导读:本文包含了氨基酸网络论文开题报告文献综述及选题提纲参考文献，主要关键词:深度张量神经网络,共轭帽子,分子分割,增强采样
氨基酸网络论文文献综述
董子冰[1]（2019）在《基于深度张量神经网络理论预测氨基酸能量》一文中研究指出通过计算机模拟分子的变化及物理化学性质是研究分子的主要理论方法。这其中主要包括分子动力学模拟和量化计算。分子动力学模拟是基于已有力场的来描述分子运动时原子的变化性质。借助于计算机硬件,特别是GPU的发展,分子动力学模拟可以体现上百万个原子的变化过程,但受限于力场,分子动力学模拟无法很好的刻画化学反应。量化计算是通过描述原子周围的电子云来模拟原子的运动和相互作用,这种更加精确的计算可以用于研究化学反应,但能模拟的体系原子数目不大。深度学习是人工智能的重要科学之一。其主要研究方向是在海量数据的基础上,通过经验学习,改善具体算法的性能。受益于理论的框架发展,深度学习在众多传统方法无法很好应对的学科,取得了突破性的进展,这其中包括网络,文本和图像搜索,语音识别以及生物信息学等。同时深度学习也在理解量子系统方面取得类似的突破。本文提出了一种同时基于量化计算和深度学习的理论方法(Quantum Mechanics-Deep Tensor Neutral Network,QM-DTNN),用于合理预测蛋白质中氨基酸的物理化学性质。在QM-DTNN中,采用MFCC方法,通过添加分子帽的方式,蛋白质被分解成独立的氨基酸单元。我们通过Metadynamics的增强采样方法确保数据集的完备性,进而构建训练、验证和测试数据集。DTNN的输入包括氨基酸中原子的成对间距和核电荷。使用量化计算所得到的氨基酸单元的物理化学性质作为DTNN的输出。在深度张量神经网络当中,通过积函数,输入被转换为一组张量。通过卷积提取有效信息,用于网络输出。本文选择多种典型氨基酸,通过DTNN预测能量,其结果与QM数据具有良好的相关性。其中绝对预测误差的平均值和绝对预测误差的标准偏差值偏小,确定整体精度较高。进一步说明,在特定的化学环境中,DTNN方法能够预测原子的能量。与可接受的精度误差的QM计算相比,我们所提出的方案显着减少了计算时间。这项工作的根本是快速准确计算小分子物理化学性质。我们的方法在不同的应用领域被证明是有用的。作为化学相关性的一个例子,本文选择蛋白质中的氨基酸进行研究。我们的模型用于预测分子中的原子能量,证明了机器学习的潜力,揭示了对于复杂量子化学系统的见解。(本文来源于《辽宁师范大学》期刊2019-03-01）
陶斯涵[2]（2018）在《氨基酸网络比对的算法研究》一文中研究指出功能相似的蛋白质分子具有相似的空间结构,而结构上局部的差异可能会导致其性质的不同,如:蛋白质的热稳定性、亲水性、疏水性、耐酸性、耐碱性等。残基相互作用网络对于从系统角度研究蛋白质空间结构和蛋白质性质、功能的关系有着至关重要的作用。而残基相互作用网络比对对于研究蛋白质的分子基础和空间结构非常重要,是探究蛋白质空间结构与蛋白质性质、功能异同关系的有效方法。因此,将蛋白质的叁维结构编码为残基相互作用网络,对网络进行比对,是从系统角度分析蛋白质功能与结构及序列的关系的有效途径。目前,还没有针对残基相互作用网络的比对算法,一般采用蛋白质-蛋白质相互作用网络比对算法对残基相互作用网络进行比对,这就忽视了氨基酸残基本身的信息。因此,在对蛋白质-蛋白质相互作用网络比对的各种算法分析的基础上,本文使用MAGNA拓扑网络比对算法的框架,基于BLOSUM矩阵的原理引入残基匹配度矩阵,并将该矩阵作为蛋白质的序列信息引入到算法的优化函数中,提出了针对残基相互作用网络比对的SI-MAGNA算法。为研究残基相互作用网络比对和影响蛋白质耐热性的因素,本文首先选定7组耐热性差异的同源蛋白质对作为研究对象。为证实SI-MAGNA算法在残基相互作用网络比对方面的优越性,选择边正确性EC作为评价网络比对质量的标准。