• 主题
高级搜索  >
历史搜索 清空历史
首页> 美国卫生研究院文献>The Journal of Chemical Physics >A gradient-directed Monte Carlo method for global optimization in a discrete space: Application to protein sequence design and folding
【2h】

A gradient-directed Monte Carlo method for global optimization in a discrete space: Application to protein sequence design and folding

机译：离散空间全局最优化的梯度定向蒙特卡罗方法：在蛋白质序列设计和折叠中的应用

代理获取
本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

We apply the gradient-directed Monte Carlo (GDMC) method to select optimal members of a discrete space, the space of chemically viable proteins described by a model Hamiltonian. In contrast to conventional Monte Carlo approaches, our GDMC method uses local property gradients with respect to chemical variables that have discrete values in the actual systems, e.g., residue types in a protein sequence. The local property gradients are obtained from the interpolation of discrete property values, following the linear combination of atomic potentials scheme developed recently []. The local property derivative information directs the search toward the global minima while the Metropolis criterion incorporated in the method overcomes barriers between local minima. Using the simple HP lattice model, we apply the GDMC method to protein sequence design and folding. The GDMC algorithm proves to be particularly efficient, suggesting that this strategy can be extended to other discrete optimization problems in addition to inverse molecular design.
机译：我们应用梯度定向蒙特卡罗（GDMC）方法选择离散空间的最佳成员，该空间是由模型哈密顿量描述的化学上可行的蛋白质的空间。与传统的蒙特卡洛方法相反，我们的GDMC方法针对化学变量使用局部属性梯度，这些化学变量在实际系统中具有离散值，例如蛋白质序列中的残基类型。遵循最近开发的原子电势方案的线性组合，从离散属性值的内插中获得局部属性梯度。局部属性导数信息将搜索引向全局最小值，而方法中包含的Metropolis准则则克服了局部最小值之间的障碍。使用简单的HP格模型，我们将GDMC方法应用于蛋白质序列设计和折叠。 GDMC算法被证明是特别有效的，这表明该策略可以扩展到除逆分子设计之外的其他离散优化问题。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
代理获取

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号