[發(fā)明專利]一種全局和局部下界估計(jì)協(xié)同的群體蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)方法有效
| 申請(qǐng)?zhí)枺?/td> | 201810993709.4 | 申請(qǐng)日: | 2018-08-29 |
| 公開(kāi)(公告)號(hào): | CN109300503B | 公開(kāi)(公告)日: | 2021-08-03 |
| 發(fā)明(設(shè)計(jì))人: | 周曉根;張貴軍;彭春祥;王柳靜;胡俊 | 申請(qǐng)(專利權(quán))人: | 浙江工業(yè)大學(xué) |
| 主分類號(hào): | G16B15/20 | 分類號(hào): | G16B15/20;G16B40/00 |
| 代理公司: | 杭州斯可睿專利事務(wù)所有限公司 33241 | 代理人: | 王利強(qiáng) |
| 地址: | 310014 浙江省*** | 國(guó)省代碼: | 浙江;33 |
| 權(quán)利要求書(shū): | 查看更多 | 說(shuō)明書(shū): | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 一種 全局 局部 下界 估計(jì) 協(xié)同 群體 蛋白質(zhì) 結(jié)構(gòu) 預(yù)測(cè) 方法 | ||
1.一種全局和局部下界估計(jì)協(xié)同的群體蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)方法,其特征在于:所述方法包括以下步驟:
1)輸入待測(cè)蛋白質(zhì)的序列信息,并從ROBETTA服務(wù)器上得到片段庫(kù);
2)參數(shù)設(shè)置:設(shè)置種群規(guī)模NP,交叉概率CR,片段長(zhǎng)度f(wàn)l,溫度因子KT,全局斜率控制因子M,局部斜率控制因子M′,鄰近個(gè)體的數(shù)量N,最大迭代次數(shù)Gmax,并初始化迭代次數(shù)g=0;
3)從各殘基位對(duì)應(yīng)的片段庫(kù)中隨機(jī)選擇片段組裝生成初始構(gòu)象種群P={C1,C2,...,CNP},其中,Ci,i={1,2,…,NP}為種群P中的第i個(gè)構(gòu)象個(gè)體;
4)根據(jù)Rosetta socre3能量函數(shù)計(jì)算當(dāng)前種群中每個(gè)構(gòu)象的能量值;
5)根據(jù)每個(gè)構(gòu)象Ci,i∈{1,2,…,NP}的碳α原子坐標(biāo)表示其空間位置坐標(biāo)并計(jì)算每個(gè)構(gòu)象Ci的支撐向量li:
其中,E(Ci)為構(gòu)象Ci的能量,為構(gòu)象Ci位置坐標(biāo)的第t維元素,為松弛變量;
6)對(duì)種群中的每個(gè)構(gòu)象Ci,i∈{1,2,…,NP}執(zhí)行如下操作:
6.1)將構(gòu)象Ci看作目標(biāo)構(gòu)象,根據(jù)空間位置坐標(biāo)計(jì)算Ci與其它NP-1個(gè)構(gòu)象之間的歐氏距離;
6.2)選出與目標(biāo)構(gòu)象距離最近的N個(gè)構(gòu)象,從這N個(gè)鄰近構(gòu)象中隨機(jī)選取兩個(gè)不同的構(gòu)象Ca和Cb,并從其余NP-N-1個(gè)構(gòu)象中隨機(jī)選取一個(gè)與Ci不同的構(gòu)象Cc;
6.3)分別從Ca和Cb中隨機(jī)選擇一個(gè)殘基位不同的長(zhǎng)度為fl的片段替換構(gòu)象Cc中對(duì)應(yīng)位置的片段,生成變異構(gòu)象Cmutant;
6.4)隨機(jī)生成一個(gè)0和1之間的小數(shù)R,如果RCR,則從構(gòu)象Ci中隨機(jī)選取一個(gè)長(zhǎng)度為l的片段替換變異構(gòu)象Cmutant中對(duì)應(yīng)位置的片段,并進(jìn)行一次隨機(jī)片段組裝,從而生成測(cè)試構(gòu)象Ctrial;否則直接將變異構(gòu)象進(jìn)行一次隨機(jī)片段組裝生成測(cè)試構(gòu)象Ctrial;
6.5)根據(jù)Ctrial的空間位置坐標(biāo)計(jì)算它與種群中所有構(gòu)象之間的歐氏距離,并選出與其最近的構(gòu)象Cnb;
6.6)計(jì)算構(gòu)象Cnb的抽象凸下界估計(jì)支撐向量l:
其中,E(Cnb)為構(gòu)象Cnb的能量,為構(gòu)象Cnb空間位置坐標(biāo)的第t維元素,為松弛變量;
