神经网络在蛋白质折叠预测中的应用

蛋白质的生物功能是由它们的空间折叠结构决定的,理解蛋白质的折叠过程是生物信息学领城中极具挑战的问题之一.求解精度和计算时间是蛋白质折叠结构预测中要解决的主要问题,神经网络具有较强的逼近非线性函数的能力,并具有自适应学习的优点,以及良好的寻优能力.笔者对如何使用神经网络方法解决蛋白质折叠预测问题进行了分析与展望.     

基于超维混沌映射的蛙跳群神经网络智能控制

前馈神经网在智能控制设计训练中收敛速度慢、易陷入局部极值,且对初始权值依赖性。为此提出一种基于超维无限折叠反转迭代混沌的蛙跳群优化算法,训练前馈神经网络参数,进行全局优化智能控制设计。算法在充分利用BP算法的误差反传信息和梯度信息的基础上,引入基于超维无限折叠反转迭代混沌的概念,结合混合蛙跳群仿生算法,将混沌蛙跳群作为全局搜索器,以梯度下降信息作为局部搜索器来调整智能控制网络的权值和阈值,实现全局寻优和空间智能搜索。实验和算法对比结果表明,新的人工神经网络智能控制算法在均方差、泛化均方差等指标上较传统算法具有明显优势。改进算法特别适合人工智能控制模型设计与预测建模,具有较高的预测精度和泛化能力,稳健性好,具有较好的全局优化自适应控制能力。     

掌控A I,人类能做到吗

<正>国际学术期刊《自然》杂志预计,位于美国旧金山的人工智能（AI）技术公司OpenAI将于2024年年底发布支撑聊天机器人的下一代AI模型GPT-5。与其前身GPT-4相比,GPT-5会拥有更多、更先进的功能。此外,GPT-4的竞争对手Gemini（另一个生成式AI工具,也是大语言模型）和其他AI工具也会推出新的版本。《自然》杂志还预测,美国谷歌公司旗下的深度思维（DeepMind）人工智能公司将在2024年发布AI工具阿尔法折叠（AlphaFold）的新版本。此前,阿尔法折叠已经预测了高精度的蛋白质三维模型。新版本的阿尔法折叠将以原子级精度模拟蛋白质、核酸和其他分子之间的相互作用,将为药物设计和发现开辟新的可能性。     

基于遗传神经网络的图书馆流通量预测

针对图书馆流通量预测问题．提出了基于遗传神经网络的预测模型。该模型采用遗传算法作为神经网络权值全局搜索算法,BP算法作为局部搜索算法。结合实例进行计算,结果表明,该算法用于预测图书馆流通量是可行和有效的。     

氨基酸疏水性对蛋白质结构的影响

本文应用计算机模拟方法对蛋白质折叠结构进行分析,研究了在二维的HP模型下,采用Monte-Carlo算法,运用F-P法、K-D法、沃氏法、埃氏法及米氏法,几种常见的对氨基酸残基疏水特性的不同划分方法,从序列的正反两个方向对真实蛋白质折叠结构进行计算机模拟研究。研究结果表明,同一种疏水特性值从序列的正向或是其反方向开始折叠,蛋白质折叠的最小能量构象的能量值相等;各疏水特征参考值求得的最小能量构象及能量值存在差异。     

基于语义表示和动态主题模型的社科领域新兴主题预测研究

[目的/意义]预测社科领域在未来有发展潜力的研究主题对于科研工作者寻找新的学科增长点和政府部门优化资源配置至关重要。文章提出一种基于语义表示和动态主题模型的社科领域新兴主题预测框架,以期丰富和完善主题预测研究的方法体系。[方法/过程]首先,使用BERT模型和UMAP算法对文本进行语义表示和向量降维,再通过动态主题模型对嵌入向量进行聚类,从而获得全局主题;其次,构建新兴主题指标计算公式,基于Neural Prophet模型和非参数检验方法预测新兴主题;最后,通过划分时间窗将全局主题细化为多个局部主题,以定位最近时间段的新兴词汇。[结果/结论]选取“人口老龄化”领域的学术论文和报纸进行实证研究,并采用资料验证法进行方法有效性分析,结果表明该方法能够快速准确地预测社科领域中的新兴主题。     

