基于蟻群算法的計(jì)算機(jī)輔助藥物設(shè)計(jì)研究.pdf

1、成本投入高、開發(fā)風(fēng)險(xiǎn)大、研制周期長(zhǎng)一直都是藥物設(shè)計(jì)和研發(fā)所面臨的難題，這些困難對(duì)新藥研制的發(fā)展有著很大的影響。隨著當(dāng)今計(jì)算機(jī)技術(shù)的迅猛發(fā)展，計(jì)算機(jī)輔助藥物分子的研究模型也越來(lái)越成熟。在當(dāng)今藥物分子的探索和研制中，一種基于結(jié)構(gòu)化的藥物分子模擬方法－分子對(duì)接技術(shù)，已經(jīng)逐漸成為創(chuàng)新藥物研制的重要領(lǐng)域之一，同時(shí)也是先導(dǎo)化合物的探索方向的重要途徑。分子對(duì)接技術(shù)是根據(jù)兩個(gè)已知三維立體結(jié)構(gòu)的單體生物分子（在藥物設(shè)計(jì)中，通常是大分子蛋白質(zhì)和小分子配體）

2、，通過(guò)計(jì)算機(jī)來(lái)對(duì)這兩個(gè)單體分子復(fù)合物的結(jié)合模型進(jìn)行仿真。分子對(duì)接技術(shù)作為計(jì)算機(jī)輔助藥物分子設(shè)計(jì)的重要組成部分，不僅具有計(jì)算機(jī)的高速計(jì)算能力，還能有效地結(jié)合優(yōu)化方法并使之與藥物研制相融合。
　　蟻群算法（Ant Colony Optimization，ACO）作為一種模擬自然界中螞蟻覓食行為的新型群智能優(yōu)化算法,具有較強(qiáng)的可擴(kuò)充性、系統(tǒng)健壯性好、能進(jìn)行并行分布式計(jì)算、易于同其他仿生算法相結(jié)合等優(yōu)點(diǎn)。因此，本文將對(duì)蟻群算法進(jìn)行優(yōu)化并將

3、這種改進(jìn)的算法應(yīng)用于分子對(duì)接中，并將蟻群算法與構(gòu)想搜索中的全局搜索過(guò)程中所常用的遺傳算法進(jìn)行性能上的比較，可以預(yù)見(jiàn)將蟻群算法與常用的分子對(duì)接平臺(tái)AutoDock整合到一起是非常具有實(shí)際意義的。將蟻群算法收斂速度快，對(duì)接精度高的特點(diǎn)與分子對(duì)接軟件平臺(tái)AutoDock結(jié)合起來(lái)，對(duì)分子對(duì)接過(guò)程中的全局搜索進(jìn)行替代，從而最終達(dá)到對(duì)分子對(duì)接過(guò)程進(jìn)行優(yōu)化的目的。
　　本文的主要工作是保留使用AutoDock4.2平臺(tái)中的打分函數(shù)和柔性策略，將

4、改進(jìn)的蟻群算法作為對(duì)接過(guò)程中的構(gòu)象搜索策略，代替軟件中原有的遺傳算法，通過(guò)對(duì)蛋白質(zhì)和配體的對(duì)接仿真驗(yàn)證其優(yōu)越性。分子對(duì)接過(guò)程，實(shí)際上就是對(duì)一個(gè)復(fù)雜的函數(shù)模型進(jìn)行優(yōu)化的過(guò)程，而改進(jìn)的蟻群算法則具有很強(qiáng)的自適應(yīng)特點(diǎn)，能應(yīng)用于大部分優(yōu)化問(wèn)題中，因此在藥物設(shè)計(jì)中也表現(xiàn)不錯(cuò)。本文旨在將改進(jìn)的蟻群算法同常用對(duì)接軟件AutoDock相結(jié)合，通過(guò)具體蛋白質(zhì)分子同配體分子之間的結(jié)合測(cè)試來(lái)對(duì)其進(jìn)行仿真實(shí)驗(yàn)并在此基礎(chǔ)上進(jìn)行分析，通過(guò)與典型的遺傳算法進(jìn)行試驗(yàn)對(duì)