导读:本文包含了预测结合自由能论文开题报告文献综述及选题提纲参考文献，主要关键词:HIV-1蛋白酶,极化蛋白专一性电荷,结合自由能
预测结合自由能论文文献综述
李宇辰,冯国强,段莉莉[1]（2018）在《极化蛋白专一性电荷在HIV-1蛋白酶-抑制剂结合自由能预测中的应用》一文中研究指出对人类免疫缺陷病毒(HIV-1)蛋白酶-抑制剂复合物分别在AMBER力场及极化专一性蛋白电荷(PPC)下进行10 ns的分子动力学模拟(MD),并用MM/PBSA方法计算结合自由能.PPC是基于线性标度的量子力学计算的静电势拟合的蛋白质电荷,能够更准确地描述蛋白质所处的静电环境.结果表明:PPC电荷计算的结合自由能比AMBER力场计算的结合自由能更接近实验值.(本文来源于《计算物理》期刊2018年03期）
鲁帮力[2]（2017）在《基于序列和结构特征的蛋白质结合自由能预测》一文中研究指出蛋白质是生命的基础物质,构成细胞的基本有机物,是生命活动的主要承担者。蛋白质不仅与其它化合物结合,蛋白质自身结合也有重要的意义,蛋白质与蛋白质之间的交互对生命活动有着重要的作用。当一对蛋白质之间的结合自由能的值很大的时候,说明这一对蛋白质在药物设计阶段能够成功结合并对生物产生作用,从而更好的治愈疾病。反之,将它们结合为药物就几乎毫无意义。回归分析是一种应用十分广泛的数据分析方法,擅长用观测数据内在规律,分析数据变量间的依赖关系,尤其是在定量预测上应用更多。建立准确的回归模型来预测蛋白质间的结合自由能是一种很好的途径。因此,选择有价值的特征集和回归模型是本文的研究重心,根据有价值蛋白质的特征来预测蛋白质之间的结合自由能可以完善蛋白质相互作用设计,对于推动蛋白质对接研究的进步,加速针对蛋白质相互作用的药物设计开发,高效治疗疾病是有重要的作用。目前有很多计算蛋白质结合自由能的方法,但这些方法计算需要大量的时间和资源,并且无法得到较高的准确率,从而很难被直接应用到实践中。本文旨在设计准确,快速计算的模型来预测蛋白质结合自由能,主要研究工作如下:(1)收集并计算与蛋白质结合自由能相关的序列特征和结构特征、135对蛋白质复合物当做训练集、39对蛋白质复合物当做外部集。(2)使用最小冗余最大相关(mRMR)来选择那些与蛋白质自由能显着相关的特征并去除冗余特征,从而得到最小冗余最大相关的特征集,然后把这特征集用于建立6种回归模型。(3)对于6种回归模型通过10折交叉验证对比得到最佳回归模型,然后通过模型特征优化得到最佳特征集,并对优化后的特征集进行移除特征来对比分析特征的重要性。(4)用优化后的特征集建立最佳回归模型来预测蛋白质结合自由能,将模型预测的性能与别的方法进行构象变化和外部集验证对比。实验结果表明,本文使用Linear Regression和SMOreg回归模型相结合来预测蛋白质结合自由能,优化后得到的最佳回归模型比其它方法的模型具有着更高的性能,并且也适用于那些构象变化较大的蛋白质。(本文来源于《广西大学》期刊2017-06-01）
吴选军,张光旭,刘相鹏[3]（2010）在《SRK方程结合超额Gibbs自由能规则预测汽液平衡》一文中研究指出SRK方程结合范德华混合规则应用于极性体系会产生较大误差,而结合超额Gibbs自由能(GE)型混合规则能得较好的结果。Wong-Sandler(WS型)混合规则是基于无穷大压力的GE型混合规则,文中对提出一种基于常压的改进型WS(MWS型)混合规则,利用SRK方程分别结合WS型和MWS型混合规则对多个二元极性体系汽液平衡进行预测。比较结果表明,采用SRK方程结合MWS型混合规则预测汽液平衡结果一般优于WS型混合规则。(本文来源于《化学工程》期刊2010年01期）
