.6的残基对,有N=114个残基对的接触概率满足该条件,并记第k个残基对间的接触,接触指Cα-Cα欧氏距离接触概率表示为Pk,满足Pk>0.6,
k∈{1,...,N},并记第k个残基对的残基索引号ik和jk,并满足ik<jk;
3)初始化:种群规模NP=300,根据输入序列,最大迭代次数分别为G=3000,执行Rosetta Abinitio协议的第一与第二阶段NP次,产生初始构象种群P={C1,C2,...,CNP},其中CNP表示第NP个个体,记当前代数g=0;
4)遍历初始种群的所有个体Cm,m∈{1,..NP},作为目标个体Ctarget进入种群进化的片段组装阶段,并计算当前目标个体的N个残基对的接触情况,tk=1表示第k对残基对接触,tk=0表示第k对残基对不接触;
5)片段组装阶段,过程如下:
5.1)对当前目标个体不接触的残基对,找出接触图中接触概率最大的不接触残基对r,r∈{1,...,N};
5.2)从当前种群中选择一个不同于当前目标个体的个体Crandom,该个体需要满足dr,random<dr,target,dr,random和dr,target分别表示Crandom和Ctarget的第r个残基对的Cα-Cα欧氏距离;如果当前种群所有个体不满足该条件,则执行下一步;否则执行步骤5.4);
5.3)对目标个体进行随机的片段组装,随机选择窗口,并从对应的片段库中随机选择片段得到测试个体Ctrial
5.4)Crandom与Ctarget交叉:与若jr-ir>L/2,则从Crandom的第ir号残基到jr号残基中随机选取长L/2的连续区域,作为片段,其中L=69是目标序列长度;否则,直接选择Crandom的第ir号残基到jr号残基区域作为片段,并将该片段组装到Ctarget对应位置得到测试个体Ctrial;
5.5)若jr-ir≥9对测试个体Ctrial的被组装区域进行长度为9的片段组装,否则进行长度为3的片段组装;随机从被组装区域选择窗口,并从对应的片段库中随机选择片段,得到新的个体C′trial;
5.6)利用能量函数Rosetta score3评价C′trial和Ctrial,得到能量值E′和E,并根据Metropolis准则选择是否接受C′trial,若接受,则令Ctrial=C′trial;
5.7)重复步骤5.4)-5.5)150次,若Metropolis准则拒绝接受150次,则目标个体不被测试个体替换;否则,替换目标个体,令Ctarget=Ctrial;
6)若g=0,对所有个体执行步骤5),得到下一代种群,并令g=g+1;否则执行步骤8);
7)Loop区域微调阶段,过程如下:
7.1)随机选择目标个体Loop区域的片段组装窗口,片段长度为3;
7.2)计算片段间的二面角差值平方根,比对对应窗口中片段库中每个片段与当前目标个体该区域的结构相似度,选出片段库中与目标个体当前区域最相似的片段;
7.3)使用选择的片段对目标个体进行片段组装,得到测试个体Ctrial;
7.4)利用能量函数Rosetta score3评价Ctarget和Ctrial,得到能量值E′和E,并根据Metropolis准则选择是否接受Ctrial,若接受,则令Ctarget=Ctrial;
8)遍历当前种群所有个体Cm,计算Cm的N个残基对的接触情况,若N个残基对的接触,则执行步骤6),否则执行5);得到下一代种群,令g=g+1,判断是否满足终止条件g>G,若满足,结束种群进化,进入下一步;否则重复当前步骤;
9)利用聚类工具SPICKER对Metropolis准则接受的所有过程点聚类,以最大类的类心构象为最终预测结果。
以上说明是本发明以1DI2A蛋白质为实例所得出的预测效果,并非限定本发明的实施范围,在不偏离本发明基本内容所涉及范围的前提下对其做各种变形和改进,不应排除在本发明的保护范围之外。
Claims (1)
1.一种基于残基接触信息交叉策略的蛋白质结构预测方法,其特征在于:所述蛋白质结构预测方法包括以下步骤:
1)给定输入序列信息,利用Robetta服务器获得该序列的片段库;
2)利用RaptorX-Contact预测该序列的接触信息,并且记录接触概率大于0.6的残基对,假设有N个残基对的接触概率满足该条件,并记第k个残基对间的接触,接触指Cα-Cα欧氏距离接触概率表示为Pk,满足Pk>0.6,k∈{1,...,N},并记第k个残基对的残基索引号ik和jk,并满足ik<jk;
3)初始化:种群规模NP,根据输入序列,最大迭代次数分别为G,执行Rosetta Abinitio协议的第一与第二阶段NP次,产生初始构象种群P={C1,C2,...,CNP},其中CNP表示第NP个个体,记当前代数g=0;
4)遍历初始种群的所有个体Cm,m∈{1,..NP},作为目标个体Ctarget进入种群进化的片段组装阶段,并计算当前目标个体的N个残基对的接触情况,tk=1表示第k对残基对接触,tk=0表示第k对残基对不接触;
5)片段组装阶段,过程如下:
5.1)对当前目标个体不接触的残基对,找出接触图中接触概率最大的不接触残基对r,r∈{1,...,N};
5.2)从当前种群中选择一个不同于当前目标个体的个体Crandom,该个体需要满足dr,random<dr,target,dr,random和dr,target分别表示Crandom和Ctarget的第r个残基对的Cα-Cα欧氏距离;如果当前种群所有个体不满足该条件,则执行下一步;否则执行步骤5.4);