将SI-MAGNA算法与原MAGNA算法从算法迭代次数和边正确性EC两个角度进行比较和分析,证实了SI-MAGNA算法在残基相互作用网络比对中的稳定性和优越性。同时,将SI-MAGNA算法与其他能够用于残基相互作用网络比对的拓扑网络比对算法GRAAL、MI-GRAAL和GEDEVO相比较,并证实了SI-MAGNA算法在残基相互作用网络比对方面具有较好的效果。同时,使用SI-MAGNA算法对耐热性差异的抗冻蛋白质对进行比对,并简要分析两者耐热性差异的原因。从中我们发现9AME中独有的1个3_(10)-螺旋结构以及它与周围结构间的重要相互作用,可能是导致两者在稳定性和活性方面具有不同温度依赖性的原因。研究木聚糖酶的耐热机理能够提升工业生产效率和经济效益。本文使用提出的SI-MAGNA算法残基相互作用网络比对算法对来自嗜热子囊菌的耐热型木聚糖酶和来自变铅青链霉菌的常温型木聚糖酶进行网络比对,以探究影响两者结构稳定性和热稳定性的因素。通过比对结果分析:证实了(βα)_8-桶结构的低序列保守性及β折叠对结构稳定性的作用;发现了1E0W的loop_1区域中独有一个3_(10)-螺旋结构影响了结构稳定性;1TUX中的α_1’短螺旋结构和相对较短的β_4α_4-loop区域有助于提升其结构稳定性和酶的热稳定性;推测1TUX的β_4α_4-loop区域中独有的氢键转折结构和1E0W的loop_6区域中独有的2个β-桥结构可能引起空间结构的细微差异,从而影响酶的热稳定性。通过残基相互作用网络比对,能够从二级结构稳定性和loop区域的角度上证实和发现影响蛋白质结构稳定性和木聚糖酶耐热性的因素。(本文来源于《江南大学》期刊2018-06-01）
王凯[3]（2018）在《聚离子液体对氨基酸的高效识别及在此基础上构建的聚合物网络负载催化剂的制备及应用》一文中研究指出离子液体由于自身结构和所携带的原子基团,使其可以实现对某种物质的特异性检测;除此之外,离子液体不但能促进反应速度,而且能够提高反应的选择性,因此近几年离子液体在不对称合成反应获得快速发展。聚离子液体具有离子液体和聚合物共同的性质,相比小分子离子液体来讲,可以通过聚合物主链和侧链更有效地调整其结构,更有利于高效识别体系和负载催化体系的构建。实验研究发现,聚离子液体可以在水中高灵敏度和有选择性检测叁种碱性氨基酸:精氨酸、赖氨酸和组氨酸,并且聚离子液体和L-脯氨酸之间能够形成强的非共价键作用力(具有强的识别作用),基于以上思路,本文我们设计合成了负载手性L-脯氨酸的聚合物网络催化剂。具体内容如下:(1)在水中实现氨基酸的裸眼识别对于生物分析有着十分重要的意义。本文中,通过可逆加成-断裂链转移聚合(RAFT聚合)制备了不同链长的新型聚离子液体化学传感器,研究水和乙醇中同多种氨基酸的相互作用,并通过裸眼颜色变化和紫外可见分光光度计对聚离子液体同氨基酸的识别性能进行研究,发现这些聚离子液体在水中可以用于高灵敏度和有选择性检测叁种碱性氨基酸(精氨酸、赖氨酸和组氨酸),并且这种识别性能随着聚合物分子量的增大而提高。通过分析,聚离子液体在水中识别作用主要依赖于聚集效应和极化效应,并且这种识别作用是通过与羧基的相互作用来实现的。(2)在上述实验的基础上,通过聚离子液体同L-脯氨酸单体之间的强相互作用,合成聚合物网络负载催化剂,并将其应用到不对称催化反应。首先通过将聚离子液体和L-脯氨酸单体通过非键作用进行络合,接着通过手性单体自由基聚合的方法制备了负载手性催化剂的聚合物网络催化剂,同时,我们通过调控手性单体和聚合物离子液体的比例制备了一系列具有不同表面结构的聚合物网络体系,并进一步通过热重、扫描电镜、元素分析等手段对合成的催化剂进行结构和成分表征。最后,该类催化体系被应用直接催化不对称Aldol反应和多组分反应,相比于有机小分子催化剂,我们合成的这种聚合物网络负载催化剂具有更高的催化效率,且可以反复催化五次催化效率和选择性没有发生明显的变化。(本文来源于《河南师范大学》期刊2018-05-01）
