一种基于深度学习的蛋白质模型质量评估方法

    公开(公告)号:CN114530195A

    公开(公告)日:2022-05-24

    申请号:CN202210186433.5

    申请日:2022-02-28

    Abstract: 一种基于深度学习的蛋白质模型质量评估方法,首先在PISCES服务器中筛选出设定蛋白质长度、最大序列冗余度和分辨率的蛋白质索引,然后从PDB库中下载相应蛋白质结构信息;使用RosettaCM比较建模、天然结构的随机位置插入片段进行扰动、trRosetta进行深度学习指导折叠三种方法生成每个蛋白在不同模型质量分布上的诱饵结构,构建数据集;对数据集中的每一个蛋白质天然结构及其诱饵结构提取一维、二维三维特征信息;再经过一系列三维卷积层生成的输出张量将被展平,并与其它一维特征串联后进行垂直和水平条带化,与其它二维特征结合在一起,得到141×L×L的特征图输入到二维卷积残差网络进行训练。本发明预测效率与准确性较高。

    一种残基对距离约束引导的片段组装方法

    公开(公告)号:CN113257339A

    公开(公告)日:2021-08-13

    申请号:CN202110441230.1

    申请日:2021-04-23

    Abstract: 一种残基对距离约束引导的片段组装方法,首先对预测的残基对距离分布图进行处理,过滤残基对间隔小于3个残基的残基对,根据过滤后的残基对距离分布构建全局构象评估函数。然后采用高斯拟合将过滤后的残基对距离分布按片段插入位置拟合成对应的高斯拟合曲线,接着根据每个位置的高斯拟合曲线对该位置的9片段库文件进行处理得到候选高概率片段,利用高概率片段进行片段组装,提高搜索构象空间的效率,最后利用蛋白质结构聚类算法SPICKER得到最终预测结构。本发明提供一种采样效率较高的残基对距离约束的片段组装方法。

Patent Agency Ranking