基于聯(lián)合殘基力場的蛋白質(zhì)能量優(yōu)化研究.pdf

1、科學的發(fā)展日新月異，計算科學自身的發(fā)展和應用進入了一個快速發(fā)展的新時期。 除了傳統(tǒng)的確定性算法，隨機性計算方法和啟發(fā)式算法等新型算法有了較大發(fā)展，這些算法的應用也遠遠超出了傳統(tǒng)的領(lǐng)域，在以前涉及算法很少的學科得到了極大的重視，對蛋白質(zhì)結(jié)構(gòu)的研究就是一個很好的例子?，F(xiàn)在還不能明確提出一組普遍適用的規(guī)則，能夠從蛋白質(zhì)的氨基酸序列預測其三維結(jié)構(gòu)，進而預測其功能。而沒有對蛋白質(zhì)結(jié)構(gòu)的了解，蛋白質(zhì)工程就無從談起。在當前對蛋白質(zhì)結(jié)構(gòu)的研究中

2、，基于蛋白質(zhì)結(jié)構(gòu)模型設(shè)計高效的算法來預測蛋白質(zhì)的結(jié)構(gòu)正是一個熱點，世界各地很多研究人員都在集中力量把新型的計算方法引入蛋白質(zhì)結(jié)構(gòu)的研究中。 在利用算法研究蛋白質(zhì)結(jié)構(gòu)的理論方法中，基于勢函數(shù)能量優(yōu)化的從頭預測方法具有其他方法沒有的優(yōu)點：首先，這種方法直接根據(jù)蛋白質(zhì)氨基酸序列預測蛋白質(zhì)的三維結(jié)構(gòu)，其次可以模擬蛋白質(zhì)的折疊過程。適當?shù)膭菽芎瘮?shù)和好的全局優(yōu)化算法是這種方法的兩大部分，也是兩大難點，所以提出合適的勢能函數(shù)和強大的優(yōu)化算法

3、正是當前該方法的研究熱點。本課題研究了聯(lián)合殘基力場提供的勢能函數(shù)并基于該勢能函數(shù)進行了蛋白質(zhì)能量優(yōu)化的試驗。 論文從引入蛋白質(zhì)結(jié)構(gòu)預測問題入手，分析了蛋白質(zhì)的層次結(jié)構(gòu)，對蛋白質(zhì)結(jié)構(gòu)預測的現(xiàn)狀和已經(jīng)發(fā)展的方法特別是基于能量優(yōu)化的從頭預測方法進行了分析，提出了當前的研究難點和本文的研究對象和任務(wù)。 用于蛋白質(zhì)結(jié)構(gòu)預測的聯(lián)合殘基力場模型是多肽鏈的一種簡化表示，已初步成功的用于蛋白質(zhì)分子模擬和蛋白質(zhì)結(jié)構(gòu)預測。該力場所涉及的運算量

4、比全原子力場少的多，而且其勢能函數(shù)考慮了蛋白質(zhì)分子中的多種作用（諸如側(cè)鏈間相互作用、短程間相互作用、縮氨酸組間的靜電作用、側(cè)鏈和縮氨酸組間的相互作用以及多體間的相關(guān)作用項），兼顧了模型的準確性與計算復雜度。模型中勢函數(shù)的參數(shù)可通過對全原子力場求平均獲得，或者通過與蛋白質(zhì)晶體結(jié)構(gòu)數(shù)據(jù)進行擬合獲得，也可以利用Boltzman原理計算獲得，而模型的總勢能函數(shù)中各個能量項的權(quán)重通過對Z函數(shù)的優(yōu)化確定。 擬牛頓法是一種通過構(gòu)造滿足擬牛頓條

5、件的矩陣來近似目標函數(shù)的漢森陣的優(yōu)化方法，可用于最小化上述的勢能函數(shù)。論文利用BFGS公式（一種秩2校正法）通過一個四變量目標函數(shù) 分析了擬牛頓法的收斂特性，在迭代進行9次后相對收斂，所得最小點與實際最小點完全相等。使用擬牛頓法所用的計算量較少，僅計算了10次梯度函數(shù)，這對優(yōu)化大規(guī)模的目標函數(shù)非常重要。 論文基于聯(lián)合殘基力場和擬牛頓法利用PROTARCH對多肽和簡單蛋白質(zhì)進行了能量優(yōu)化和構(gòu)象調(diào)整，使前者的能量從－7.150461