一種構(gòu)象空間動(dòng)態(tài)步長(zhǎng)搜索方法
【專利摘要】一種構(gòu)象空間動(dòng)態(tài)步長(zhǎng)搜索方法，包括以下步驟：對(duì)構(gòu)象空間按照能量和溫度分層，在每一層中再細(xì)分得到“構(gòu)象室”，完成構(gòu)象空間的初始化；隨機(jī)擾動(dòng)氨基酸序列得到一個(gè)初始構(gòu)象，通過(guò)Rosetta?Score3計(jì)算得到其能量值，存入相應(yīng)能量層的構(gòu)象室中，完成構(gòu)象初始化；對(duì)所分能量層分配權(quán)重，在不同能量層賦予不同的片段組裝(FA)步長(zhǎng)和Monte?Carlo擾動(dòng)(MC)步長(zhǎng)，同時(shí)設(shè)置溫度參數(shù)列表，完成系統(tǒng)參數(shù)初始化；按權(quán)重依次隨機(jī)選中能量層、構(gòu)象室、構(gòu)象，進(jìn)行構(gòu)象擴(kuò)展，按照相應(yīng)的Metropolis準(zhǔn)則來(lái)判斷是否接收當(dāng)前構(gòu)象，完成構(gòu)象系綜更新；迭代的進(jìn)行上一步驟，直至到達(dá)設(shè)置的迭代次數(shù)。本發(fā)明提供了一種有效的構(gòu)象空間增強(qiáng)采樣方法。
【專利說(shuō)明】 一種構(gòu)象空間動(dòng)態(tài)步長(zhǎng)搜索方法

【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及生物信息學(xué)、計(jì)算機(jī)應(yīng)用領(lǐng)域，尤其涉及的是一種構(gòu)象空間動(dòng)態(tài)步長(zhǎng)搜索方法。

【背景技術(shù)】
[0002]蛋白質(zhì)分子在生物細(xì)胞化學(xué)反應(yīng)過(guò)程中起著至關(guān)重要的作用。它們的結(jié)構(gòu)模型和生物活性狀態(tài)對(duì)我們理解和治愈多種疾病有重要的意義。蛋白質(zhì)只有折疊成特定的三維結(jié)構(gòu)才能產(chǎn)生其特有的生物學(xué)功能。因此，要了解蛋白質(zhì)的功能，就必須獲得其三維空間結(jié)構(gòu)。
[0003]蛋白質(zhì)三級(jí)結(jié)構(gòu)預(yù)測(cè)是生物信息學(xué)的一個(gè)重要任務(wù)。目前，蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)方法大致可以分為兩類(lèi)，基于模板的方法和不基于模板的方法。其中，不基于模板的從頭預(yù)測(cè)(Ab-1nito)方法應(yīng)用最為廣泛。它適用于同源性小于25%的大多數(shù)蛋白質(zhì)，僅從序列產(chǎn)生全新結(jié)構(gòu)，對(duì)蛋白質(zhì)分子設(shè)計(jì)及蛋白質(zhì)折疊的研究等具有重要意義。當(dāng)前有以下幾種比較成功的從頭預(yù)測(cè)方法:張陽(yáng)與Jeffrey Skolnick合作的TASSER(Threading/Assembly/Refinement)方法、David Baker及團(tuán)隊(duì)設(shè)計(jì)的Rosetta方法、Shehu等設(shè)計(jì)的FeLTr方法等。但是到目前還沒(méi)有一種十分完善的方法來(lái)預(yù)測(cè)蛋白質(zhì)的三維結(jié)構(gòu)，即使獲得了很好的預(yù)測(cè)結(jié)果，但也只是針對(duì)某些蛋白質(zhì)而言的，目前主要的技術(shù)瓶頸在于兩個(gè)方面，第一方面在于采樣方法，現(xiàn)有技術(shù)對(duì)構(gòu)象空間采樣能力不強(qiáng)，另一方面在于構(gòu)象更新方法，現(xiàn)有技術(shù)對(duì)構(gòu)象的更新精度仍然不足。
