CN110600075B - 一种基于配体生长策略的蛋白质atp对接方法 - Google Patents
一种基于配体生长策略的蛋白质atp对接方法 Download PDFInfo
- Publication number
- CN110600075B CN110600075B CN201910746835.4A CN201910746835A CN110600075B CN 110600075 B CN110600075 B CN 110600075B CN 201910746835 A CN201910746835 A CN 201910746835A CN 110600075 B CN110600075 B CN 110600075B
- Authority
- CN
- China
- Prior art keywords
- atp
- protein
- small molecules
- group
- atoms
- 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
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B15/00—ICT specially adapted for analysing two-dimensional or three-dimensional molecular structures, e.g. structural or functional relations or structure alignment
- G16B15/30—Drug targeting using structural data; Docking or binding prediction
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
- G16B40/30—Unsupervised data analysis
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B50/00—ICT programming tools or database systems specially adapted for bioinformatics
- G16B50/30—Data warehousing; Computing architectures
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Theoretical Computer Science (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Medical Informatics (AREA)
- Biophysics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Biotechnology (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Chemical & Material Sciences (AREA)
- Bioethics (AREA)
- Artificial Intelligence (AREA)
- Crystallography & Structural Chemistry (AREA)
- Pharmacology & Pharmacy (AREA)
- Medicinal Chemistry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Epidemiology (AREA)
- Evolutionary Computation (AREA)
- Public Health (AREA)
- Software Systems (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种基于配体生长策略的蛋白质ATP对接方法,首先,使用ATPbind服务器预测出蛋白质ATP绑定残基信息,辅助蛋白质与小分子对接;然后,通过将配体分解为多个片段依次进行对接,并使用能量函数优化片段的空间位置,提升了蛋白质‑ATP复合物结构的预测精度;最后,通过使用模拟退火算法快速搜索每一个配体片段的最优空间构象,提高了计算效率。本发明提供一种计算速度快、预测精确性高的基于配体生长策略的蛋白质‑ATP对接方法。
Description
技术领域
本发明涉及一种生物信息学、智能优化、计算机应用领域,尤其涉及的是一种基于配体生长策略的蛋白质ATP对接方法。
背景技术