5.3)对目标个体进行随机的片段组装,随机选择窗口,并从对应的片段库中随机选择片段得到测试个体Ctrial
5.4)Crandom与Ctarget交叉:若jr-ir>L/2,则从Crandom的第ir号残基到jr号残基中随机选取长L/2的连续区域,作为片段,其中L是目标序列长度;否则,直接选择Crandom的第ir号残基到jr号残基区域作为片段,并将该片段替换到Ctarget对应位置得到测试个体Ctrial;
5.5)若jr-ir≥9对测试个体Ctrial的被组装区域进行长度为9的片段组装,否则进行长度为3的片段组装;随机从被组装区域选择窗口,并从对应的片段库中随机选择片段,得到新的个体C′trial;
5.6)利用能量函数Rosetta score3评价C′trial和Ctrial,得到能量值E′和E,并根据Metropolis准则选择是否接受C′trial,若接受,则令Ctrial=C′trial;
5.7)重复步骤5.4)-5.5)150次,若Metropolis准则拒绝接受150次,则目标个体不被测试个体替换;否则,替换目标个体,令Ctarget=Ctrial;
6)若g=0,对所有个体执行步骤5),得到下一代种群,并令g=g+1;否则执行步骤8);
7)Loop区域微调阶段,过程如下:
7.1)随机选择目标个体Loop区域的片段组装窗口,片段长度为3;
7.2)计算片段间的二面角差值平方根,比对对应窗口中片段库中每个片段与当前目标个体该区域的结构相似度,选出片段库中与目标个体当前区域最相似的片段;
7.3)使用选择的片段对目标个体进行片段组装,得到测试个体Ctrial;
7.4)利用能量函数Rosetta score3评价Ctarget和Ctrial,得到能量值Etarget和E,并根据Metropolis准则选择是否接受Ctrial,若接受,则令Ctarget=Ctrial;
8)遍历当前种群所有个体Cm,计算Cm的N个残基对的接触情况,若存在N个残基对接触,则执行步骤6),否则执行5);得到下一代种群,令g=g+1,判断是否满足终止条件g>G,若满足,结束种群进化,进入下一步;否则重复当前步骤;
9)利用聚类工具SPICKER对Metropolis准则接受的所有过程点聚类,以最大类的类心构象为最终预测结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810986057.1A CN109360599B (zh) | 2018-08-28 | 2018-08-28 | 一种基于残基接触信息交叉策略的蛋白质结构预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810986057.1A CN109360599B (zh) | 2018-08-28 | 2018-08-28 | 一种基于残基接触信息交叉策略的蛋白质结构预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109360599A CN109360599A (zh) | 2019-02-19 |
CN109360599B true CN109360599B (zh) | 2021-06-18 |
Family
ID=65350012
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810986057.1A Active CN109360599B (zh) | 2018-08-28 | 2018-08-28 | 一种基于残基接触信息交叉策略的蛋白质结构预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109360599B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110163243B (zh) * | 2019-04-04 | 2021-04-06 | 浙江工业大学 | 基于接触图与模糊c均值聚类的蛋白质结构域划分方法 |
CN110189794B (zh) * | 2019-04-16 | 2021-01-01 | 浙江工业大学 | 一种残基接触引导loop扰动的群体蛋白质结构预测方法 |
CN110600076B (zh) * | 2019-08-14 | 2021-11-23 | 浙江工业大学 | 一种基于距离和角度信息的蛋白质atp对接方法 |
CN111180004B (zh) * | 2019-11-29 | 2021-08-03 | 浙江工业大学 | 一种多元接触信息的子种群策略蛋白质结构预测方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105760710A (zh) * | 2016-03-11 | 2016-07-13 | 浙江工业大学 | 一种基于两阶段差分进化算法的蛋白质结构预测方法 |
CN106503484A (zh) * | 2016-09-23 | 2017-03-15 | 浙江工业大学 | 一种基于抽象凸估计的多阶段差分进化蛋白质结构预测方法 |
-
2018