[0004]因此，現(xiàn)有的構(gòu)象空間搜索方法存在不足，需要改進(jìn)。


【發(fā)明內(nèi)容】

[0005]針對(duì)上述問(wèn)題，我們提出在低能量引導(dǎo)的樹(shù)搜索框架下，利用動(dòng)態(tài)步長(zhǎng)搜索蛋白質(zhì)構(gòu)象空間的方法，增強(qiáng)了構(gòu)象跳出局部極小點(diǎn)的能力，進(jìn)而增強(qiáng)對(duì)構(gòu)象空間中近天然態(tài)構(gòu)象搜索的能力。
[0006]本發(fā)明解決其技術(shù)問(wèn)題所采用的技術(shù)方案是:
[0007]一種構(gòu)象空間動(dòng)態(tài)步長(zhǎng)搜索方法，所述搜索方法包括以下步驟:
[0008]I)構(gòu)象空間初始化:對(duì)構(gòu)象空間按照能量和溫度分層，在每一層中再細(xì)分得到“構(gòu)象室”，完成構(gòu)象空間的初始化，過(guò)程如下:
[0009]1.1)對(duì)構(gòu)象空間按照能量分層，劃分成一維網(wǎng)格，能量值以δΕ為間隔，從最低能量到最高能量分層，表示為[Emin, EmaJ ；
[0010]1.2)對(duì)構(gòu)象空間按照溫度分層，劃分成一維網(wǎng)格，由起始溫度逐步非等間隔的到最低溫度，表不為[Tmax，Tmin]；
[0011]1.3)在每一個(gè)能量層，按照三維幾何投影將每層劃分成若干“構(gòu)象室”，稱之為cell ；
[0012]2)構(gòu)象初始化:隨機(jī)擾動(dòng)氨基酸序列得到一個(gè)初始構(gòu)象,通過(guò)Rosetta Score3計(jì)算得到其能量值，存入相應(yīng)能量層的構(gòu)象室中，完成構(gòu)象初始化，過(guò)程如下:
[0013]2.1)輸入一個(gè)氨基酸序列；
[0014]2.2)由蛋白質(zhì)結(jié)構(gòu)數(shù)據(jù)庫(kù)(PDB庫(kù))生成的片段庫(kù)中任意選取片段，對(duì)氨基酸序列進(jìn)行擾動(dòng)，得到初始構(gòu)象；
[0015]2.3)調(diào)用Rosetta Score3能量函數(shù),計(jì)算得到的初始構(gòu)象的能量值；
[0016]2.4)依據(jù)能量值選定該構(gòu)象所在的能量層；
[0017]2.5)由超速形狀識(shí)別(USR)判別將該構(gòu)象置入指定cell ；
[0018]3)系統(tǒng)參數(shù)初始化:對(duì)所分能量層分配權(quán)重，在不同能量層賦予不同的片段組裝(FA)步長(zhǎng)和Monte Carlo擾動(dòng)(MC)步長(zhǎng)，同時(shí)設(shè)置溫度參數(shù)列表，設(shè)定迭代次數(shù)，完成系統(tǒng)參數(shù)初始化，過(guò)程如下:
[0019]3.1)對(duì)能量層分配權(quán)重，權(quán)重值由以下公式給出#(/)= ￡_,^(/)，其中I表示能量層，式L(0表示該層平均能量的平方，ω (I)表示權(quán)重值；
[0020]3.2)設(shè)置動(dòng)態(tài)片段組裝(FA)步長(zhǎng)，由以下公式給出:Μ(Λ/-2)[ω(/)/Ι； oj(I')],
其中N為序列長(zhǎng)度，M為常數(shù)；
[0021]3.3)設(shè)置動(dòng)態(tài)Monte Carlo擾動(dòng)(MC)步長(zhǎng)，由以下公式給出:0{N-2)[o,{l)! I；、"」(/')]，其中N為序列長(zhǎng)度，Q為常數(shù)，由以上公式反向分配步長(zhǎng)值；
[0022]3.4)初始溫度值根據(jù)區(qū)間分半搜索方法來(lái)確定，從而非等間隔的建立溫度列表[Τ—，Tmin]；