许多蛋白质的功能取决于其与小分子或配体的相互作用,ATP是其中一种重要的配体,在蛋白质结构功能预测方面起着关键作用。ATP在分子生物学领域是一种重要的能量分子和辅酶,ATP与蛋白质结合在细胞内运输、肌肉收缩、细胞运动、调控各种代谢过程中起着重要作用。研究蛋白质-配体对接的目的在于通过已知配体和目标蛋白质的三维结构,运用计算手段来预测和评估蛋白质-配体复合物的三维构象,从而更好地理解蛋白质-配体之间的相互作用。随着已解析蛋白质单体结构的数量和计算能力的不断增加,蛋白质-配体对接也越来越现实并可靠。
蛋白质-配体对接问题通常可描述为:已知小分子配体和目标蛋白的单体三维结构,通过放置配体到蛋白质的结合位点来预测和评估蛋白质与配体复合物的三维构象。按照对接过程中是否考虑配体和受体的柔性,又可进一步把蛋白质-配体对接问题分为刚性对接和柔性对接。顾名思义,刚性对接是指蛋白质和小分子作为刚体目标、在对接过程中不改变其空间形状的对接。早期蛋白质与蛋白质对接或蛋白质与小分子配体对接算法中,大都将目标蛋白简化处理为刚性分子,显然这种刚性简化过程可能会造成预测结果的很大偏差,显然刚性对接并不能很好的得到准确的复合物空间结构。柔性对接又可以分为柔性配体对接和柔性受体对接。柔性配体对接是指把配体作为柔性分子看待;而柔性受体对接则把配体和受体大分子蛋白质都看作柔性分子。在柔性对接过程中,配体和蛋白质有可能发生键长、键角以及二面角等空间位置的变化。现有的柔性对接方法虽然预测精确性比刚性对接方法要高,但是这一对接过程耗时过长,不能满足快速完成大量蛋白质与配体对接的要求。
因此,现有的蛋白质与配体分子对接方法在计算效率和预测精确性方面存在着缺陷,需要改进。
发明内容
为了克服现有的蛋白质与ATP对接方法在计算效率和预测精确性方面的不足,本发明提出一种计算速度快、预测精确性高的基于配体生长策略的蛋白质ATP对接方法。
本发明解决其技术问题所采用的技术方案是:
一种基于配体生长策略的蛋白质ATP对接方法,所述方法包括以下步骤:
1)输入蛋白质和ATP的结构信息,分别记为R和A;
2)对于输入的结构信息R,使用ATPbind服务器(https://zhanglab.ccmb.med.umich.edu/ATPbind/)预测出蛋白质-ATP绑定的残基信息,得出蛋白质与ATP绑定的n个残基,分别记为r1,r2,...,rn;
3)根据r1,r2,...,rn的中心碳原子Cα坐标信息,取所有Cα坐标值的平均值聚类出一个中心点CR,根据A中各原子坐标信息,取所有原子坐标值的平均值聚类出一个中心点CA,移动A使得CA和CR这两点的坐标重合;
4)对于PDB数据库中的每个ATP分子A(j),j=1,2,...,N,N为PDB数据库中ATP的数目,对于每个ATP的每个原子k=1,2,...,n,其中,n为ATP中原子的个数,计算与T类型蛋白质绑定残基的Cα原子之间的距离其中T为PDB中出现过的氨基酸残基类型的一种;
5)计算PDB数据库中ATP的第k个原子与T类型蛋白质绑定残基的Cα原子相互作用的平均距离,记作DkT:
其中
6)以单键形式将A中的所有原子划分成M组小分子,第一组小分子的空间位置不变,其他组的小分子在空间中随机分布,设每一组小分子有X个原子,每一个原子坐标分别是Cmx,m=1,2,...,M,x=1,2,...,X;
7)对每一组小分子的X个原子进行如下过程,设m=1;
8)参数设置:设置种群规模NP,初始温度Tc,降温速度t0;
9)种群初始化:随机生成初始化种群P={S1,S2,...,Si,...,SNP},Si=(si,1,si,2,si,3)为种群P的第i个个体,其中si,1、si,2和si,3的取值范围为0到2π;
10)根据模拟退火算法,对种群P中的每个个体Si,i∈{1,2,…,NP},将蛋白质与每一组小分子对接,设i=1:
10.1)当m=1时,跳转至步骤10.2);否则,将该组小分子进行平移,使得该组的第一个原子与前一组的最后一个原子形成单键,将平移后该组的原子坐标分别更新到Cm1,Cm2,…,CmX;
10.2)根据Si中的三个元素si,1、si,2和si,3,计算三维空间旋转矩阵R:
10.4)根据步骤5),计算得分score(Si):
10.5)当i>1时,若score(Si)<score(Si-1),则接受该组小分子此时的结构信息;否则,计算接受概率p,生成(0,1)之间的随机数Q,若p>Q,则接受该组小分子此时的结构信息,其中
10.6)i=i+1,Tc=t0*Tc;若i≤NP,跳转至步骤10.1);否则,将该组小分子此时的所有原子坐标的位置信息输出;
11)m=m+1,若m≤M,跳转至步骤8);否则,输出M个组的原子坐标作为最终的ATP位置信息输出。
本发明的技术构思为:首先,使用ATPbind服务器预测出蛋白质ATP绑定残基信息,辅助蛋白质与小分子对接;然后,通过将配体分解为多个片段依次进行对接,并使用能量函数优化片段的空间位置,提升了蛋白质-ATP复合物结构的预测精度;最后,通过使用模拟退火算法快速搜索每一个配体片段的最优空间构象,提高了计算效率。本发明提供一种计算速度快、预测精确性高的基于配体生长策略的蛋白质-ATP对接方法。
