应用ADMM预测蛋白质结构

Protein structure prediction problem is one of the most challenging problems in Bioinformatics. Because of the complexity of biology system character, it is the core work to establish the effective mathematical model and find the reasonable optimistic algorithm. This subject will predict protein structure on 3D lattice. The researchers established and simulated based on HP lattice model which includes just only one force before now. But the model is too simple to express the real structure. This subject will choose two independent forces, and establish the energy function with two separated variables. Then, optimal model satisfied with ADMM frame will be showed. Based on the subproblem of ADMM, this subject will modify particle swarm algorithm and construct the adjustment stratagem. The simulation will be on the 3D lattice. The conformations by our method will be compared with real conformations. This subject can not only provide reliable method, but also promote the cross research of optimal theory and algorithm and protein structure prediction to promote the development of the interdiscipline.

蛋白质结构预测问题是生物信息学中最具有挑战的问题之一。在生物系统自身比较复杂的背景下，建立有效的数学模型和寻找合理的优化算法成为生物信息学研究的一个核心内容。本项目主要解决在三维网格上氨基酸序列的折叠问题。之前，学者们只是针对HP格点模型（只有一种作用力）进行建模和求解，但由于模型的太过简化，预测的结构与真实结构偏差很大。为此本项目将选取两种相互独立的作用力作为影响能量函数的因素，建立具有分离变量的能量函数表达式；然后，给出满足ADMM框架下的优化模型；针对ADMM的子问题，本项目将改进粒子群算法并构造调整策略；本项目将在三维网格上进行数值模拟，并比较模拟的结构和真实结构的相似度。本项目的研究不仅可以为生物信息学者提供可靠的理论方法，还使得生物问题数学化，促进最优化理论与方法和蛋白质结构预测的交叉研究，加快国内系统生物学这一交叉学科的发展。

蛋白质结构预测问题是生物信息学中最具有挑战的问题之一。在生物系统自身比较复杂的背景下，建立有效的数学模型和寻找合理的优化算法成为生物信息学研究的一个核心内容。本项目主要解决氨基酸序列的折叠问题。我们主要完成了二维菱形网格的氨基酸序列折叠问题、二维平面范德华力作用下三向和四向的氨基酸序列结构的折叠问题和三维hp网格的蛋白质结构折叠问题以及各类问题的整合模型和模拟。针对研究的各个问题，我们给出了相应的数据分析。HP菱形网格的二维结构比之前文献里的方格网上求解的结构灵活多变，但由于维数的限制结构的形态仅仅只是三维结构的在平面上的映射，所以与蛋白质结构库的结构进行比对还是有偏差，另外菱形网上也只能预测长度为17,20,25,36等短序列的结构。范德华力作用下二维三向和二维四向的模型得到的结构比方格网下得到的结构更灵活，最大的特点是序列的长度大大增加，长度可以达到5000左右，预测长度是1000的序列的结构也仅仅只需要5小时左右，但目前研究只给出平面结构。各种模式的整合模型得到的结构，包罗了HP和范德华力作用下的各种优点，计算长度也增加。在模式整合论文中，我们利用广义Benders进行求解，并严格证明了问题的解的存在性。这部分理论结果为我们后面三维结构预测提供了非常有利的理论依据。