[0023]3.5)設(shè)置迭代次數(shù)；
[0024]4)構(gòu)象系綜更新:按照權(quán)重依次隨機(jī)選中能量層、構(gòu)象室、構(gòu)象，進(jìn)行構(gòu)象擴(kuò)展，采用相應(yīng)的Metropolis準(zhǔn)則來(lái)判斷是否接收當(dāng)前構(gòu)象,完成構(gòu)象系綜更新,過(guò)程如下:
[0025]4.1)按照能量權(quán)重值= ，依概率?(0/隨機(jī)的反向選能量層I ;
[0026]4.2)按照概率1/[ (1+nsel) confs]選定“構(gòu)象室”cell,其中,nsel表示當(dāng)前cell被選擇的頻次，confs表示當(dāng)前cell中構(gòu)象的數(shù)目；
[0027]4.3)選定cell后，隨機(jī)選擇一個(gè)構(gòu)象，用于下一步的擴(kuò)展；
[0028]4.4)對(duì)選定構(gòu)象進(jìn)行片段組裝，生成新的構(gòu)象；
[0029]4.5)對(duì)構(gòu)象進(jìn)行Monte Carlo擾動(dòng)，用設(shè)定的相應(yīng)溫度參數(shù)，依玻爾茲曼概率Θ_0‘ΛΕ接受新生成的構(gòu)象，其中ΛE為當(dāng)前構(gòu)象與上一步產(chǎn)生的構(gòu)象之間的能量差，β為溫度因子，β = -l/kBT, kB為玻爾茲曼常數(shù)，T為溫度參數(shù)；
[0030]4.5)如果當(dāng)前新生成的構(gòu)象被接受，則將其存入構(gòu)象系綜；
[0031]5)迭代的運(yùn)行步驟4)，直至達(dá)到設(shè)置的迭代次數(shù)。
[0032]本發(fā)明的技術(shù)構(gòu)思為:基于蛋白質(zhì)結(jié)構(gòu)從頭預(yù)測(cè)FeLTr算法，在低能量引導(dǎo)的樹(shù)搜索框架下，采用動(dòng)態(tài)步長(zhǎng)搜索蛋白質(zhì)構(gòu)象空間，依據(jù)所分能量層的權(quán)重在不同能量層賦予不同的片段組裝(FA)步長(zhǎng)和Monte Carlo擾動(dòng)(MC)步長(zhǎng),在構(gòu)象空間能量較高的區(qū)域，使用大的FA步長(zhǎng)和較小的MC步長(zhǎng),迫使算法更快的向低能量區(qū)域搜索,隨著構(gòu)象搜索逐步向低能量區(qū)域靠近，改變FA、MC步長(zhǎng)，在能量較低的區(qū)域使用較小的FA步長(zhǎng)和較大的MC步長(zhǎng)，避免對(duì)天然態(tài)構(gòu)象的采樣不足導(dǎo)致算法有效性降低。同時(shí)在構(gòu)象空間對(duì)溫度分層，在不同的溫度層采用相應(yīng)的Metropolis準(zhǔn)則來(lái)判斷是否接收當(dāng)前構(gòu)象，以增強(qiáng)構(gòu)象跳出局部極小點(diǎn)的能力，進(jìn)而增強(qiáng)了對(duì)構(gòu)象空間中近天然態(tài)構(gòu)象采樣的能力。

【專利附圖】

【附圖說(shuō)明】
[0033]圖1是動(dòng)態(tài)步長(zhǎng)搜索過(guò)程示意圖。
[0034]圖2是構(gòu)象系綜更新示意圖。
[0035]圖3是蛋白質(zhì)IVII構(gòu)象系綜中構(gòu)象更新示意圖。
[0036]圖4是蛋白質(zhì)IVII預(yù)測(cè)結(jié)構(gòu)和實(shí)驗(yàn)室測(cè)定結(jié)構(gòu)最接近的構(gòu)象三維示意圖。

【具體實(shí)施方式】
[0037]下面結(jié)合附圖對(duì)本發(fā)明作進(jìn)一步描述。
[0038]參照?qǐng)D1?圖4，一種構(gòu)象空間動(dòng)態(tài)步長(zhǎng)搜索方法，包括以下步驟:
