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
一种基于深度卷积网络的ATP绑定残基预测方法，根据输入待进行ATP绑定残基预测的蛋白质序列信息P，其残基个数为L，使用HHblits程序获取包含M条序列的多序列联配信息；计算这M条序列的对应位置与20种残基对应位置出现相同类型的频率，得到位置特异性频率矩阵；采用滑动窗口技术对位置特异性频率矩阵中的每个残基进行特征视图处理，并将这些特征视图扩展为特征张量；搭建深度卷积网络并利用已知ATP绑定残基的蛋白质序列生成对应的特征张量对该网络进行训练；将待预测的蛋白质序列生成的特征张量输入到训练好的深度卷积网络模型中，预测蛋白质序列中的残基是否为ATP绑定残基。本发明计算代价小、预测精度高。
📄 2020112628905
📂 G16B15_20
👤 浙江工业大学
📅 2020-11-12
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
一种基于多样性指标的群体蛋白质构象空间优化方法，首先，利用Rosetta第一阶段进行片段组装生成初始种群，并利用Rosetta第二阶段进行片段组装生成新种群；然后，针对随机选取的Loop区域，对构象进行Loop交换，从而实现种群重组；其次，基于Loop区域，对每个构象进行变异操作，并将变异生成的所有新个体与当前种群进行合并，并提取构象的USR特性信息建立多样性指标，基于该指标和能量对整个种群进行更新操作；最后，分别利用Rosetta第三和第四阶段对整个种群进行进一步优化，从而得到最终预测结果。本发明采样效率较高、多样性较好、复杂度较低及预测精度较高。
📄 2018104385961
📂 G16B15_20
👤 浙江工业大学
📅 2018-05-09
一种基于二面角熵值的蛋白质两阶段构象空间优化方法，首先，利用Rosetta协议的第一、二阶段对种群进行初始化；在探索阶段，迭代Rosetta协议的第三阶段进行大范围的构象搜索，并以每一代种群中二面角熵值的变化作为阶段切换的标准；增强阶段在Rosetta协议第四阶段的基础上对loop区域的残基的二面角进行随机局部扰动，并引入二面角能量结合Rosetta score3能量函数指导构象更新，增强对loop区域探索的同时减小能量函数不精确带来的不利影响。本发明提供一种预测精度较高的基于二面角熵值的蛋白质两阶段构象空间优化方法。
📄 2018102971465
📂 G16B15_20
👤 浙江工业大学
📅 2018-03-30
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
一种基于小生境重采样的多模态蛋白质结构预测方法，在蒙特卡洛框架下，首先，使用初始的能量函数进行第一轮搜索；其次，以每次运行后得到的能量最低构象作为初始构象，在当前小生境内进行重采样；再次，根据重采样得到的构象信息计算小生境半径，并构造一个用于下一轮搜索的能量函数，以避免搜索到的构象重复陷入局部最优；最后，输出每次重采样过程中能量最低的构象作为最后预测结果。基于小生境重采样的多模态蛋白质结构预测方法能够缓解序列小生境方法难以确定半径的问题，从而增强采样能力，提高采样效率，提升预测精度。本发明提供一种预测精度较高的基于小生境重采样的多模态蛋白质结构预测方法。
📄 2019111976053
📂 G16B15_20
👤 浙江工业大学
📅 2019-11-29
一种基于排挤策略的多模态蛋白质结构预测方法，包括以下步骤：1)给定输入序列信息以及蛋白质力场模型；2)初始化；3)变异、交叉操作；4)生成存档集合；5)计算聚类中心和聚类半径；6)排挤操作；7)聚类操作；8)判断是否满足终止条件，如果满足则终止，并输出所有的最优解。本发明提出一种基于排挤策略的多模态蛋白质结构预测方法，该方法在差分进化算法的框架下，采用排挤策略，在进化过程中自适应地形成多个模态，使之能够发现模型所有的局优解，并且在此过程中尽可能多地保存局优解，从而提高蛋白质结构预测方法的预测精度。本发明提供一种预测精度较高的基于排挤策略的多模态蛋白质结构预测方法。
📄 2018109945048
📂 G16B15_20
👤 浙江工业大学
📅 2018-08-29
一种基于残基接触信息自学习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，在种群进化第一阶段进行残基对距离分布的学习并建立信息熵指标反映种群的收敛程度，达到自主学习的目的；然后，在最后种群进化第二阶段，利用学习到的残基对距离分布信息建立评分函数，辅助能量函数进行构象空间搜索；最后，通过聚类得到最终预测结果。本发明提供一种蛋白质结构预测方法，一方面可以自主学习残基对距离信息，辅助能量函数进行构象空间优化；另一方面，构建信息熵指标，实现两阶段的动态切换。
📄 2018109860603
📂 G16B15_20
👤 浙江工业大学
📅 2018-08-28
一种深度学习域间约束辅助的多域蛋白质结构组装方法，首先输入待组装多域蛋白质的所有单域的三维结构；然后将多域蛋白质结构库中每个模板与每两个连续域的比对进行打分搜索局部模板，并根据每个模板与每个单域的比对进行打分搜索全局模板，选择得分最高的T个局部模板和全局模板作为组装模板，利用DeepPotential预测结构域间的约束信息，从而计算多域蛋白的混合能量函数；针对每个模板，根据该混合能量函数进行N步独立的L‑BFGS模拟，利用能量最低时每个结构域的平移向量和旋转角生成最终的全长模型，最后选择T个局部模板的全局模板中能量最低的结构作为最终组装结构。本发明提供了一种精度较高的多域蛋白质结构组装方法。
📄 2022116143279
📂 G16B15_20
👤 浙江工业大学
📅 2022-12-15
柿子坊 · 知识产权运营
柿子坊知识产权运营平台