常风云[4]（2016）在《整合氨基酸与转录组数据的代谢网络模型分析与应用》一文中研究指出随着人类基因组计划的完成和后续生物测序项目的实施,第二代自动测序技术的成熟和广泛应用更使得这些生物学数据成几何倍数增长,如何有效整合和利用这些数据成为现代生物学研究的重要问题。代谢网络的研究是系统生物学研究的重要组成部分。本文深入研究了微生物代谢网络的相关构建方法,基于RAVEN构建了指状青霉全基因组规模的代谢网络,通过数据整合对流平衡分析方法进行了扩展,并提出了一些新的分析方法。目前常用的流平衡分析法只能分析瞬时代谢过程,不能有效地整合外部环境变量(如葡萄糖、氮源等底物浓度),本文提出了一种整合外部环境变量的动态流平衡分析法。实验结果表明该算法具有较好通用性和实用性,与静态的流平衡分析方法相比,更能直观地反映生物的生长速率变化情况与代谢反应的速率变化情况。基因发生突变会导致氨基酸位点发生变化,从而导致蛋白质活性改变,目前的代谢网络模拟分析尚未考虑到这种影响。本文将氨基酸多态性信息加入到代谢网络的模拟中,用于研究蛋白质中某一位点发生突变对该蛋白质活性的影响,同时通过将该影响加入到代谢网络中用于验证该蛋白质及其控制的反应在生物生长中的重要程度,实验结果表明,基于氨基酸多态性考虑单氨基酸变异对生物生长速率的影响的方法不仅能够研究氨基酸变异对蛋白质活性的影响程度,同时也能够通过生长速率的变化研究该蛋白质对生物生长的重要程度。在代谢网络关系中不仅需要知道参与基因的数量,同时也要考虑到基因表达量的情况。本文整合转录组数据与代谢网络预测基因,提出ITD-MEPE (Integrated transcriptional group data and metabolic network to predict gene)方法,将转录组测序数据加入到代谢网络根据代谢网络可以直观反映生物的生长状态的特点来预测与生物性状有关的基因。实验结果表明,整合转录组测序数据与代谢网络预测基因排名的准确性优于经典的基于变化率的BR算法和分析基因表达差异的DESeq方法。(本文来源于《华中师范大学》期刊2016-04-01）
丁彦蕊,王雪芹,牟兆琳[5]（2014）在《超氧化物歧化酶氨基酸网络的鲁棒性研究》一文中研究指出蛋白质结构的鲁棒性能够提高蛋白质在不稳定环境中保持生物功能的能力。用氨基酸网络表示超氧化物歧化酶(Fe-SOD)的结构,从研究氨基酸网络鲁棒性的角度研究Fe-SOD结构的鲁棒性。实验结果显示,氨基酸网络的鲁棒性比同等规模大小的随机网络的鲁棒性差。尤其以介数方式攻击,Fe-SOD氨基酸网络表现出明显的脆弱性。嗜热的Fe-SOD氨基酸网络的鲁棒性比常温的氨基酸网络的鲁棒性高。通过鲁棒性分析,识别氨基酸网络中关键残基,发现关键残基主要包括进化保守残基、疏水性残基、规则二级结构内部的残基以及Fe-SOD活性位点残基。与热稳定性低的Fe-SOD氨基酸网络相比,热稳定性高的Fe-SOD氨基酸网络中的关键残基较均匀地分布在Fe-SOD内部。关键残基在Fe-SOD结构中均匀分布,有利于提高嗜热Fe-SOD整体的稳定性。(本文来源于《计算机与应用化学》期刊2014年09期）
王雪芹[6]（2014）在《Fe-SOD酶氨基酸网络特征与耐热性关系的研究》一文中研究指出蛋白质的热稳定性研究一直是生物科学领域的热点。基于蛋白质由氨基酸及其氨基酸-氨基酸相互作用组成的复杂系统，本文用氨基酸网络描述蛋白质结构，从系统的水平上更全面地阐述嗜热蛋白质的耐热机制，促进蛋白质在工业上的应用。研究内容主要包括：（1）以超氧化物歧化酶（Fe-SOD）叁维空间信息为基础，构建六种不同类型的氨基酸网络。