论文部分内容阅读
蛋白质结构预测中，采样是指在构象空间中生成具有最小自由能的状态。传统的采样方法是对自由度直接赋值。这种方法在处理较少的残基时能取得好的效果。但是对于包含100个残基以上的蛋白质结构，由于构象空间的急剧增长，难以得到理想的结构。本文引入深度学习中的HMC（Hybrid Monte Carlo）采样方法，以概率分布为依据对蛋白质的自由度进行采样，能够对包含100、200甚至更多个残基的蛋白质结构进行采样。并且，在采样的过程中加入残基间的距离约束，使得一个结构中，相对于Rosetta的abinitio最多有75