本发明的有益效果表现在:一方面,使用ATPbind服务器预测蛋白质-ATP绑定残基信息和配体分解重对接,提升了蛋白质-ATP复合物分子空间结构的预测精度;另一方面,并使用模拟退火算法搜索配体最优片段构象,提高了蛋白质-ATP对接预测的效率。
附图说明
图1为一种基于配体生长策略的蛋白质ATP对接方法的示意图。
图2为使用一种基于配体生长策略的蛋白质ATP对接方法对蛋白质1g64与ATP进行预测后得到复合物三维空间结构图。
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和图2,一种基于配体生长策略的蛋白质与ATP对接方法,包括以下步骤:
1)输入蛋白质和ATP的结构信息,分别记为R和A;
2)对于输入的结构信息R,使用ATPbind服务器(https://zhanglab.ccmb.med.umich.edu/ATPbind/)预测出蛋白质-ATP绑定的残基信息,得出蛋白质与ATP绑定的n个残基,分别记为r1,r2,...,rn;
3)根据r1,r2,...,rn的中心碳原子Cα坐标信息,取所有Cα坐标值的平均值聚类出一个中心点CR,根据A中各原子坐标信息,取所有原子坐标值的平均值聚类出一个中心点CA,移动A使得CA和CR这两点的坐标重合;
4)对于PDB数据库中的每个ATP分子A(j),j=1,2,...,N,N为PDB数据库中ATP的数目,对于每个ATP的每个原子k=1,2,...,n,其中,n为ATP中原子的个数,计算与T类型蛋白质绑定残基的Cα原子之间的距离其中T为PDB中出现过的氨基酸残基类型的一种;
5)计算PDB数据库中ATP的第k个原子与T类型蛋白质绑定残基的Cα原子相互作用的平均距离,记作DkT:
其中
6)以单键形式将A中的所有原子划分成M组小分子,第一组小分子的空间位置不变,其他组的小分子在空间中随机分布,设每一组小分子有X个原子,每一个原子坐标分别是Cmx,m=1,2,...,M,x=1,2,...,X;
7)对每一组小分子的X个原子进行如下过程,设m=1;
8)参数设置:设置种群规模NP,初始温度Tc,降温速度t0;
9)种群初始化:随机生成初始化种群P={S1,S2,...,Si,...,SNP},Si=(si,1,si,2,si,3)为种群P的第i个个体,其中si,1、si,2和si,3的取值范围为0到2π;
10)根据模拟退火算法,对种群P中的每个个体Si,i∈{1,2,…,NP},将蛋白质与每一组小分子对接,设i=1:
10.1)当m=1时,跳转至步骤10.2);否则,将该组小分子进行平移,使得该组的第一个原子与前一组的最后一个原子形成单键,将平移后该组的原子坐标分别更新到Cm1,Cm2,…,CmX;
10.2)根据Si中的三个元素si,1、si,2和si,3,计算三维空间旋转矩阵R:
10.4)根据步骤5),计算得分score(Si):
10.5)当i>1时,若score(Si)<score(Si-1),则接受该组小分子此时的结构信息;否则,计算接受概率p,生成(0,1)之间的随机数Q,若p>Q,则接受该组小分子此时的结构信息,其中
10.6)i=i+1,Tc=t0*Tc;若i≤NP,跳转至步骤10.1);否则,将该组小分子此时的所有原子坐标的位置信息输出;
11)m=m+1,若m≤M,跳转至步骤8);否则,输出M个组的原子坐标作为最终的ATP位置信息输出。
本实施例以预测蛋白质1g64和ATP对接后的复合物的三维空间结构为实施例,一种基于配体生长策略的蛋白质ATP对接方法,包括以下步骤:
1)输入蛋白质和ATP的结构信息,分别记为R和A;
2)对于输入的结构信息R,使用ATPbind服务器(https://zhanglab.ccmb.med.umich.edu/ATPbind/)预测出蛋白质-ATP绑定的残基信息,得出蛋白质与ATP绑定的n个残基,分别记为r1,r2,...,rn;
3)根据r1,r2,...,rn的中心碳原子Cα坐标信息,取所有Cα坐标值的平均值聚类出一个中心点CR,根据A中各原子坐标信息,取所有原子坐标值的平均值聚类出一个中心点CA,移动A使得CA和CR这两点的坐标重合;
4)对于PDB数据库中的每个ATP分子A(j),j=1,2,...,N,N为PDB数据库中ATP的数目,对于每个ATP的每个原子k=1,2,...,n,其中,n为ATP中原子的个数,计算与T类型蛋白质绑定残基的Cα原子之间的距离其中T为PDB中出现过的氨基酸残基类型的一种;
5)计算PDB数据库中ATP的第k个原子与T类型蛋白质绑定残基的Cα原子相互作用的平均距离,记作DkT:
其中