[0039]I)構(gòu)象空間初始化:對(duì)構(gòu)象空間按照能量和溫度分層，在每一層中再細(xì)分得到“構(gòu)象室”，完成構(gòu)象空間的初始化，過(guò)程如下:
[0040]1.1)對(duì)構(gòu)象空間按照能量分層，劃分成一維網(wǎng)格，能量值以δΕ為間隔，從最低能量到最高能量分層，表示為[Emin, EmaJ ；
[0041]1.2)對(duì)構(gòu)象空間按照溫度分層，劃分成一維網(wǎng)格，由起始溫度逐步非等間隔的到最低溫度，表不為[Tmax，Tmin]；
[0042]1.3)在每一個(gè)能量層，按照三維幾何投影將每層劃分成若干“構(gòu)象室”，稱之為cell ；
[0043]2)構(gòu)象初始化:隨機(jī)擾動(dòng)氨基酸序列得到一個(gè)初始構(gòu)象,通過(guò)Rosetta Score3計(jì)算得到其能量值，存入相應(yīng)能量層的構(gòu)象室中，完成構(gòu)象初始化，過(guò)程如下:
[0044]2.1)輸入一個(gè)氨基酸序列；
[0045]2.2)由PDB庫(kù)生成的片段庫(kù)中任意選取片段，對(duì)氨基酸序列進(jìn)行擾動(dòng)，得到初始構(gòu)象；
[0046]2.3)調(diào)用Rosetta Score3能量函數(shù),計(jì)算得到的初始構(gòu)象的能量值；
[0047]2.4)依據(jù)能量值選定該構(gòu)象所在的能量層；
[0048]2.5)由USR判別將該構(gòu)象置入指定cell ;
[0049]3)系統(tǒng)參數(shù)初始化:對(duì)所分能量層分配權(quán)重，在不同能量層賦予不同的片段組裝(FA)步長(zhǎng)和Monte Carlo擾動(dòng)(MC)步長(zhǎng)，同時(shí)設(shè)置溫度參數(shù)列表，設(shè)定迭代次數(shù)，完成系統(tǒng)參數(shù)初始化，過(guò)程如下:
[0050]3.1)對(duì)能量層分配權(quán)重，權(quán)重值由以下公式給出:οφ = EiAl)，其中I表示能量層，表示該層平均能量的平方，ω (I)表示權(quán)重值；
[0051]3.2)設(shè)置動(dòng)態(tài)片段組裝(FA)步長(zhǎng)，由以下公式給出:Μ(/ν-2)[ω(/)/Ι^(., w(/%
其中N為序列長(zhǎng)度，M為常數(shù)；
[0052]3.3)設(shè)置動(dòng)態(tài)Monte Carlo擾動(dòng)(MC)步長(zhǎng)，由以下公式給出:Q(N-1^oiI)I ζ,； ο ω(--]，其中Ν為序列長(zhǎng)度，Q為常數(shù)，由以上公式反向分配步長(zhǎng)值；
[0053]3.4)初始溫度值根據(jù)區(qū)間分半搜索方法來(lái)確定，從而非等間隔的建立溫度列表[Tmax, Tmin] ；3.5)設(shè)置迭代次數(shù)；
[0054]4)構(gòu)象系綜更新:按照權(quán)重依次隨機(jī)選中能量層、構(gòu)象室、構(gòu)象，進(jìn)行構(gòu)象擴(kuò)展，采用相應(yīng)的Metropolis準(zhǔn)則來(lái)判斷是否接收當(dāng)前構(gòu)象,完成構(gòu)象系綜更新,過(guò)程如下:
[0055]4.1)按照能量權(quán)重值ω(/) =《.“/),依概率》(/)/隨機(jī)的反向選能量層I ;
[0056]4.2)按照概率1/[ (1+nsel) confs]選定“構(gòu)象室”cell,其中,nsel表示當(dāng)前cell被選擇的頻次，confs表示當(dāng)前cell中構(gòu)象的數(shù)目；
[0057]4.3)選定cell后，隨機(jī)選擇一個(gè)構(gòu)象，用于下一步的擴(kuò)展；
