基于最優(yōu)搜索理論的分子對接研究.pdf

1、隨著人們對健康生活方式的重視，醫(yī)藥行業(yè)得到了巨大的發(fā)展。在傳統(tǒng)藥物設計方法無法有效地滿足行業(yè)需求的背景之下，分子對接作為一種有效地理性藥物設計方法，得到了廣泛地應用，成為大規(guī)模藥物分子虛擬篩選的重要途徑。本文圍繞著分子對接的構(gòu)象搜索和打分函數(shù)展開了研究。
　　首先綜述了計算機輔助藥物設計的發(fā)展過程，分析對比了傳統(tǒng)藥物設計方法和理性藥物設計方法。在深入分析了分子對接的理論基礎后，闡述了分子對接在新藥研發(fā)流程中的重要意義。對分子對接平

2、臺中常用的構(gòu)象搜索方法和打分函數(shù)進行了比較詳細的介紹和分析，并對當前主流的分子對接平臺進行了簡單的比較。之后根據(jù)最優(yōu)化理論，將分子對接問題轉(zhuǎn)化為最優(yōu)化問題，并建立了相應的數(shù)學模型，然后對本文使用AutoDock平臺進行深入分析。
　　本文在基于拉馬克遺傳算法的分子對接模型啟發(fā)下，發(fā)展了一種自適應免疫遺傳算法，利用免疫過程的基因任意重組、免疫變異、免疫選擇、免疫記憶特點，提高遺傳過程中對先驗知識的利用，有效地保持種群的個體多樣性，實

3、現(xiàn)對算法效率的提高。該模型除了利用免疫遺傳算法的特點對目標優(yōu)化外，還引入了自適應的交叉變異算子，提高了算法的自適應性。最后通過實驗分析驗證模型的可行性，選擇布克海文蛋白質(zhì)數(shù)據(jù)庫(Brookhaven Protein Data Bank)中的蛋白質(zhì)一配體復合物，從分子對接精度、復合物最低結(jié)合能、對接時間等角度，將優(yōu)化后模型與AutoDock使用的模擬退火方法及拉馬克遺傳算法進行對比分析。
　　本文還將分子對接過程和傳統(tǒng)的最優(yōu)搜索模型