通过分析复杂网络参数，如度、特征路径长度等，发现热稳定性高的Fe-SOD氨基酸网络的平均度、平均连接强度以及同配系数均高于常温的Fe-SOD氨基酸网络，而嗜热Fe-SOD氨基酸网络的特征路径长度小于常温的Fe-SOD氨基酸网络。（2）通过分析Fe-SOD氨基酸网络的度分布、富人俱乐部属性，发现氨基酸网络中存在度很高的节点，即Hub节点。在嗜热Fe-SOD氨基酸网络中谷氨酰胺、甘氨酸、亮氨酸、苯丙氨酸和苏氨酸出现Hub节点的频率比常温的Fe-SOD氨基酸网络中要高，这有利于嗜热Fe-SOD内部形成更大的疏水核心和致密结构。此外，Hubs的数量、Hubs在3/10-helix，alpha helix和turn结构中的数量以及二级结构内部Hub的比例与Fe-SOD的热稳定性成正相关性。并且突变Fe-SOD表面的Hub增加了Fe-SOD内部的氢键作用，这有利于提高Fe-SOD的热稳定性。（3）通过使用复杂网络的模块化方法，如Girvan-Newman，特征向量方法等对Fe-SOD氨基酸网络进行模块化分析，发现Fe-SOD氨基酸网络具有明显的社团结构并且大多数二级结构完全在同一个社团结构内部。此外，嗜热Fe-SOD氨基酸网络比常温的Fe-SOD具有更加明显的社团结构，嗜热Fe-SOD氨基酸网络中的社团和二级结构的对应关系也比常温的氨基酸网络明显。（4）本文通过GRAAL和MI-GRAAL算法对氨基酸网络进行全局比对，寻找常温和嗜热Fe-SOD氨基酸网路结构上的差异。实验发现在氨基酸网络中节点个体的相似性比较小，但是局部区域的结构能够呈现出较高的相似性。相似性高的局部区域的子结构可能与Fe-SOD的某些生物体功能相关。而常温Fe-SODs氨基酸网络之间的结构相似度明显高于嗜热Fe-SODs氨基酸网络之间的结构相似度。（5）通过分析Fe-SOD氨基酸网络的鲁棒性，发现氨基酸网络中的关键残基主要包括进化保守残基、疏水性残基、规则二级结构内部残基以及Fe-SOD活性位点残基。与热稳定性低的Fe-SOD氨基酸网络相比，热稳定性高的Fe-SOD氨基酸网络中的关键残基更均匀地分布在Fe-SOD内部。关键残基在Fe-SOD结构中的均匀分布，有利于提高嗜热Fe-SOD整体结构的鲁棒性。通过进行上述研究发现，从氨基酸网络的角度分析序列-结构-功能关系是一种非常有前景的方法，而且该方法还可适用于普遍蛋白质结构-功能的研究。(本文来源于《江南大学》期刊2014-06-01）
王雪芹,丁彦蕊,牟兆琳,蔡宇杰[7]（2014）在《超氧化物歧化酶氨基酸网络与耐热性的关系研究》一文中研究指出酶的热稳定性问题一直是生物科学领域的研究热点。构建氨基酸网络,从系统水平上研究酶热稳定性的影响因素是阐明嗜热酶耐热机制的重要途径。作者以超氧化物歧化酶(iron superoxide dismutase,Fe-SOD)的空间叁维结构信息为基础,构建了不同类型的氨基酸相互作用网络。通过分析氨基酸网络的网络参数,发现热稳定性高的Fe-SOD氨基酸网络的平均度、平均连接强度及同配系数均高于常温的Fe-SOD氨基酸网络,而嗜热Fe-SOD氨基酸网络的特征路径长度小于常温的Fe-SOD氨基酸网络。此外,通过改变滑动窗口大小研究氨基酸网络中分子间相互作用区域范围,发现热稳定性高的Fe-SOD氨基酸网络中二级结构内部分子间连接紧密,二级结构之间及结构域之间的连接也较频繁。这些现象表明,嗜热Fe-SOD酶致密的内部结构缩短了氨基酸之间的距离,这更有利于稳定酶结构的作用力(如氢键和盐桥)的形成。实验结果进一步表明,通过研究氨基酸网络的网络参数可以阐述酶结构和功能之间的关系。(本文来源于《生物物理学报》期刊2014年02期）