[0058]4.4)對(duì)選定構(gòu)象進(jìn)行片段組裝，生成新的構(gòu)象，如圖3所示；
[0059]4.5)對(duì)構(gòu)象進(jìn)行Monte Carlo擾動(dòng)，用設(shè)定的相應(yīng)溫度參數(shù)，依玻爾茲曼概率Θ_0‘ΛΕ接受新生成的構(gòu)象，其中ΛE為當(dāng)前構(gòu)象與上一步產(chǎn)生的構(gòu)象之間的能量差，β為溫度因子，β = -l/kBT, kB為玻爾茲曼常數(shù)，T為溫度參數(shù)；
[0060]4.5)如果當(dāng)前新生成的構(gòu)象被接受，則將其存入構(gòu)象系綜，否則丟棄當(dāng)前構(gòu)象，如圖2所示；
[0061]5)迭代的運(yùn)行步驟4)，直至達(dá)到設(shè)置的迭代次數(shù)。
[0062]本實(shí)施例以序列長(zhǎng)度為36的蛋白質(zhì)IVII為實(shí)施例，一種構(gòu)象空間動(dòng)態(tài)步長(zhǎng)搜索方法，其中包含以下步驟:
[0063]I)構(gòu)象空間初始化:對(duì)構(gòu)象空間按照能量和溫度分層，在每一層中再細(xì)分得到“構(gòu)象室”，完成構(gòu)象空間的初始化，過(guò)程如下:
[0064]1.1)對(duì)構(gòu)象空間按照能量分層，劃分成一維網(wǎng)格，能量值以δΕ為間隔，這里取2kcal/mol，從最低能量到最高能量分層，表示為[0，200]；
[0065]1.2)對(duì)構(gòu)象空間按照溫度分層，劃分成一維網(wǎng)格，由起始溫度逐步非等間隔的到最低溫度，表不為[64,36]；
[0066]1.3)在每一個(gè)能量層，按照三維幾何投影將每層劃分成若干“構(gòu)象室”，稱之為cell ；
[0067]2)構(gòu)象初始化:隨機(jī)擾動(dòng)氨基酸序列得到一個(gè)初始構(gòu)象,通過(guò)Rosetta Score3計(jì)算得到其能量值，存入相應(yīng)能量層的構(gòu)象室中，完成構(gòu)象初始化，過(guò)程如下:
[0068]2.1)輸入一個(gè)氨基酸序列:
[0069]MLSDEDFKAVFGMTRSAFANLPLffKQQNLKKEKGLF ；
[0070]2.2)由PDB庫(kù)生成的片段庫(kù)中任意選取片段，對(duì)氨基酸序列進(jìn)行擾動(dòng)，得到初始構(gòu)象；
[0071]2.3)調(diào)用Rosetta Score3能量函數(shù),計(jì)算得到的初始構(gòu)象的能量值；
[0072]2.4)依據(jù)能量值選定該構(gòu)象所在的能量層；
[0073]2.5)由USR判別將該構(gòu)象置入指定cell ;
[0074]3)系統(tǒng)參數(shù)初始化:對(duì)所分能量層分配權(quán)重，在不同能量層賦予不同的片段組裝(FA)步長(zhǎng)和Monte Carlo擾動(dòng)(MC)步長(zhǎng)，同時(shí)設(shè)置溫度參數(shù)列表，設(shè)定迭代次數(shù)，完成系統(tǒng)參數(shù)初始化，過(guò)程如下:
[0075]3.1)對(duì)能量層分配權(quán)重，權(quán)重值由以下公式給出:0>(" = EiAI)，其中I表示能量層，表示該層平均能量的平方，ω (I)表示權(quán)重值；
[0076]3.2)設(shè)置動(dòng)態(tài)片段組裝(FA)步長(zhǎng)，由以下公式給出:Μ(Λ;-2)[μ(/)/ ζ,； ^ ，其中N為序列長(zhǎng)度，M= I ；
[0077]3.3)設(shè)置動(dòng)態(tài)Monte Carlo擾動(dòng)(MC)步長(zhǎng)，由以下公式給出:
⑴(O]，其中N為序列長(zhǎng)度，Q = 2，由以上公式反向分配步長(zhǎng)值；

I