6)以单键形式将A中的所有原子划分成M组小分子,第一组小分子的空间位置不变,其他组的小分子在空间中随机分布,设每一组小分子有X个原子,每一个原子坐标分别是Cmx,m=1,2,...,M,x=1,2,...,X;
7)对每一组小分子的X个原子进行如下过程,设m=1;
8)参数设置:设置种群规模NP=100,初始温度Tc=1000,降温速度t0=0.98;
9)种群初始化:随机生成初始化种群P={S1,S2,...,Si,...,SNP},Si=(si,1,si,2,si,3)为种群P的第i个个体,其中si,1、si,2和si,3的取值范围为0到2π;
10)根据模拟退火算法,对种群P中的每个个体Si,i∈{1,2,…,NP},将蛋白质与每一组小分子对接,设i=1:
10.1)当m=1时,跳转至步骤10.2);否则,将该组小分子进行平移,使得该组的第一个原子与前一组的最后一个原子形成单键,将平移后该组的原子坐标分别更新到Cm1,Cm2,…,CmX;
10.2)根据Si中的三个元素si,1、si,2和si,3,计算三维空间旋转矩阵R:
10.4)根据步骤5),计算得分score(Si):
10.5)当i>1时,若score(Si)<score(Si-1),则接受该组小分子此时的结构信息;否则,计算接受概率p,生成(0,1)之间的随机数Q,若p>Q,则接受该组小分子此时的结构信息,其中
10.6)i=i+1,Tc=t0*Tc;若i≤NP,跳转至步骤10.1);否则,将该组小分子此时的所有原子坐标的位置信息输出;
11)m=m+1,若m≤M,跳转至步骤8);否则,输出M个组的原子坐标作为最终的ATP位置信息输出。
以预测蛋白质1g64和ATP对接的三维空间结构为实施例,运用以上方法得到的蛋白质1g64和ATP的复合物三维空间结构信息,与湿实验测出的复合物结构的均方根偏差为预测的蛋白质ATP复合物结构如图2所示。
以上说明是本发明以蛋白质1g64和ATP为实例所得出的预测结果,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)
1.一种基于配体生长策略的蛋白质ATP对接方法,其特征在于:所述对接方法包括以下步骤:
1)输入蛋白质和ATP的结构信息,分别记为R和A;
2)对于输入的结构信息R,使用ATPbind服务器预测出蛋白质-ATP绑定的残基信息,得出蛋白质与ATP绑定的n个残基,分别记为r1,r2,...,rn;
3)根据r1,r2,...,rn的中心碳原子Cα坐标信息,取所有Cα坐标值的平均值聚类出一个中心点CR,根据A中各原子坐标信息,取所有原子坐标值的平均值聚类出一个中心点CA,移动A使得CA和CR这两点的坐标重合;
4)对于PDB数据库中的每个ATP分子A(j),j=1,2,...,N,N为PDB数据库中ATP的数目,对于每个ATP的每个原子其中,n为ATP中原子的个数,计算与T类型蛋白质绑定残基的Cα原子之间的距离其中T为PDB中出现过的氨基酸残基类型的一种;
5)计算PDB数据库中ATP的第k个原子与T类型蛋白质绑定残基的Cα原子相互作用的平均距离,记作DkT:
其中
6)以单键形式将A中的所有原子划分成M组小分子,第一组小分子的空间位置不变,其他组的小分子在空间中随机分布,设每一组小分子有X个原子,每一个原子坐标分别是Cmx,m=1,2,...,M,x=1,2,...,X;
7)对每一组小分子的X个原子进行如下过程,设m=1;
8)参数设置:设置种群规模NP,初始温度Tc,降温速度t0;
9)种群初始化:随机生成初始化种群P={S1,S2,...,Si,...,SNP},Si=(si,1,si,2,si,3)为种群P的第i个个体,其中si,1、si,2和si,3的取值范围为0到2π;
10)根据模拟退火算法,对种群P中的每个个体Si,i∈{1,2,…,NP},将蛋白质与每一组小分子对接,设i=1:
10.1)当m=1时,跳转至步骤10.2);否则,将该组小分子进行平移,使得该组的第一个原子与前一组的最后一个原子形成单键,将平移后该组的原子坐标分别更新到Cm1,Cm2,…,CmX;
10.2)根据Si中的三个元素si,1、si,2和si,3,计算三维空间旋转矩阵R:
10.4)根据步骤5),计算得分score(Si):
10.5)当i>1时,若score(Si)<score(Si-1),则接受该组小分子此时的结构信息;否则,计算接受概率p,生成(0,1)之间的随机数Q,若p>Q,则接受该组小分子此时的结构信息,其中
10.6)i=i+1,Tc=t0*Tc;若i≤NP,跳转至步骤10.1);否则,将该组小分子此时的所有原子坐标的位置信息输出;
