一种多元接触信息的子种群策略蛋白质结构预测方法，在进化算法框架下，首先，利用片段组装技术初始化种群；然后，把种群分为多个子种群，对子种群中的每个个体进行变异，交叉操作产生新构象；在选择环节，首先利用Rosetta能量函数score3对新构象进行选择；然后，利用Scon(C)对能量低的新构象进行进一步的筛选，同时通过蒙特卡洛概率接收准则保持选择过程中构象的多样性。该方法利用子种群的概念并结合了多个contact服务器预测出的接触信息辅助结构预测，不仅能够缓解能量函数不精确的问题，而且可以提高种群的多样性。本发明提供一种多样性好、预测精度高的多元接触信息的子种群策略蛋白质结构预测方法。
📄 2019111976212
📂 G16B15_00
👤 浙江工业大学
📅 2019-11-29
一种基于多轨迹和残基接触信息的蛋白质结构预测方法，首先，对目标构象和随机选取的两个构象分别启动采用不同能量函数的Monte Carlo轨迹进行搜索；在所有的轨迹搜索结束后，采用统一的能量函数对组装后的三个构象进行打分；其次，分别计算出每个构象的特征向量与初始特征向量的距离误差；最后，按照一定的权重计算出能量与距离误差的总分，根据总分的大小选出潜在构象，并且用潜在构象替换目标构象。本发明提出一种预测精度高、计算代价低的基于多轨迹和残基接触信息的蛋白质结构预测方法。
📄 2018109860355
📂 G16B20_00
👤 浙江工业大学
📅 2018-08-28
一种基于残基特征距离的蛋白质结构预测方法。首先，计算出先验知识中目标蛋白的初始残基特征距离与目标构象的特征距离误差，并将这些距离误差作为采样范围的适应度；然后，根据轮盘机制选择出适应度较高的残基范围作为有效的采样区域；最后，Manhattan距离与能量函数作为打分函数来指导种群的更新，进而选出潜在的构象。本发明提出一种采样效率较高、预测精度较高、计算代价低的基于残基特征距离的蛋白质结构预测方法。
📄 201810986237X
📂 G16B15_20
👤 浙江工业大学
📅 2018-08-28
一种基于多变异精英选择的蛋白质结构预测方法，首先利用Robetta构建查询序列的片段库；其次设计交叉、多变异策略；最后根据能量值选择精英构象，实现种群更新，利用多变异精英策略能够有效地提高算法采样能力、搜索效率，进而得到结构更加紧凑、能量更低的构象。本发明提供一种预测精度较高的基于多变异精英选择的蛋白质结构预测方法。
📄 2018109937450
📂 G16B15_20
👤 浙江工业大学
📅 2018-08-29
一种基于群体阶段性样本训练的k‑近邻预测全局优化方法，首先，对初始种群建立能量函数的下界估计模型；然后，选择当前种群中能量最低的构象和局部较优构象来指导每个构象的变异过程；其次，将初始种群的所有测试构象个体进行能量函数评价，并看作样本构象，基于样本构象中的k个近邻个体来计算测试构象的k‑近邻能量预测值，同时计算测试构象的能量下界估计值，选择两者中较低者为测试构象的能量估计值，从而指导构象选择；最后，根据被接收的构象来更新样本库和下界估计模型。本发明提供一种计算代价较低、预测效率和预测精度均较高的基于抽象凸估计的k‑近邻蛋白质结构预测方法。
📄 2018110008277
📂 G16B15_20
👤 浙江工业大学
📅 2018-08-30
一种基于残基信息动态选择策略的蛋白质结构预测方法，在Rosetta的基本框架下，引入距离谱和残基接触信息来弥补能量函数精确性的不足。首先，初始化构象，并针对loop区进行交叉、变异来生成新构象；然后，分别利用距离谱和残基接触信息设计两种不同的选择策略，同时根据各选择策略的历史成功信息计算其选择概率；最后，根据选择概率动态自适应地选择策略指导种群更新；迭代上述过程直至满足条件后输出结果。本发明提供一种预测精度较高的基于残基信息动态选择策略的蛋白质结构预测方法。
📄 2018108637656
📂 G16B25_10
👤 浙江工业大学