[0078]3.4)初始溫度值根據(jù)區(qū)間分半搜索方法來(lái)確定，從而非等間隔的建立溫度列表[64，32]；
[0079]3.5)設(shè)置迭代次數(shù)為10000 ；
[0080]4)構(gòu)象系綜更新:按照權(quán)重依次隨機(jī)選中能量層、構(gòu)象室、構(gòu)象，進(jìn)行構(gòu)象擴(kuò)展，采用相應(yīng)的Metropolis準(zhǔn)則來(lái)判斷是否接收當(dāng)前構(gòu)象,完成構(gòu)象系綜更新,過(guò)程如下:
[0081]4.1)按照能量權(quán)重值= E2arg(I),依概率隨機(jī)的反向選能量層I ;
[0082]4.2)按照概率1/[ (1+nsel) confs]選定“構(gòu)象室”cell,其中,nsel表示當(dāng)前cell被選擇的頻次，confs表示當(dāng)前cell中構(gòu)象的數(shù)目；
[0083]4.3)選定cell后，隨機(jī)選擇一個(gè)構(gòu)象，用于下一步的擴(kuò)展；
[0084]4.4)對(duì)選定構(gòu)象進(jìn)行片段組裝，生成新的構(gòu)象；
[0085]4.5)對(duì)構(gòu)象進(jìn)行Monte Carlo擾動(dòng)，用設(shè)定的相應(yīng)溫度參數(shù)，依玻爾茲曼概率Θ_0‘ΛΕ接受新生成的構(gòu)象，其中ΛE為當(dāng)前構(gòu)象與上一步產(chǎn)生的構(gòu)象之間的能量差，β為溫度因子，β = -l/kBT, kB為玻爾茲曼常數(shù)，T為溫度參數(shù)；
[0086]4.5)如果當(dāng)前新生成的構(gòu)象被接受，則將其存入構(gòu)象系綜；
[0087]5)迭代的運(yùn)行步驟4)，直至達(dá)到設(shè)置的迭代次數(shù)。
[0088]以序列長(zhǎng)度為36的蛋白質(zhì)IVII為實(shí)施例，運(yùn)用以上方法得到了該蛋白質(zhì)的近天然態(tài)構(gòu)象，構(gòu)象系綜中構(gòu)象更新圖如圖3所示，預(yù)測(cè)結(jié)構(gòu)與實(shí)驗(yàn)室測(cè)定結(jié)構(gòu)最為接近的構(gòu)象三維展示如圖4所示。
[0089]以上闡述的是本發(fā)明給出的一個(gè)實(shí)施例表現(xiàn)出來(lái)的優(yōu)良效果，顯然本發(fā)明不僅適合上述實(shí)施例，在不偏離本發(fā)明基本精神及不超出本發(fā)明實(shí)質(zhì)內(nèi)容所涉及內(nèi)容的前提下可對(duì)其做種種變化加以實(shí)施。
【權(quán)利要求】
1.一種構(gòu)象空間動(dòng)態(tài)步長(zhǎng)搜索方法，其特征在于:所述構(gòu)象空間搜索方法包括以下步驟: .1)構(gòu)象空間初始化:對(duì)構(gòu)象空間按照能量和溫度分層，在每一層中再細(xì)分得到“構(gòu)象室”，完成構(gòu)象空間的初始化，過(guò)程如下: . 1.1)對(duì)構(gòu)象空間按照能量分層，劃分成一維網(wǎng)格，能量值以SE為間隔，從最低能量到最高能量分層，表示為Ge e [Emin, EmaJ ； . 1.2)對(duì)構(gòu)象空間按照溫度分層，劃分成一維網(wǎng)格，由起始溫度逐步非等間隔的到最低溫度，表不為[Tmax，Tmin]； . 1.3)在每一個(gè)能量層，按照三維幾何投影將每層劃分成若干“構(gòu)象室”，稱之為cell ； . 2)構(gòu)象初始化:隨機(jī)擾動(dòng)氨基酸序列得到一個(gè)初始構(gòu)象，通過(guò)RosettaScore3計(jì)算得到其能量值，存入相應(yīng)能量層的構(gòu)象室中，完成構(gòu)象初始化，過(guò)程如下:. . 