换一批距离约束的HMC采样算法在蛋白质结构预测中的运用
Distance constrains model based hybrid monte carlo sampling algorithm in protein structure prediction
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.
更多相关知识
- 浏览27
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
