蛋白质结构预测的基于流域跳跃方法
摘要：关联记忆哈密顿结构预测势能并不过分粗糙，这表明它们的能量表面与实际蛋白质的能量表面类似。在本文中，我们展示了盆地跳跃全局优化如何能够找到相应轻度困扰能量表面的低能最小值。对于小系统，盆地跳跃算法能够找到比分子动力学模拟退火更低的最小值，并且找到更接近实验结构的构象。对于大系统，由于我们初始的实施方式是对笛卡尔坐标进行随机扰动，盆地跳跃的效率会降低。我们使用盆地跳跃实施了伞形采样，进一步确认全局最小值的有效性。我们还采用生物信息学技术改善了能量表面的粗糙度或方差。最后，盆地跳跃计算指导改进了哈密顿能量的排除体积，进而得到更好的结构。这些结果提供了一种新颖且可推广的优化方案，用于未来能量函数的开发。
作者：Michael C. Prentiss, David J. Wales, Peter G. Wolynes
论文ID：0806.3652
分类：Biomolecules
分类简称：q-bio.BM
提交时间：2009-11-13