📅 2018-08-01
一种基于适应度共享的多模态蛋白质结构预测方法，在进化算法框架下，首先，根据构象之间的相似度对种群进行物种划分；然后，构造适应度共享函数来改变种群中个体的适应度值，使其具有跨越能量屏障的能力，避免反复陷入相同的能量陷阱，同时有利于探索其他潜在的低能量区域；最后，输出种群中能量最低的若干构象作为最后预测结果。基于适应度共享的多模态蛋白质结构预测方法不仅能够缓解蛋白质能量模型不精确的问题，而且可以增强构象采样能力，提高采样效率，从而提升预测精度。本发明提供一种预测精度较高的基于适应度共享的多模态蛋白质结构预测方法。
📄 2022113172195
📂 G16B15_20
👤 浙江工业大学
📅 2022-10-26
一种多级个体筛选进化蛋白质结构预测方法，包括以下步骤：参数设置并初始化种群；基于进化算法框架，采用Rosetta score3能量函数作为优化目标，使用片段组装技术作为的变异策略，增加同代种群多样性，多级个体筛选方法用于进一步增加不同代种群间的多样性，并采用Monte Carlo算法对每个个体做局部增强得到当前的局部最优解，最终可以获得全局最优结构。本发明提供了一种有效的蛋白质结构从头预测方法。
📄 2018107626033
📂 G16B15_00
👤 浙江工业大学
📅 2018-07-12
一种蛋白质结构预测算法评价指标构建方法，利用Rosetta Abinitio协议对搜索空间进行搜索，通过对背景点的聚类找到潜在天然态区域；然后，执行待评价预测算法的迭代过程，分析每一代种群的进化状态；其次，计算种群前后两代的状态转移矩阵并用香农熵量化种群状态变化情况；最后，记录历代熵值，从而反应算法在蛋白质结构预测的作用。本发明提供一种蛋白质结构预测算法评价指标构建方法，一方面，在一定程度上直观反映算法在预测过程中的所处的状态，另一方面，利用熵值可以比较多个算法在预测中起到的作用。
📄 2018102387483
📂 G16B20_00
👤 浙江工业大学
📅 2018-03-22
一种基于残基接触信息辅助评价的蛋白质结构预测方法，首先，利用Robetta和RaptorX‑Contact得到片段库和接触图；其次，在种群进化的两个阶段，以不同的方式利用接触图辅助评价构象；最后，通过聚类得到最终预测结果。本发明利用接触图信息，辅助评价构象，保留拓扑正确的构象，从而提高搜索效率，提高预测精度。本发明提供一种预测精度较高的基于残基接触信息辅助评价的蛋白质结构预测方法。
📄 2018110006708
📂 G16B15_30
👤 浙江工业大学
📅 2018-08-30
一种基于模板自适应选择的多域蛋白结构组装方法，首先，利用蛋白质比对工具对多域蛋白库的中各模板进行打分，并根据打分进行降序排名；然后，选择出排名靠前的部分模板进行组装，并对每个模板设置一个选择概率；其次，在组装过程中，每隔一定的阶段，根据各模板组装得到的结构被成功接收的次数和该模板被选择的次数动态更新各模板被选择的概率；最后，在每次迭代中，根据各模板的选择概率，利用轮盘赌选择出一个模板产生的结构进行随机选择和平移，从而产生新的结构。本发明提供一种计算代价较低、预测精度较高的基于模板自适应选择的多域蛋白结构组装方法。
📄 2017107571996
📂 G16B20_00
👤 浙江工业大学
📅 2017-08-29
一种基于双层偏置搜索的蛋白质结构预测方法，在遗传算法框架下，首先，种群初始化，根据构象的能量高低将其分配到不同的能量区间；然后，根据能量以及空间结构差异性双层选择指标有偏地选择父代和淘汰构象，不仅能够缓解能量函数不精确的问题，而且可以根据有偏采样搜索到结构更为合理的构象，在提高采样效率的同时，提升了预测精度。本发明提供一种预测精度较高的基于双层偏置搜索的蛋白质结构预测方法。
📄 2019107433228
📂 G16B15_20
👤 浙江工业大学
📅 2019-08-13
柿子坊 · 知识产权运营
柿子坊知识产权运营平台