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
一种基于种群熵的阶段性蛋白质结构预测方法，在差分进化算法的框架下，利用种群中个体状态间的转变选择不同的变异策略，在全局探测和局部增强间达到平衡。在探索阶段，利用排挤策略，使种群在进化的保证种群的多样性；在增强阶段，根据种群中个体状态间的转变构建马尔科夫模型，根据构建马尔科夫型计算种群熵值，再根据计算的熵值信息指导下一代种群中变异策略的选择，从而在全局探测和局部增强间达到平衡，在不断搜索更好的构象的同时避免陷入局部最优，提高构象空间的探索性能。本发明提供一种搜索效率和预测精度较高的基于种群熵的阶段性蛋白质结构预测方法。
📄 2018107629116
📂 G16B15_00
👤 浙江工业大学
📅 2018-07-12
一种群体爬山迭代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，然后利用迭代爬山搜索方法对构象空间进行进一步的探索，在提高构象空间搜索效率的同时有效避免陷入局部最优，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群体爬山迭代蛋白质构象空间优化方法。
📄 2018105793385
📂 G16B15_00
👤 浙江工业大学
📅 2018-06-07
一种基于残基接触信息的群体蛋白质结构预测方法，在进化算法框架下，首先，通过交换构象中的片段生成测试构象；其次，根据序列信息预测目标蛋白的残基接触信息，并设计残基接触能量函数对构象进行打分，通过残基接触能量来指导构象的选择过程，即如果测试构象的能量小于目标构象的能量，则直接接受测试构象，否则进一步比较残基接触能量，若测试构象的残基接触能量较小，则接受，否则以玻尔兹曼概率接受，从而引导算法采样得到能量更低且结构更合理的构象。通过残基接触能量为辅来指导构象选择，从而缓解能量函数不精确导致的预测误差问题。本发明提供一种预测精度较高的基于残基接触信息的群体蛋白质结构预测方法。
📄 2018105791869
📂 G16B15_00
👤 浙江工业大学
📅 2018-06-07
一种基于动态抽象凸下界估计的群体蛋白质结构预测方法，在差分进化算法框架下，基于抽象凸理论，首先，通过计算初始种群中每个构象个体的支撑向量，建立能量函数的下界估计模型；然后，将整个子种群平均划分为两个子种群，从子种群中选择能量最低的构象指导构象变异生成测试构象；其次，计算测试构象的能量下界估计值，根据下界估计信息指导构象的选择；最后，计算被接受的测试构象的支撑向量，并替换对应的目标构象的支撑向量，实现下界估计模型的动态更新。本发明提供一种计算代价较低、预测效率较高的基于动态抽象凸下界估计的群体蛋白质结构预测方法。
📄 2018109945033
📂 G16B15_00
👤 浙江工业大学
📅 2018-08-29
一种多域蛋白模板无缝比对方法，从各单域蛋白的三维结构出发，首先，对模板的两端加上允许长度的空白序列；然后，采用蛋白质模板比对工具TM‑align搜索第一个单域蛋白在模板上的最佳比对位置，并从最后一个比对位置后的模板中搜索第二个单域蛋白的最佳比对位置，如果两者比对部分之间的间隙大于最大允许值，则采用无缝滑动窗口的方法搜索第二个单域蛋白的最佳比对位置，当第二个单域蛋白的最佳比对位置确定后，继续采用同样的方法搜索其他单域蛋白的最佳比对位置；最后，以各单域蛋白的最佳比对位置为当前查询蛋白与目标之间的最佳比对，本发明提供一种比对精度较高、效率较高的多域蛋白模板无缝比对方法。
📄 2017104368196
📂 G16B15_00
👤 浙江工业大学
📅 2017-06-12
一种基于特定片段交叉的蛋白质结构预测方法，包括以下步骤：首先预测查询序列的二级结构信息，构建片段库；其次设计基于特定片段交叉的策略，建立二级结构信息的适应度函数，设计交叉变异策略；最后根据按比例的适应度分配方法更新种群，利用设计基于特定片段交叉的策略能够有效地提高算法构象搜索能力和预测精度，预测的三级结构有很好的二级结构。本发明提供一种构象搜索能力较高和预测精度较高的蛋白质结构预测方法。
📄 2018107634082
📂 G16B15_00
👤 浙江工业大学
📅 2018-07-12
一种多域蛋白距离谱构建方法，采用蛋白质比对工具对多域蛋白中各单域蛋白与模板的比对进行一对一打分，然后计算整个模板的综合得分；选取综合得分最高的部分模板蛋白提取所比对上的各残基之间的距离构建距离谱，并通过一系列条件来控制距离谱的质量，以保证距离谱的精确性。通过实际构象中各残基之间的距离与距离谱之间的平均误差对组装构象进行打分。本发明提供一种能够提高打分函数精确性的多域蛋白距离谱构建方法。
📄 201710605462X
📂 G16B15_00
👤 浙江工业大学
📅 2017-07-24
一种残基接触辅助策略自适应的蛋白质结构预测方法，在进化算法框架下，首先，建立四种不同的自适应变异策略，算法前期四种变异策略都等概率被选择，当算法经历一段学习周期LP后，算法采取自适应的变异策略对构象进行变异，并且对生成的变异构象进行一次片段组装，生成变异构象；其次对变异构象进行交叉操作；最后用残基接触能量CI辅助Rosetta能量函数score3对构象进行选择；迭代上述过程直至满足条件后输出结果。本发明提供一种采样效率高、预测精度高的残基接触辅助策略自适应的蛋白质结构预测方法。
📄 2019103026203
📂 G16B15_00
👤 浙江工业大学
📅 2019-04-16
一种基于子种群协同进化的蛋白质结构预测方法，首先，将整个种群划分成多个规模相等的子种群；然后，针对第一个子种群，从其余不同的子种群中选择构象进行变异；针对第二个子种群，选择目标构象所在的子种群中的最优构象以及其余子种群中的构象进行变异；针对第三个子种群，选择整个种群中的最优构象以及其余子种群中的构象进行变异；针对其余子种群，从目标构象所在的子种群中以及其余子种群中选择构象进行变异；最后，根据玻尔兹曼概率对测试构象进行更新。本发明提供一种预测精度和搜索效率均较高的基于子种群协同进化的蛋白质结构预测方法。
📄 2018107628876
📂 G16B15_00
👤 浙江工业大学
📅 2018-07-12
一种基于二级结构元素接触辅助的蛋白质结构预测方法，首先根据预测的二级结构和残基接触图提取二级结构元素间的接触信息；然后利用顺序采样策略分别采样二级结构元素和连接着二级结构元素的loop区域，快速获得二级结构较为准确、二级结构元素间空间位置关系基本正确的拓扑结构精度较高的构象；最后结合能量函数进一步优化结构，提高整体预测精度。本发明提供一种预测精度较高的基于二级结构元素接触辅助的蛋白质结构预测方法。
📄 2019108050054
📂 G16B15_00
👤 浙江工业大学
📅 2019-08-29
柿子坊 · 知识产权运营
柿子坊知识产权运营平台