技術(shù)總結(jié)
一種局部增強(qiáng)的多模態(tài)差分進(jìn)化蛋白質(zhì)結(jié)構(gòu)從頭預(yù)測方法，包括以下步驟：在差分進(jìn)化算法框架下，采用Rosetta?score3粗粒度知識能量模型來降低構(gòu)象空間維數(shù)；將構(gòu)象種群劃分為多個(gè)模態(tài)，以保持種群多樣性，采用片段組裝技術(shù)來提高預(yù)測精度，同時(shí)采用蒙特卡洛算法對種群做增強(qiáng)；在種群進(jìn)化后期，使用抽象凸估計(jì)技術(shù)，建立模態(tài)的下界估計(jì)模型，構(gòu)建廣義下降方向，對模態(tài)內(nèi)個(gè)體做局部增強(qiáng)，以得到更為優(yōu)良的局部構(gòu)象；結(jié)合差分進(jìn)化算法較強(qiáng)的全局搜索能力，可以對構(gòu)象空間進(jìn)行更為有效的搜索。本發(fā)明基于差分進(jìn)化算法，提出一種構(gòu)象空間搜索維數(shù)較低、收斂速度較快、預(yù)測精度較高的局部增強(qiáng)的多模態(tài)差分進(jìn)化蛋白質(zhì)結(jié)構(gòu)從頭預(yù)測方法。

技術(shù)研發(fā)人員：張貴軍;郝小虎;王柳靜;周曉根;陳凱;謝騰宇;李章維
受保護(hù)的技術(shù)使用者：浙江工業(yè)大學(xué)
文檔號碼：201610846348
技術(shù)研發(fā)日：2016.09.23
技術(shù)公布日：2017.03.15