微粒群算法的改进及其在蛋白质折叠结构预测中的应用

摘要

自然界的很多行为都表现为群体性。利用这些群体行为来建立的模型称为群体智能算法。群体智能算法中有许多算法，微粒群优化算法就是其中一个，它已经被广泛应用于很多优化问题，并表现出了其高效性。但是随着被优化问题维数和局部最小区域的增多，微粒群优化算法也将表现出其难收敛性，并易陷入局部最小区域。
　　 蛋白质是组成生物体的基本物质，是生命活动的主要承担者。蛋白质的空间折叠结构决定其功能和特性。在计算生物学中，通过蛋白质氨基酸链来预测其空间折叠结构是极具挑战性的科研工作。蛋白质分子的原子和周围溶剂相互作用，当蛋白质自由能量最低时形成的结构就是蛋白质的天然结构。基于此自由能量最低理论，提出了很多简化的蛋白质模型来预测蛋白质的结构。其中Toy模型就是由Stillinger提出的一个最为简单和有效的蛋白质模型，但随着氨基酸节点长度的增加。用Toy模型来预测蛋白质结构需要极大的计算量。因此对快速预测带来了很大的困难。
　　 本文对基本的微粒群算法进行改进，得到了一种改进算法叫作欧氏微粒群算法。此算法改善了其跳出局部最小的能力，通过一些标准实验函数测试，已经证实了其优秀的性能。并将此新算法应用于二维Toy模型的蛋白质折叠结构预测问题，对人工蛋白和真实蛋白的结构做了预测，并将其结果与其他典型文献中的结果做了对比。实验结果证实此新算法在Toy模型的蛋白质折叠结构预测问题中是非常有效的。