蛋白质结构预测作为一个难以优化的问题：遗传算法方法
摘要：蛋白质结构预测是一个NP-hard问题；构象数随着残基数呈指数增长。蛋白质的天然构象只占这些构象的一个非常小的子集，因此需要一种探索性的、稳健的搜索算法，如遗传算法(GA)。遗传算法的动力学往往复杂且与问题相关。然而，它们的经验成功证明了它们的进一步研究的必要性。本文确定了蛋白质结构预测的遗传算法设计的准则。为了实现这一目标，通过能量最小化研究了最简单的遗传算法在简单的基于格子的蛋白质结构预测模型(可推广到实空间)中的性能。这项研究得出了关于”蛋白质-结构-预测-遗传-算法“的两个重要结论。首先，它们需要通过多点交叉获得高分辨率的基本构建单元，其次，它们需要一种局部动力学算子来细调良好的构象。此外，我们引入了一种统计力学方法来分析遗传算法的动力学，并提出了使用类似于群体自由能的量的收敛准则。
作者：Mehul M. Khimasia (TCM, Cavendish Laboratory, University of Cambridge, UK) and Peter V. Coveney (Schlumberger Cambridge Research, UK)
论文ID：physics/9708012
分类：Chemical Physics
分类简称：physics.chem-ph
提交时间：2008-02-03