11)m=m+1,若m≤M,跳转至步骤8);否则,输出M个组的原子坐标作为最终的ATP位置信息输出。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910746835.4A CN110600075B (zh) | 2019-08-14 | 2019-08-14 | 一种基于配体生长策略的蛋白质atp对接方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910746835.4A CN110600075B (zh) | 2019-08-14 | 2019-08-14 | 一种基于配体生长策略的蛋白质atp对接方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110600075A CN110600075A (zh) | 2019-12-20 |
CN110600075B true CN110600075B (zh) | 2021-08-03 |
Family
ID=68854053
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910746835.4A Active CN110600075B (zh) | 2019-08-14 | 2019-08-14 | 一种基于配体生长策略的蛋白质atp对接方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110600075B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111292812B (zh) * | 2020-01-21 | 2021-03-05 | 中国医学科学院基础医学研究所 | 一种研究蛋白质及药物-蛋白质复合体构象多态性的方法 |
CN112289371A (zh) * | 2020-09-23 | 2021-01-29 | 北京望石智慧科技有限公司 | 蛋白质与小分子样本生成及结合能、结合构象预测方法 |
CN114512180B (zh) * | 2022-02-15 | 2023-07-21 | 哈尔滨工业大学 | 基于蛋白质表面低熵水合层识别的蛋白质-蛋白质对接方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017123795A1 (en) * | 2016-01-12 | 2017-07-20 | The George Washington University, A Congressionally Chartered Not-For-Profit Corporation | Compounds inhibiting nef-calnexin interaction |
WO2018049112A1 (en) * | 2016-09-09 | 2018-03-15 | Regents Of The University Of Minnesota | Protein kinase allostery sensor and methods of making and using same |
CN108504647A (zh) * | 2018-03-09 | 2018-09-07 | 中山大学 | 一种dna促旋酶的药物结合口袋及其应用 |
CN109524058A (zh) * | 2018-11-07 | 2019-03-26 | 浙江工业大学 | 一种基于差分进化的蛋白质二聚体结构预测方法 |
CN109536474A (zh) * | 2015-06-18 | 2019-03-29 | 布罗德研究所有限公司 | 降低脱靶效应的crispr酶突变 |
-
2019
- 2019-08-14 CN CN201910746835.4A patent/CN110600075B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109536474A (zh) * | 2015-06-18 | 2019-03-29 | 布罗德研究所有限公司 | 降低脱靶效应的crispr酶突变 |
WO2017123795A1 (en) * | 2016-01-12 | 2017-07-20 | The George Washington University, A Congressionally Chartered Not-For-Profit Corporation | Compounds inhibiting nef-calnexin interaction |
WO2018049112A1 (en) * | 2016-09-09 | 2018-03-15 | Regents Of The University Of Minnesota | Protein kinase allostery sensor and methods of making and using same |
