专利交易市场

一种基于简约抽象凸估计的蛋白质构象空间优化方法，首先，根据局部最优构象信息进行变异过程，生成较优的测试构象，从而提高采样效率；其次，通过学习过程来动态更新斜率控制因子，避免斜率控制因子影响能量下界估计值的精确性；然后，根据测试构象邻近构象个体的抽象凸下界估计支撑向量计算测试构象的能量下界估计值，减小计算复杂度；最后，根据能量下界估计值指导构象选择，从而避免不必要的能量函数评价次数，减小计算代价。本发明提供一种计算代价低、搜索效率高的基于简约抽象凸估计的蛋白质构象空间优化方法。

一种基于局部扰动的群体蛋白质构象空间优化方法，首先，利用Rosetta协议进行大范围的构象搜索，并在Rosetta协议的第四阶段结合对片段的局部扰动，增强对构象空间的探索，形成较为完整的二级结构；然后，对二级结构进行扰动，使二级结构的空间排列更加接近蛋白质的真实结构，形成更接近天然蛋白质的三维结构，从而提高蛋白质结构预测的精度。本发明提供一种预测精度较高的基于局部扰动的群体蛋白质构象空间优化方法。

一种双重分布估计引导的蛋白质构象空间搜索方法，同时启动多条Monte Carlo轨迹，并根据当前所有轨迹个体信息构建能量分布概率模型和历史接受概率模型，根据两个概率模型选择一条Monte Carlo轨迹执行下一次搜索，使得搜索过程主要向能量更低的区域进行，并以一定的概率在高能量区域进行搜索，在一定程度上克服了能量模型不精确的问题，最终得到一系列近天然态构象。本发明在蛋白质结构预测中应用，可以得到预测精度较高、复杂度较低的构象。

一种基于构象多样性策略的蛋白质三维结构预测方法，在遗传算法的框架下，采用Rosetta标准协议；利用遗传算子对构象的loop区域进行操作，增强对loop区域的空间搜索；引入基于蛋白质二级结构信息的多样性指标，结合构象的能量值作为种群更新的选择标准，增强种群多样性的同时降低能量函数不精确带来的不利影响，从而预测出精度更高的近天然态构象。本发明提供一种预测精度较高的基于构象多样性策略的蛋白质三维结构预测方法。

一种基于残基间接触约束的蛋白质结构预测方法，包括以下步骤：首先利用RaptorX-Contact预测查询序列的残基间距离接触信息，构建片段库；其次采用禁忌搜索方法对种群构象初始化，建立基于残基间接触约束的评价函数，设计交叉变异策略；最后根据残基间距离约束分值实现种群更新，利用残基间距离约束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蛋白质结构预测方法。

本发明提供了一种分子对接方法及系统，其中，在该分子对接方法中包括：CPU处理端读入作为受体的静态分子结构及作为配体的动态分子结构，分别进行预处理得到网格数据后传送至GPU运算端；GPU运算端接收到受体和配体的网格数据，分别进行傅里叶变换得到频域数据后进行点积操作得到复合物频域数据；GPU运算端根据得到的复合物频域数据计算得到匹配因子并将其传送至CPU处理端；CPU处理端根据接收到的匹配因子得到预设数量的最佳对接位置，实现受体和配体的对接操作。其充分利用了GPU运算端的高浮点运算能力，大大减少了分子对接过程中的运行成本，加速分子对接的运行速度，提高资源的利用效率。