药物分子对接中的构象搜索策略

药物分子对接设计是大规模数据库筛选的理想途径。本文在介绍分子对接理论的基础上,建立了一个数学规划模型,将分子对接中的构象搜索转化为约束极小化问题,并采用带有空间收缩的小种群遗传算法进行求解。在遗传算法中还引入了信息熵的概念,用熵控制各种群搜索空间的收缩。本方法用种群的多样性避免了遗传进化的早熟现象,以空间收缩尺度作为停机判据,有效地控制了算法的收敛。在多种群进化机制上,采用小种群策略,极大程度地减少了计算量,提高了分子对接的效率。实例表明本方法适用于药物分子对接设计。     

应用改进型遗传算法进行药物分子对接设计

文章建立了一种约束优化的演化模型,并构造出求解此模型的多种群空间收缩遗传算法,将信息熵概念引入进化过程,控制各种群寻优搜索时解空间的收缩。该算法用种群的多样性避免遗传进化的早熟现象,并以空间收缩尺度作为停机判椐,有效地控制了算法的收敛。利用基于小种群的多种群进化策略,在保证种群多样性的前提下,极大程度地减少了计算量,提高了计算效率。数值算例表明,熵的介入增强了随机搜索类进化算法的寻优目的性,使收敛过程平稳且迅速。算例表明此算法能有效的应用于药物分子对接设计。     

基于演化设计的遗传算法在分子对接中的应用

将自然界的物种动态模型引入到遗传算法当中,反映出物种的真实进化状态,开发了基于演化设计的遗传算法。算法采用自适应策略克服了确定交叉和变异概率值的问题,利用小种群策略和最优保留策略保证了种群的多样性,改善了算法的寻优能力,进而提高了计算效率。运用该遗传算法求解分子对接优化模型,给出基于演化设计的分子对接程序。对接实例表明,算法能有效应用于分子对接问题中。     

基于容错机制的精细药物分子对接网格

针对药物分子对接的搜索空间大、耗费时间长、对计算环境要求高等问题,给出一种将网格技术应用于药物分子对接的方案。基于遗传算法多种群竞争机制的对接演化模型GasDock,以信息熵控制空间的收缩,增强进化的目的性,提高对接效率。提出局部类树型结构及结点失效的容错机制,提高了精细药物分子对接任务的效率及容错性。测试结果证明了精细药物分子对接与网格技术相结合的合理性和有效性。     

基于Hadoop环境下蛋白质与配体分子对接模拟实验研究

蛋白质种类和小分子的数量过多,对于药物的模拟开发运算量巨大。而分子对接是研究新药的重要手段,因此提高分子对接实验系统的工作效率十分重要。分子对接主要目的是研究蛋白质受体和配体小分子之间的作用与联系。本文通过模拟实验,搭建了一个Hadoop平台,并利用Hadoop强大的并行计算能力对蛋白质(1ppe与1uy6)与多组数量不同的配体小分子进行对接,最后对工作过程进行了相应的比较与优化。实验结果表明,该系统可以有效提高对接效率,并且具有较好的稳定性和便利性。     

计算机辅助药物设计在新药研究中的应用

计算机辅助药物设计（CADD）是在计算机技术、分子药理学和分子生物学等多学科交叉发展的基础上形成的药物研发新技术,它的快速发展,极大地减少了新药创制的盲目性和偶然性。该文在介绍了CADD原理、方法及策略的基础上,对CADD在新药研发中的应用进展进行了回顾,并对其存在问题和应用前景进行了展望。     

计算机辅助药物设计在新药研究中的应用

计算机辅助药物设计(CADD)是在计算机技术、分子药理学和分子生物学等多学科交叉发展的基础上形成的药物研发新技术,它的快速发展,极大地减少了新药创制的盲目性和偶然性。该文在介绍了CADD原理、方法及策略的基础上,对CADD在新药研发中的应用进展进行了回顾,并对其存在问题和应用前景进行了展望。     