CN108504647A (zh) * | 2018-03-09 | 2018-09-07 | 中山大学 | 一种dna促旋酶的药物结合口袋及其应用 |
CN109524058A (zh) * | 2018-11-07 | 2019-03-26 | 浙江工业大学 | 一种基于差分进化的蛋白质二聚体结构预测方法 |
Non-Patent Citations (2)
Title |
---|
"ATP binds and inhibits the neurodegeneration-associated fibrillization of the FUS RRM domain";Kang J;《Communications Biology》;20190620;第1-10页 * |
"识别蛋白质配体绑定残基的生物计算方法综述";於东军;《数据采集与处理》;20180331;第195-206页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110600075A (zh) | 2019-12-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110600075B (zh) | 一种基于配体生长策略的蛋白质atp对接方法 | |
CN108804869B (zh) | 基于神经网络的分子结构和化学反应能量函数构建方法 | |
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 | |
CN110400598B (zh) | 基于mm/pbsa模型的蛋白质-配体结合自由能计算方法 | |
CN104992079B (zh) | 基于采样学习的蛋白质-配体绑定位点预测方法 | |
CN113593634B (zh) | 一种融合dna形状特征的转录因子结合位点预测方法 | |
CN109147866A (zh) | 基于采样与集成学习的蛋白质-dna绑定残基预测方法 | |
CN105808973A (zh) | 一种基于阶段性多策略的群体构象空间采样方法 | |
CN103886225A (zh) | 基于可极化力场以及pso优化的蛋白质设计方法 | |
CN109360596B (zh) | 一种基于差分进化局部扰动的蛋白质构象空间优化方法 | |
CN106096326A (zh) | 一种基于质心变异策略的差分进化蛋白质结构预测方法 | |
Dhakal et al. | Predicting protein-ligand binding structure using E (n) Equivariant graph neural networks | |
CN111180006B (zh) | 一种基于能量函数的模板口袋搜索方法 | |
CN110600076B (zh) | 一种基于距离和角度信息的蛋白质atp对接方法 | |
CN111369039A (zh) | 基于多目标优化辅助主动学习的合金热处理工艺优化方法 | |
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 | |
CN109509510B (zh) | 一种基于多种群系综变异策略的蛋白质结构预测方法 | |
CN106934453B (zh) | 一种立方系材料母相与子相间位向关系的确定方法 | |
Thomas et al. | In silico protein engineering: Methods and Tools | |
Zhang et al. | An RNA base discrete state model toward tertiary structure prediction | |
CN109390035B (zh) | 一种基于局部结构比对的蛋白质构象空间优化方法 | |
CN110299190B (zh) | 寻找玻璃结构基因的方法 | |
Terashi et al. | Quality assessment methods for 3D protein structure models based on a residue–Residue distance matrix prediction | |
Wang et al. | A new approach of applying deep learning to protein model quality assessment | |
Rost et al. | Evolution and neural networks/spl minus/protein secondary structure prediction above 71% accuracy |
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 |