2.1)輸入一個(gè)氨基酸序列； . 2.2)由蛋白質(zhì)結(jié)構(gòu)數(shù)據(jù)庫(kù)生成的片段庫(kù)中任意選取片段，對(duì)氨基酸序列進(jìn)行擾動(dòng)，得到初始構(gòu)象； . 2.3)調(diào)用Rosetta Score3能量函數(shù),計(jì)算得到的初始構(gòu)象的能量值； . 2.4)依據(jù)能量值選定該構(gòu)象所在的能量層； . 2.5)由超速形狀識(shí)別判別將該構(gòu)象置入指定cell ； . 3)系統(tǒng)參數(shù)初始化:對(duì)所分能量層分配權(quán)重，在不同能量層賦予不同的片段組裝步長(zhǎng)和Monte Carlo擾動(dòng)步長(zhǎng)，同時(shí)設(shè)置溫度參數(shù)列表，設(shè)定迭代次數(shù)，完成系統(tǒng)參數(shù)初始化，過(guò)程如下: .3.1)對(duì)能量層分配權(quán)重，權(quán)重值由以下公式給出:0)(1) = EU、，其中I表示能量層，^(/)表示該層平均能量的平方，ω (I)表示權(quán)重值； . 3.2)設(shè)置動(dòng)態(tài)片段組裝步長(zhǎng)，由以下公式給出:M(;V-2)[w(/)/ ζ,; ω(/')]，其中N為序列長(zhǎng)度，M為常數(shù)； . 3.3)設(shè)置動(dòng)態(tài)Monte Carlo擾動(dòng)步長(zhǎng)，由以下公式給出:(?(~-2)[w(/)/⑴C)]，其中N為序列長(zhǎng)度，Q為常數(shù)，由以上公式反向分配步長(zhǎng)值； . 3.4)初始溫度值根據(jù)區(qū)間分半搜索方法來(lái)確定，從而非等間隔的建立溫度列表[Tmax，TmiJ ; . 3.5)設(shè)置迭代次數(shù)； . 4)構(gòu)象系綜更新:按照權(quán)重依次隨機(jī)選中能量層、構(gòu)象室、構(gòu)象，進(jìn)行構(gòu)象擴(kuò)展，采用相應(yīng)的Metropolis準(zhǔn)則來(lái)判斷是否接收當(dāng)前構(gòu)象,完成構(gòu)象系綜更新,過(guò)程如下: .4.1)按照能量權(quán)重值ω(/) = ,依概率ω(/)/ ω (I')隨機(jī)的反向選能量層I ; . 4.2)按照概率1/[ (1+nsel) confs]選定“構(gòu)象室” cell,其中，nsel表示當(dāng)前cell被選擇的頻次，confs表示當(dāng)前cell中構(gòu)象的數(shù)目； .4.3)選定cell后，隨機(jī)選擇一個(gè)構(gòu)象，用于下一步的擴(kuò)展； . 4.4)對(duì)選定構(gòu)象進(jìn)行片段組裝，生成新的構(gòu)象；. . 4.5)對(duì)構(gòu)象進(jìn)行Monte Carlo擾動(dòng)，用設(shè)定的相應(yīng)溫度參數(shù)，依玻爾茲曼概率e_e ' ΔΕ接受新生成的構(gòu)象，其中ΛΕ為當(dāng)前構(gòu)象與上一步產(chǎn)生的構(gòu)象之間的能量差，β為溫度因子，β = -l/kBT, kB為玻爾茲曼常數(shù)，T為溫度參數(shù)； .4.5)如果當(dāng)前新生成的構(gòu)象被接受，則將其存入構(gòu)象系綜； . 5)迭代的運(yùn)行步驟4)，直至達(dá)到設(shè)置的迭代次數(shù)。
【文檔編號(hào)】G06F19/16GK104200132SQ201410362507
【公開(kāi)日】2014年12月10日 申請(qǐng)日期:2014年7月28日 優(yōu)先權(quán)日:2014年7月28日
【發(fā)明者】張貴軍, 郝小虎, 秦傳慶, 周曉根, 程正華, 陳銘, 明潔 申請(qǐng)人:浙江工業(yè)大學(xué)