6.7)計(jì)算測(cè)試構(gòu)象Ctrial的能量局部下界估計(jì)值其中為支撐向量lnb的第t維元素,為測(cè)試構(gòu)象Ctrial位置坐標(biāo)的第t維元素;
6.8)計(jì)算測(cè)試構(gòu)象Ctrial的能量全局下界估計(jì)值其中為支撐向量li的第t維元素;
6.9)計(jì)算構(gòu)象Ctrial的能量下界估計(jì)值
6.10)如果U(Ctrial)E(Ci),則構(gòu)象Ci保持不變,其中E(Ci)為目標(biāo)構(gòu)象的能量值;
6.11)如果U(Ctrial)≤E(Ci),根據(jù)Rosetta score3能量函數(shù)計(jì)算測(cè)試構(gòu)象Ctrial的能量值E(Ctrial);如果E(Ctrial)E(Ci),則Ctrial替換Ci,否則根據(jù)玻爾茲曼概率用Ctrial替換Ci,其中ΔE=E(Ci)-E(Ctrial);
7)g=g+1,如果gGmax,則輸出能量最低的構(gòu)象作為最終預(yù)測(cè)結(jié)構(gòu),否則返回步驟5)。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于浙江工業(yè)大學(xué),未經(jīng)浙江工業(yè)大學(xué)許可,擅自商用是侵權(quán)行為。如果您想購(gòu)買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請(qǐng)聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201810993709.4/1.html,轉(zhuǎn)載請(qǐng)聲明來(lái)源鉆瓜專利網(wǎng)。
- 用于靈活柵格光網(wǎng)絡(luò)全局優(yōu)化的系統(tǒng)架構(gòu)及其全局優(yōu)化方法
- 一種基于多數(shù)據(jù)庫(kù)類型的SQL執(zhí)行方法和裝置
- 用于移動(dòng)AdHoc網(wǎng)絡(luò)的路由入侵檢測(cè)系統(tǒng)
- 一種分布式事務(wù)管理方法及系統(tǒng)
- 全局資源分配方法和裝置
- 一種通信方法及裝置
- 一種高效分布式全局鎖協(xié)調(diào)方法
- 一種帶上下文信息編碼的語(yǔ)義分割卷積神經(jīng)網(wǎng)絡(luò)
- 一種批量腳本的全局參數(shù)替換方法及裝置
- 一種基于全局變量的家居參數(shù)化模型建模系統(tǒng)及方法
- 成像控制方法和裝置
- 分組密碼抗線性攻擊安全性的評(píng)估方法
- 一種基于動(dòng)態(tài)Lipschitz下界估計(jì)的變策略群體全局優(yōu)化方法
- 一種基于最優(yōu)個(gè)體Lipschitz支撐面的群體全局優(yōu)化方法
- 一種基于群體Lipschitz下界估計(jì)的蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)方法
- 一種基于帶有釋放時(shí)間流水車間的雙代理問(wèn)題的下界求解方法
- 考慮學(xué)習(xí)效應(yīng)的動(dòng)態(tài)混合流水作業(yè)極小化總完工時(shí)間問(wèn)題下界算法
- 一種全局和局部下界估計(jì)協(xié)同的群體蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)方法
- 一種基于動(dòng)態(tài)抽象凸下界估計(jì)的群體蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)方法
- 一種執(zhí)行飽和尋址加載和存儲(chǔ)操作的設(shè)備和方法
- 一種信道估計(jì)方法和裝置
- 基于時(shí)頻聯(lián)合的載波頻偏估計(jì)方法
- 基于改進(jìn)卡爾曼濾波的變參數(shù)迭代估計(jì)方法
- 電機(jī)驅(qū)動(dòng)系統(tǒng)以及電機(jī)控制裝置
- 意圖估計(jì)裝置和意圖估計(jì)方法
- 分布式驅(qū)動(dòng)電動(dòng)汽車路面自適應(yīng)縱向車速估計(jì)系統(tǒng)及方法
- 一種分布式驅(qū)動(dòng)電動(dòng)汽車路面附著系數(shù)估計(jì)系統(tǒng)
- 視線估計(jì)方法、終端及存儲(chǔ)介質(zhì)
- 一種SNR估計(jì)方法及其估計(jì)系統(tǒng)
- 估計(jì)車輛載荷的方法





