专利交易市场

一种基于分布估计和副本交换策略的蛋白质构象空间优化方法。在遗传算法的基本框架下，首先，在每个副本层启动多条Monte Carlo轨迹形成初始化种群，利用分布估计策略构建残基采样概率分布模型和片段搜索概率分布模型；然后，根据构建的概率分布模型指导个体的空间采样产生新变异个体，并按设定的交叉概率进行交叉，根据能量值选择优势个体更新种群；最后，对相邻副本层的个体进行副本交换，从而有效地增强了构象的多样性，最终得到一系列近天然态的构象。本发明提出一种预测精度高、计算代价低的基于分布估计和副本交换策略的蛋白质构象空间优化方法。

一种基于多模态内外交叉的蛋白质构象空间采样方法，引入了排挤策略与贪婪搜索策略，模态内交叉和贪婪搜索策略有利于个体向局部极值收敛，而模态外交叉和排挤策略有利于保持种群多样性。初始化种群后，经过不断片段组装，将种群个体分为多个模态集合，当执行模态内交叉时，运用排挤策略对构象进行采样，当执行模态外交叉时，运用贪婪搜索策略对构象进行采样，通过交叉使用两种策略可以较好的解决算法快速收敛和保持多样性的冲突问题。

本发明涉及一种结直肠癌预后风险预测模型，模型通过以下步骤构建：获取结直肠癌患者的基因表达谱和临床信息数据，用于模型构建与验证的数据包括训练集和验证集；将基因表达矩阵进行差异表达分析得到差异表达基因；将差异表达基因在训练集中进行单因素Cox回归分析，筛选出预后相关基因；对筛选的基因进行LASSO Cox回归分析，通过交叉验证确定最优的λ值，筛选出组成模型的基因，根据基因的回归系数和其在训练集和验证集中的表达水平计算各患者的风险评分；根据风险评分将患者分为高、低风险组，通过KM生存曲线和时间依赖性ROC曲线等评估预测模型的预测性能。本发明能够为预测结直肠癌患者的生存时间和对化疗药物的敏感性带来新的策略。