AI首次精准预测蛋白质三维结构

正50年来,科学家们一直致力于解决生物学领域最大的挑战之一:预测一系列氨基酸在"变身"为工作蛋白质时会折叠成何种精确三维形状。今年,他们实现了这个目标。2020年12月1日,谷歌旗下的DeepMind公司宣布,其新一代AlphaFold人工智能系统在国际蛋白质结构预测竞赛上击败了其余参会选手,精确预测了蛋白质的三维结构,准确性可与冷冻电子显微镜、X射线晶体学等实验技术相媲美。     

扩充遗传密码进化的重演还是未来的预演?

文章介绍了一种直接在活体细胞内掺入非天然氨基酸到蛋白质中的新方法。遗传编码非天然氨基酸有效地扩充了现存生物体通用的遗传密码。这对遗传密码的进化、蛋白质的结构、功能与应用、以及与蛋白质相关的生命过程等方面的研究提供了新的思路与方法。     

分子伴侣和异构酶合作机理揭开 可促进蛋白质正确的折叠活动

<正>蛋白质折叠问题是分子生物学中心法则尚未解决的一个重大生物学问题。近日,德国科学家实验发现,蛋白质折叠过程中分子伴侣亚基能够增强异构酶的活性,两者功能的联合产生了高效的蛋白质折叠辅助作用。相关研究成果发表在近期的《美国国家科学院院刊》上。     

非规则流重构权下三亚旅游信息并发挖掘算法

对旅游城市的旅游信息深度数据挖掘进行研究有助于提升城市的整体旅游水平。提出一种基于非规则流重构权的三亚旅游信息并发挖掘方法,以非规则流多模态表征游客对于景点选择的不同流向趋势,在非规则流多模态下,通过对于游客期望,目的地形象,游客旅游动机,满意度等几个关键旅游信息的重构权加权,实现最佳匹配度下的游客抉择,同时,建立并发挖掘模型,在非规则流重构权下,对所有景点的信息进行融合挖掘,实现全局最优并发挖掘。采用三亚的5个景点作为研究对象,结果显示,采用该算法进行旅游信息挖掘,每个景点的预测结果误差均在2%以内,对于景点游客预测具有很好的应用价值。     

马尔可夫模型在常染色体遗传中的应用

马氏链预测法是通过对事物不同状态的初始分布及状态之间的转移概率的研究来预测事物的未来状态,本文利用此方法来建立相应的遗传模型,并讨论模型在常染色体遗传中的应用.     

新院士主要科技成就(二)

王志珍　生物化学与分子生物学家。中国科学院生物物理研究所研究员。194 2年出生于上海 ,原籍江苏吴县。 196 4年毕业于中国科学技术大学生物物理系。在蛋白质折叠、折叠酶和分子伴侣以及胰岛素Ａ、Ｂ链相互作用及重组等研究中做出了贡献。提出“蛋白质二硫键异构酶既是酶又是     

基于时间序列的DNA特征分析

生物与生态构成的统一整体称为生态系统,在这个系统中,生物与环境相互影响、相互制约,并形成了相对稳定的生态平衡状态。对不同物种的生物信息进行研究具有重大意义。生物信息学的主要研究对象由DNA、RNA和蛋白质分子构成,这些大分子中含括了物种进化和遗传的所有信息。其中DNA里的线粒体是生物系统研究中应用最为广泛的遗传物质之一,具有进化速率快,在遗传过程不发生基因重组、倒位、易变等突变,严格遵守母系遗传方式的特点。本文中对于30个哺乳动物的线粒体DNA进行研究,利用短记忆ARIMA模型做出详细阐述,概述了线粒体DNA携带mtDNA的一般属性。我们首先对于30个物种随机抽取5个物种的线粒体DNA(位置4,70个碱基)的碱基序列,对其进行时序化;然后利用ARIMA模型进行模型识别、参数估计、模型诊断(检验及优化)、进行预测(碱基位置71-75)。结果表明:在短记忆模型ARIMA(p,q)模型高度显著拟合下,其作为合适的时间序列模型能帮助我们挖掘DNA序列中的未知特性。     