朱伟,黄钦,李旭东,陈可冀,徐筱杰[4]（2007）在《11种结合自由能评价函数对中草药中法尼酯受体的配体预测比较》一文中研究指出以蛋白质晶体结构数据库PDB中FX-fexaramine复合物(PDB代码:1OSH)叁维结构为研究对象,采用Ligandfit作为采样工具,筛选到中草药中12个可能与FXR相互作用强的的配体。并比较了11种结合自由能评价函数(Ligscorel、Lig- score2、D-Score、-PLP1、-PLP2、Jain、-PMF、Ludil、Ludi2、Ludi3,以及共同评价函数)在该研究体系中的预测能力。结果表明将评价函数中的-PLP1和-PLP1这2种评价函数的预测能力最好。(本文来源于《计算机与应用化学》期刊2007年01期）
侯廷军,朱丽荔,章威,乔学斌,徐筱杰[5]（2002）在《胰蛋白酶和苯酰氨类抑制剂结合自由能的预测》一文中研究指出用基于线性响应近似的自由能预测方法计算胰蛋白酶和苯酰氨类抑制剂的结合自由能 .计算结果表明 ,单参数 ,双参数和叁参数模型具有相似的线性回归系数 ,但叁参数和双参数模型的交互验证回归系数要明显优于单参数模型 .从预测能力来看 ,双参数模型和叁参数模型都能够很好地预测测试集中抑制剂的结合自由能 ,其中双参数模型预测的结果要略优于叁参数模型的预测结果 .对测试集中的抑制剂 ,双参数模型预测得到的预测自由能和实际自由能之间平均绝对误差仅为 1.15kJ mol.自由能计算模型以及分子动力学轨迹能很好地解释抑制剂结构和活性的关系 ,为药物设计提供了重要的结构信息(本文来源于《化学学报》期刊2002年06期）
宋伟[6]（2002）在《蛋白质与底物小分子的相互作用、结构预测与结合自由能计算》一文中研究指出分子识别是分子间专一性的结合过程，抗体与抗原、受体与配体、酶与底物是人们所熟悉的生物体内的分子识别的叁个模型。这些识别过程具有高度的专一性，体现出某种“智能化”的特点。研究生物体内的分子识别过程，已成为国际学术界异常活跃的研究热点，具有重要的理论意义和应用价值。 分子识别机制的研究方法有实验方法和计算机模拟方法两大类。其中计算机模拟方法是研究分子识别机制及其动态过程的重要途径，包括底物及受体分子模型的构建、底物及受体相互作用位点的确定、相互作用力的计算、底物及受体分子的对接及其动态过程的研究、体系热力学及动力学性质的计算等方面内容。常用的理论计算方法包括量子化学、分子力学、分子动力学、蒙特卡洛方法及自由能计算方法等。本文主要围绕自由能计算方法和分子对接方法来研究蛋白质与底物或抑制剂的相互作用和识别，具体可分为以下叁个方面： (1)引入一种特殊的约束势，称为体约束或分子钳，用于计算配体与受体结合过程中因配体平动、转动自由度的丧失所带来的自由能变化。将这种体约束的方法应用于苯甲脒与胰蛋白酶双突变体(D189G／G226D)绝对结合自由能过程的计算。计算所得绝对结合自由能(-3.7 kcal·mol-1)与实验结果 (-2.5kcal·mol-1)相接近。 (2)运用热力学积分方法和分子转换方法，计算了99mTc-N2S2类药物的相对水化自由能，计算结果表明此类药物相对水化自由能可以用作评价其脑吸收值特性的判据，可预测位点突变带来的对脑吸收值的影响，指导药物设计。 (3)运用分子对接方法对HIV-1整合酶与其抑制剂金精叁羧酸的结合过程进行了研究和预测。含有Mg2+离子的情况下比不含Mg2+离子的体系之间的自 北京工业大学工学硕士论文一由能之差为一5 kCal／m＊，结果说明结合位点处的 Mg‘”离子对稳定配体与受体的结合起了重要作用。(本文来源于《北京工业大学》期刊2002-05-25）
侯廷军,章威,郭森立,徐筱杰[7]（2002）在《一组胰蛋白酶抑制剂结合自由能的预测》一文中研究指出本文采用基于线性响应近似的自由能预测方法计算了胰蛋白酶和苯酰氨类抑制剂的结合自由能。计算结果表明,3参数和双参数模型的预测能力要明显优于单参数模型。计算得到的抑制剂和受体间的作用模式为基于结构的药物设计提供了重要的信息。(本文来源于《计算机与应用化学》期刊2002年Z1期）
