求解蛋白質(zhì)折疊問題的擬物擬人算法.pdf

1、蛋白質(zhì)所具有的生物學(xué)功能取決于蛋白質(zhì)的空間折疊結(jié)構(gòu)，研究蛋白質(zhì)的空間結(jié)構(gòu)在生物學(xué)領(lǐng)域具有重要意義。Anfinsen等人的研究工作表明，給定蛋白質(zhì)一級結(jié)構(gòu)序列，利用理論計(jì)算對蛋白質(zhì)結(jié)構(gòu)進(jìn)行預(yù)測是一個(gè)可行的方法。由于蛋白質(zhì)折疊問題的復(fù)雜度太高，理論界提出了一些簡化模型。其中，Dill等提出的HP模型和Stillinger提出的AB模型最受歡迎，研究也最為廣泛?；贖P模型和AB模型的蛋白質(zhì)折疊問題都已被證明是NP完全問題，這意味著不存在既完

2、整嚴(yán)格又不是太慢的求解算法。為了滿足實(shí)際需要，人們于是著手研究非絕對完整但是是快速實(shí)用的啟發(fā)式算法。沿著擬物擬人的工作途徑，分別對基于HP模型和AB模型的蛋白質(zhì)折疊問題的高效求解進(jìn)行了研究。
　　 本研究給出了一種帶隨機(jī)策略的剪枝算法來求解基于二維HP模型的蛋白質(zhì)折疊問題。在算法中，保留那些前景好的結(jié)點(diǎn)，并允許它以一定概率向下分支，而那些前景不太好的結(jié)點(diǎn)則以一定概率被刪除，其下相連的分支也被“剪掉”。這樣減小了搜索空間，使得相應(yīng)

3、的搜索時(shí)間也大大降低。基于裁剪復(fù)制策略的PERM (pruned-enriched Rosenbluth method)算法是一種鏈生長算法，它通過制定一定的評判準(zhǔn)則，讓有前途的個(gè)體得以繁衍，而不具備發(fā)展?jié)摿Φ膫€(gè)體停止繁殖，從而減少了搜索樹的分支數(shù)。通過分析PERM算法，指出了影響PERM算法效率的關(guān)鍵，并從擬人思想的角度對PERM算法做出了進(jìn)一步的分析：PERM算法實(shí)際上可以理解為一種人口控制策略，通過對社會(huì)中的個(gè)體給出評價(jià)，然后給出

4、個(gè)體的生育指標(biāo)，從而實(shí)現(xiàn)“優(yōu)生優(yōu)育”。在這樣一個(gè)生動(dòng)形象的背景的指導(dǎo)下，提出了更為合理和有效的評判準(zhǔn)則，從而得到了一種改進(jìn)的PERM算法。計(jì)算結(jié)果表明改進(jìn)的PERM算法在求解基于HP模型的蛋白質(zhì)折疊問題時(shí)表現(xiàn)出非常高的效率。通過擬物思想，引入引力勢能和斥力勢能，建立了一個(gè)啟發(fā)式的引導(dǎo)函數(shù)，把基于三維HP模型的蛋白質(zhì)折疊問題由一個(gè)約束優(yōu)化問題轉(zhuǎn)化為無約束優(yōu)化問題，然后給出了一個(gè)基于局部搜索策略的啟發(fā)式算法。
　　 本研究為基于三維

5、AB模型的蛋白質(zhì)折疊問題找到了一個(gè)貼切的物理模型，該物理模型是一個(gè)力學(xué)系統(tǒng)。將氨基酸單體看作彈性小球，想象在蛋白質(zhì)鏈上相鄰兩球球心之間連接著一根長度為1的彈簧。這樣，系統(tǒng)能量中除了Lennard-Jones勢能、彎曲勢能和扭轉(zhuǎn)勢能外，還有彈簧勢能。彈簧勢能相當(dāng)于一個(gè)罰函數(shù)，它是“松弛”約束條件的關(guān)鍵，把基于三維AB模型的蛋白質(zhì)折疊問題由一個(gè)約束優(yōu)化問題轉(zhuǎn)化為無約束的優(yōu)化問題。對此無約束優(yōu)化問題，給出了一個(gè)梯度算法，并設(shè)計(jì)了一個(gè)產(chǎn)生初始構(gòu)

6、形的啟發(fā)式策略。在用梯度法求解的過程中，計(jì)算很容易落入局部極小值的陷阱。為了跳出局部極小值陷阱，讓計(jì)算走向前景更好的區(qū)域中去，在擬物算法的基礎(chǔ)上，分別與模擬退火算法和禁忌搜索算法相結(jié)合，得到了效率更高的、具有全局優(yōu)化能力的混合算法。尤其值得指出的是，以ELP(energy landscape paving minimizer)算法得到的結(jié)果構(gòu)形作為擬物算法的初始構(gòu)形，對于文獻(xiàn)中的絕大多數(shù)算例，擬人算法都找到了當(dāng)今國際學(xué)術(shù)界最好的構(gòu)形，這