基于蟻群算法的計算機輔助藥物設計研究.pdf

1、成本投入高、開發(fā)風險大、研制周期長一直都是藥物設計和研發(fā)所面臨的難題，這些困難對新藥研制的發(fā)展有著很大的影響。隨著當今計算機技術的迅猛發(fā)展，計算機輔助藥物分子的研究模型也越來越成熟。在當今藥物分子的探索和研制中，一種基于結(jié)構化的藥物分子模擬方法－分子對接技術，已經(jīng)逐漸成為創(chuàng)新藥物研制的重要領域之一，同時也是先導化合物的探索方向的重要途徑。分子對接技術是根據(jù)兩個已知三維立體結(jié)構的單體生物分子（在藥物設計中，通常是大分子蛋白質(zhì)和小分子配體）

2、，通過計算機來對這兩個單體分子復合物的結(jié)合模型進行仿真。分子對接技術作為計算機輔助藥物分子設計的重要組成部分，不僅具有計算機的高速計算能力，還能有效地結(jié)合優(yōu)化方法并使之與藥物研制相融合。
　　蟻群算法（Ant Colony Optimization，ACO）作為一種模擬自然界中螞蟻覓食行為的新型群智能優(yōu)化算法,具有較強的可擴充性、系統(tǒng)健壯性好、能進行并行分布式計算、易于同其他仿生算法相結(jié)合等優(yōu)點。因此，本文將對蟻群算法進行優(yōu)化并將

3、這種改進的算法應用于分子對接中，并將蟻群算法與構想搜索中的全局搜索過程中所常用的遺傳算法進行性能上的比較，可以預見將蟻群算法與常用的分子對接平臺AutoDock整合到一起是非常具有實際意義的。將蟻群算法收斂速度快，對接精度高的特點與分子對接軟件平臺AutoDock結(jié)合起來，對分子對接過程中的全局搜索進行替代，從而最終達到對分子對接過程進行優(yōu)化的目的。
　　本文的主要工作是保留使用AutoDock4.2平臺中的打分函數(shù)和柔性策略，將

4、改進的蟻群算法作為對接過程中的構象搜索策略，代替軟件中原有的遺傳算法，通過對蛋白質(zhì)和配體的對接仿真驗證其優(yōu)越性。分子對接過程，實際上就是對一個復雜的函數(shù)模型進行優(yōu)化的過程，而改進的蟻群算法則具有很強的自適應特點，能應用于大部分優(yōu)化問題中，因此在藥物設計中也表現(xiàn)不錯。本文旨在將改進的蟻群算法同常用對接軟件AutoDock相結(jié)合，通過具體蛋白質(zhì)分子同配體分子之間的結(jié)合測試來對其進行仿真實驗并在此基礎上進行分析，通過與典型的遺傳算法進行試驗對