基于量子多种群遗传算法的蛋白质二级结构预测 - 农学学报.pdf

中国农学通报 2013,29(30): 166-172 Chinese Agricultural Science Bulletin 基于量子多种群遗传算法的蛋白质二级结构预测 1 1,2 1,2 田 远 ，穆 平 ，林 琪 1 （青岛农业大学农学与植物保护学院，山东青岛266109 ； 2 山东省旱作农业技术重点实验室，山东青岛266109 ） 摘 要：为进一步提高蛋白质二级结构的预测精度，将量子计算和多种群算法融入到传统的遗传神经网 络算法中。同时考虑到氨基酸残基的众多理化性质是形成蛋白质二级结构的主要驱动力，构象偏好也 是影响蛋白质二级结构形成的重要因素，提出了一种新的基于理化性质和构象信息编码的量子多种群 遗传算法。该方法蕴含了丰富的生物信息，可以有效减少网络系统的不确定性。用PDBselect25 中的 24 条蛋白质进行测试，结果表明该算法可以有效的预测蛋白质的二级结构，平均预测精度达到72.10% ， 分别比SNN、DSC 、PREDSATOR 方法提高了7.80% 、3.70%和3.41% 。该方法采用混合编码的形式进行 编码，在每个种群内部引入量子计算，形成了以多种群遗传算法来带动量子计算，量子计算反作用于多 种群算法的双重优化的方法，可有效提高蛋白质二级结构预测的精确度。 关键词：二级结构预测；粗糙集；属性简约；多种群遗传算法；量子计算 中图分类号：Q-31 文献标志码：A 论文编号：2012-3550 Prediction of Protein Secondary Structure Based on Quantum Multiple Population Genetic Algorithm 1 1,2 1,2 Tian Yuan , Mu Ping , Lin Qi 1 ( CollegeofAgronomyandPlantProtection,QingdaoAgriculturalUniversity, Qingdao Shandong 266109; 2KeylaboratoryofDrylandFarmingTechnologyinShandongProvince, Qingdao Shandong 266109) Abstract: In order to improve the prediction accuracy of protein secondary structure, quantum computation and multiple population genetic algorithms were added to the traditional genetic neural network algorithm. At the same time, the chemical and physical properties of amino acid residues was the main driving force to form protein secondary structure, and the conformational preference also greatly affected the formation of protein secondary structure, so a new coding m