汤海旭,陈洁,丁达夫[8]（1998）在《蛋白质复合物结合自由能的预测(英文)》一文中研究指出本文发展了一种合理的经验能量函数和结合自由能算法，并应用到２１个蛋白质复合物的结合自由能预测上。与现今发表的其他工作相比，我们的结果与实验的测定值符合得更好，平均预测精度为１．０ｋｃａｌ／ｍｏｌ，与实验值的相关达到９６％。应用本方法预测一个典型的蛋白质与其抑制剂复合物的结合自由能，在ＳＧＩ－ＩＭＰＡＣＴＲ１００００工作站上约需２分钟。本文的结果还证实，与对蛋白质折迭过程的认识不同，亲水原子在蛋白质结合过程中起了不可忽略的作用。(本文来源于《生物化学与生物物理学报》期刊1998年02期）
预测结合自由能论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
蛋白质是生命的基础物质,构成细胞的基本有机物,是生命活动的主要承担者。蛋白质不仅与其它化合物结合,蛋白质自身结合也有重要的意义,蛋白质与蛋白质之间的交互对生命活动有着重要的作用。当一对蛋白质之间的结合自由能的值很大的时候,说明这一对蛋白质在药物设计阶段能够成功结合并对生物产生作用,从而更好的治愈疾病。反之,将它们结合为药物就几乎毫无意义。回归分析是一种应用十分广泛的数据分析方法,擅长用观测数据内在规律,分析数据变量间的依赖关系,尤其是在定量预测上应用更多。建立准确的回归模型来预测蛋白质间的结合自由能是一种很好的途径。因此,选择有价值的特征集和回归模型是本文的研究重心,根据有价值蛋白质的特征来预测蛋白质之间的结合自由能可以完善蛋白质相互作用设计,对于推动蛋白质对接研究的进步,加速针对蛋白质相互作用的药物设计开发,高效治疗疾病是有重要的作用。目前有很多计算蛋白质结合自由能的方法,但这些方法计算需要大量的时间和资源,并且无法得到较高的准确率,从而很难被直接应用到实践中。本文旨在设计准确,快速计算的模型来预测蛋白质结合自由能,主要研究工作如下:(1)收集并计算与蛋白质结合自由能相关的序列特征和结构特征、135对蛋白质复合物当做训练集、39对蛋白质复合物当做外部集。(2)使用最小冗余最大相关(mRMR)来选择那些与蛋白质自由能显着相关的特征并去除冗余特征,从而得到最小冗余最大相关的特征集,然后把这特征集用于建立6种回归模型。(3)对于6种回归模型通过10折交叉验证对比得到最佳回归模型,然后通过模型特征优化得到最佳特征集,并对优化后的特征集进行移除特征来对比分析特征的重要性。(4)用优化后的特征集建立最佳回归模型来预测蛋白质结合自由能,将模型预测的性能与别的方法进行构象变化和外部集验证对比。实验结果表明,本文使用Linear Regression和SMOreg回归模型相结合来预测蛋白质结合自由能,优化后得到的最佳回归模型比其它方法的模型具有着更高的性能,并且也适用于那些构象变化较大的蛋白质。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
预测结合自由能论文参考文献
[1].李宇辰,冯国强,段莉莉.极化蛋白专一性电荷在HIV-1蛋白酶-抑制剂结合自由能预测中的应用[J].计算物理.2018
[2].鲁帮力.基于序列和结构特征的蛋白质结合自由能预测[D].广西大学.2017
[3].吴选军,张光旭,刘相鹏.SRK方程结合超额Gibbs自由能规则预测汽液平衡[J].化学工程.2010
[4].朱伟,黄钦,李旭东,陈可冀,徐筱杰.11种结合自由能评价函数对中草药中法尼酯受体的配体预测比较[J].计算机与应用化学.2007
[5].侯廷军,朱丽荔,章威,乔学斌,徐筱杰.胰蛋白酶和苯酰氨类抑制剂结合自由能的预测[J].化学学报.2002
[6].宋伟.蛋白质与底物小分子的相互作用、结构预测与结合自由能计算[D].北京工业大学.2002
[7].侯廷军,章威,郭森立,徐筱杰.一组胰蛋白酶抑制剂结合自由能的预测[J].计算机与应用化学.2002
[8].汤海旭,陈洁,丁达夫.蛋白质复合物结合自由能的预测(英文)[J].生物化学与生物物理学报.1998