• 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>other >Multi-Dimensional Scaling and MODELLER-Based Evolutionary Algorithms for Protein Model Refinement
【2h】

Multi-Dimensional Scaling and MODELLER-Based Evolutionary Algorithms for Protein Model Refinement

机译：多维缩放和基于模型的蛋白质模型优化进化算法

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

Protein structure prediction, i.e., computationally predicting the three-dimensional structure of a protein from its primary sequence, is one of the most important and challenging problems in bioinformatics. Model refinement is a key step in the prediction process, where improved structures are constructed based on a pool of initially generated models. Since the refinement category was added to the biennial Critical Assessment of Structure Prediction (CASP) in 2008, CASP results show that it is a challenge for existing model refinement methods to improve model quality consistently.This paper presents three evolutionary algorithms for protein model refinement, in which multidimensional scaling(MDS), the MODELLER software, and a hybrid of both are used as crossover operators, respectively. The MDS-based method takes a purely geometrical approach and generates a child model by combining the contact maps of multiple parents. The MODELLER-based method takes a statistical and energy minimization approach, and uses the remodeling module in MODELLER program to generate new models from multiple parents. The hybrid method first generates models using the MDS-based method and then run them through the MODELLER-based method, aiming at combining the strength of both. Promising results have been obtained in experiments using CASP datasets. The MDS-based method improved the best of a pool of predicted models in terms of the global distance test score (GDT-TS) in 9 out of 16test targets.
机译：蛋白质结构预测，即从蛋白质的一级序列计算预测蛋白质的三维结构，是生物信息学中最重要和最具挑战性的问题之一。模型优化是预测过程中的关键步骤，在该过程中，将基于初始生成的模型池构建改进的结构。自从2008年将优化类别添加到两年一次的结构预测关键评估（CASP）以来，CASP结果表明，对于现有的模型优化方法而言，不断提高模型质量是一项挑战。本文提出了三种用于蛋白质模型改进的进化算法，其中多维缩放（MDS），MODELLER软件以及两者的混合分别用作交叉运算符。基于MDS的方法采用纯几何方法，并通过组合多个父级的联系图来生成子级模型。基于MODELLER的方法采用统计和能量最小化方法，并使用MODELLER程序中的重塑模块从多个父级生成新模型。混合方法首先使用基于MDS的方法生成模型，然后通过基于MODELLER的方法运行它们，以结合两者的优势。使用CASP数据集在实验中获得了可喜的结果。基于MDS的方法在16个测试目标中有9个的全球距离测试分数（GDT-TS）方面改进了一组最佳预测模型。

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