小波变换在蛋白质结构预测中的应用

蛋白质的结构决定蛋白质的生物功能,疏水性在蛋白质结构的形成过程中起到了关键性作用。本文在分析了α螺旋和β折叠的周期性基础上,将氨基酸序列映射为疏水值序列并对其进行小波分析然后再做傅立叶变换从而得到平均功率谱图(PSD)。结果表明采用连续小波变换能有效提取蛋白质二级结构的特征信息。     

分子伴侣、蛋白质聚集和大分子拥挤环境对蛋白质折叠的影响(英)

研究了细胞内存在的分子伴侣、蛋白质聚集和大分子拥挤环境对蛋白质折叠的影响.首先,发现分子伴侣GroEL与底物蛋白的结合有 半位 "和 全位"两种模式,它是由底物蛋白的分子形状、分子大小以及与GroEL的相互作用性质决定的.接着,发现两种不同的蛋白质一起复性时相互不干扰,提示细胞内蛋白质折叠可能不受其他蛋白聚集的影响;后又发现α 乳清蛋白的前熔球态不仅是分子伴侣也是蛋白质聚集体的作用对象.最后,研究大分子拥挤环境对蛋白质折叠热力学和动力学的影响,揭示了这种影响的复杂性和多样性.     

包涵体蛋白的变复性研究

针对基因工程蛋白在E.coli中表达多为无活性包涵体的特点，介绍了包涵体洗涤和去折叠的方法，蛋白质体外折叠的过程和机理，体外复性技术以及复性蛋白的检测，着重讨论了最近发展起来的蛋白质复性新技术。     

基于混沌搜索的LS-SVM预测算法

为利用最小二乘支持向量机(LS-SVM)来进行预测,首先要确定影响LS-SVM模型的两个主要参数γ和σ,针对该问题提出了采用混沌搜索算法来搜索该模型的最优参数组合。混沌搜索的运动轨迹具有遍历性,随机性,可以进行全局和局部寻优,利用该算法搜索最优参数来确定预测模型,然后将该预测模型用于预测实践。实验结果表明,该模型具有较精确的预测精度和适用性。     

基于小波变换和优化的LSSVM月径流预测研究

可靠的径流预测能使人们最大限度的协调水资源利用中出现的各种用水矛盾,为及时采取措施进行统筹安排做指导,以便获取最大的效益。对于月径流时间序列的非平稳特性,将小波变换与LSSVM相结合,利用Mallat算法中的db4小波进行3尺度分解及重构,提取出细节信号序列和逼近信号序列,LSSVM分别对每个系数序列预测,针对LSSVM模型参数选择费时费力这一问题,将全局寻优的粒子群算法引入到LSSVM的参数优化中来,构成小波PSO-LSSVM组合预测模型,实例仿真表明,该组合方法的预测精度比PSO-LSSVM模型的高,且参数寻优效果好。     

分子伴侣、蛋白质聚集和大分子拥挤环境对蛋白质折叠的影响

研究了细胞内存在的分子伴侣、蛋白质聚集和大分子拥挤环境对蛋白质折叠的影响.首先,发现分子伴侣GroEL与底物蛋白的结合有"半位"和"全位"两种模式,它是由底物蛋白的分子形状、分子大小以及与GroEL的相互作用性质决定的.接着,发现两种不同的蛋白质一起复性时相互不干扰,提示细胞内蛋白质折叠可能不受其他蛋白聚集的影响;后又发现α-乳清蛋白的前熔球态不仅是分子伴侣也是蛋白质聚集体的作用对象.最后,研究大分子拥挤环境对蛋白质折叠热力学和动力学的影响,揭示了这种影响的复杂性和多样性.     

分子伴侣的作用探析

分子伴侣不仅是一大类在蛋白质折叠、组装、复性、转运和降解等方面具有重要功能的蛋白质,随着研究的深入,还发现分子伴侣而且是在病毒感染、DNA复制、转录、抗衰老和信号转导等方面也具有重要的功能,本文对此进行了综述。