- 2018-08-28 CN CN201810986057.1A patent/CN109360599B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105760710A (zh) * | 2016-03-11 | 2016-07-13 | 浙江工业大学 | 一种基于两阶段差分进化算法的蛋白质结构预测方法 |
CN106503484A (zh) * | 2016-09-23 | 2017-03-15 | 浙江工业大学 | 一种基于抽象凸估计的多阶段差分进化蛋白质结构预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109360599A (zh) | 2019-02-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109360599B (zh) | 一种基于残基接触信息交叉策略的蛋白质结构预测方法 | |
CN107609342B (zh) | 一种基于二级结构空间距离约束的蛋白质构象搜索方法 | |
Camproux et al. | A hidden markov model derived structural alphabet for proteins | |
CN108846256B (zh) | 一种基于残基接触信息的群体蛋白质结构预测方法 | |
Zhang et al. | Short-term traffic flow prediction based on LSTM-XGBoost combination model | |
CN113744799B (zh) | 一种基于端到端学习的化合物和蛋白质相互作用与亲和力预测方法 | |
CN109215733B (zh) | 一种基于残基接触信息辅助评价的蛋白质结构预测方法 | |
CN109360601B (zh) | 一种基于排挤策略的多模态蛋白质结构预测方法 | |
CN109086565B (zh) | 一种基于残基间接触约束的蛋白质结构预测方法 | |
Gainza et al. | Deciphering interaction fingerprints from protein molecular surfaces | |
CN109378034B (zh) | 一种基于距离分布估计的蛋白质预测方法 | |
CN109360598B (zh) | 一种基于两阶段采样的蛋白质结构预测方法 | |
CN109033753B (zh) | 一种基于二级结构片段组装的群体蛋白质结构预测方法 | |
CN109360597B (zh) | 一种基于全局和局部策略协作的群体蛋白质结构预测方法 | |
CN108595910B (zh) | 一种基于多样性指标的群体蛋白质构象空间优化方法 | |
CN109300506B (zh) | 一种基于特定距离约束的蛋白质结构预测方法 | |
CN109243526B (zh) | 一种基于特定片段交叉的蛋白质结构预测方法 | |
Aydin et al. | Protein torsion angle class prediction by a hybrid architecture of Bayesian and neural networks | |
CN109300505B (zh) | 一种基于有偏采样的蛋白质结构预测方法 | |
CN109147867B (zh) | 一种基于动态片段长度的群体蛋白质结构预测方法 | |
CN109411013B (zh) | 一种基于个体特定变异策略的群体蛋白质结构预测方法 | |
CN108563921B (zh) | 一种蛋白质结构预测算法评价指标构建方法 | |
CN109390035B (zh) | 一种基于局部结构比对的蛋白质构象空间优化方法 | |
CN111951885A (zh) | 一种基于局部有偏的蛋白质结构预测方法 | |
CN108614957B (zh) | 一种基于香农熵的多阶段蛋白质结构预测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
EE01 | Entry into force of recordation of patent licensing contract | ||
EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20190219 Assignee: ZHEJIANG ORIENT GENE BIOTECH CO.,LTD. Assignor: JIANG University OF TECHNOLOGY Contract record no.: X2023980053610 Denomination of invention: A protein structure prediction method based on residue contact information cross strategy Granted publication date: 20210618 License type: Common License Record date: 20231222 |