面向多肽的分子对接算法性能对比研究

蛋白质-多肽间相互作用是计算生物学中的热门方向,对其结合的精确预测对于了解体内复杂的信号通路以及蛋白质功能,及进一步进行药物设计有着至关重要的作用。蛋白质-多肽对接方法能够有效地模拟蛋白质-多肽间相互作用,其对接性能直接决定模拟实验的准确性和成功与否。针对当前主要的蛋白质-多肽对接方法,综合测试了其算法性能;同时将本实验室开发的基于全信息粒子群算法的分子对接工具FIPSDock（Fully-Informed-Particle-Swarm-Dock）延伸到蛋白质-多肽对接领域,并评估其性能。利用标准蛋白质-多肽对接数据集（peptiDB）的21个测试例及13个定制测试例进行性能测试,主要对比分析了各算法的成功率和对接精度。结果表明FIPSDock可用于蛋白质-多肽对接,并相对于其他对接算法展示出优异的性能。     

药物分子对接中应用网格的研究与进展

药物分子对接所涉及的搜索空间非常巨大,需要耗费大量的时间,并且对计算环境也有较高的要求．将网格技术应用于药物分子对接中,能有效地解决上述问题．首先对分子对接理论做了简单介绍;然后,利用网格数据传输和网格任务调度等网格技术对分子对接过程进行了优化,有效利用了网格结点资源,并降低了药物分子的对接时间;最后的实例测试表明了药物分子对接与网格技术相结合的合理性及有效性．     

一种基于免疫遗传算法的分子对接构象搜索策略

分子对接是计算机辅助药物分子优化设计中的一种重要方法,搜索算法和评分函数是当前分子对接研究的难点与热点.在借鉴当前分子对接构象搜索策略的基础上,提出了一个基于免疫遗传算法的分子对接药物设计方法AutoDockIGA.首先建立了基于最优化方法的分子对接数学模型AutoDockModel,并设计了基于免疫遗传算法的构象搜索策略,运用此方法对布克海文蛋白质数据库中(Brookhaven Protein Data Bank)的6种蛋白质一配体复合物进行了实验测试,并将实验结果与AutoDock3.0、模拟退火算法的对接时间和精度进行比较和分析,实例测试表明AutoDockIGA具有更高的寻优能力.     

分子动力学并行算法研究

文章阐述了三种用于分子动力学计算的并行算法,并分别就算法的计算量、通信量和负载均衡进行了分析。     

主从式控制网络并行GA的设计与实现

本文讨论的并行遗传算法是一类控制主从式的异步并行的遗传算法,它合理地解决了遗传操作和通讯之间的协调,具有通讯开销小、子群体之间信息交流充分等特点。     

基于Spark的并行遗传算法在物流配送问题中的应用

传统的遗传算法在数据量不足的单机情况下可能存在早熟的现象,遗传算法对搜索范围的依赖性很强,大搜索范围的遗传算法往往有更好的表现。为解决以上问题,可把Spark海量存储和并行计算的能力运用到遗传算法的求解上,实现一种粗粒度的并行遗传算法。利用Spark并行执行遗传算法的选择、交叉和变异等操作,可以大大提高遗传算法的搜索范围和执行速度。实验将改进后的遗传算法应用到物流配送问题中,结果表明,与单机和传统的并行模型相比,基于Spark的遗传算法在运行时间上明显减少,同时早熟的现象也得到了缓解。     

并行遗传算法在非均衡负载节点并行机上的实现

基于平衡负载、减小通信开销的考虑,对于非均衡负载节点并行机提出了两种并行遗传算法一动态负载平衡的孤岛模型和主从模型,并与基本的孤岛模型做了比较。两种算法在实际使用中均取得了较好的效果。     

基于均匀设计的并行变异遗传算法

针对标准遗传算法易陷入局部最优和局部搜索能力差的缺陷,提出一种基于完全均匀设计的并行变异遗传算法(U D-PMGA)。首先用完全均匀设计方法获得多样性良好的初始种群,之后提出两种改进的锦标赛选择机制,一种改进方法取适应度较高的50%个体覆盖整个群体,另一种改进是用适应度较高且各自不同的50%个体覆盖整个群体。把适应度相近且空间距离较远的两个个体作为交叉对象以提高交叉操作的搜索效率。最后用自适应变异比例和自适应变异步长相结合的并行变异搜索策略提高算法的收敛速度和搜索精度。通过测试函数仿真,并与其它算法比较,验证了UD-PMGA算法的有效性与先进性。     

一种主从式并行遗传算法设计

该文对串行遗传算法进行了并行设计,加入对当前通用消息传递接口MPI的支持,形成了一个主从式并行遗传算法。针对该算法用经典的测遗传算法效率的OliverTSP问题进行测试,得出并行遗传算法可以更好的提高遗传算法的收敛性。