黄捷,田浤,陈海,姚文兵[8]（2013）在《基于神经网络和遗传算法的非天然氨基酸突变蛋白的培养优化》一文中研究指出非天然氨基酸定点改构技术已被广泛应用于蛋白质结构与功能研究以及新药开发等,然而常用的无机盐培养基营养匮乏导致突变蛋白的产量过低,严重限制了该技术的进一步应用。相比传统的优化方法,文章结合了人工神经网络以及遗传算法,更方便、更准确地对大肠杆菌发酵突变蛋白的培养条件进行了优化。试验以引入对乙酰基苯丙氨酸的尿酸酶作为模式蛋白,以尿酸酶的酶活测定直观反映蛋白表达量,对培养条件中4个因素进行了摸索并优化,最终获得了最佳培养条件为:甘油1.04%、非天然氨基酸溶液1 mmol/L、金属离子综合液0.86×、IPTG 0.5 mmol/L,并且利用优化后的培养条件发酵获得的尿酸酶产量较未优化前提高了14%。并且通过测定尿酸酶酶活的精确比较,验证了ANN方法较响应面法在优化复杂的非线性生物工艺方面的优势。本试验的顺利完成,不仅提高了引入对乙酰基苯丙氨酸的尿酸酶的产量,同时也为其他非天然氨基酸定点引入蛋白的发酵培养基优化提供了重要参考。(本文来源于《药物生物技术》期刊2013年05期）
严文颖[9]（2013）在《氨基酸相互作用网络的构建、分析及应用》一文中研究指出蛋白质是一类常见的生物大分子，在生命活动中起了重要的作用。从全局的角度去研究蛋白质结构、演化或蛋白质中的关键残基等问题是十分必要的。将蛋白质分子转化成以氨基酸为结点，它们之间的相互作用为边的氨基酸相互作用网络，利用复杂网络理论来分析，为蛋白质相关问题的研究提供了新的视角。在本论文中，基于我们以前发表的环境依赖接触能（Environment-dependentResidue Contact Energy，简写为ERCE）计算工具我们构建了两类氨基酸相互作用网络：氨基酸接触能网络（AminoAcid Contact Energy Network，简写为AACEN）和点加权氨基酸接触能网络（Node-weighted Amino Acid Contact Energy Network，简写为NWAACEN）。在AACEN中，以氨基酸作为结点，它们之间的ERCE作为边。我们分析了AACEN的网络性质，包括它的平均度与网络规模的关系、度分布、小世界网络性质、主链上的相互作用对网络聚类系数的影响、长程边对网络性质的影响。我们最后探讨了AACEN与蛋白质结构、演化的关系，研究表明AACEN的聚类系数与蛋白质二级结构的含量以及序列的演化率呈负相关，而AACCEN的长程边比例则与蛋白质二级结构的含量及序列的演化率呈正相关。在AACEN的构建基础上，我们还引入了点权的概念，构建了点加权氨基酸接触能网络。在这个新类型的网络里，我们将氨基酸自身的物理化学性质考虑了到网络构建中来，即以氨基酸的物理化学性质为点的权重。据我们所知，这是第一次将点加权网络的概念引入到氨基酸网络研究领域。这里我们分别以氨基酸的溶剂可及表面积（SAS）、质量（M）、疏水性（Hy）和极性（P）作为网络结点的权重构建了NWAACEN，并定义了研究点加权网络的四个参数：加权度（Kw）、加权邻居度（Hw）、加权介数（Bw）以及加权最短路径（Dw）。然后利用NWAACEN分析了蛋白质相互作用界面热点的性质，发现蛋白质热点残基比非热点残基具有显着高的加权度和显着小的加权最短路径。最后我们基于这些点加权网络参数和氨基酸自身性质的不同组合，利用支持向量机构建了模型来识别蛋白质中的热点残基。结果表明基于8个参数的模型效果最好，这８个参数分别为M，Hy，P，SAS_Hw，M_Kw，Hy_Hw，P_Kw和P_Hw,预测结果的准确率、敏感性及特异性分别为72.22%、71.89％和72.41％。基于以上，我们开发了氨基酸相互作用网络的构建工具：AANW（Amino AcidNetwork Worker）来实现前面提出来的AACEN和NWAACEN以及其它常见类型的氨基酸网络的构建，并提供常见的网络参数计算和网络的可视化。(本文来源于《苏州大学》期刊2013-05-01）
方正,李益洲,肖嘉敏,李功兵,文志宁[10]（2011）在《基于复杂网络的随机森林算法预测氨基酸突变对蛋白质稳定性的影响(英文)》一文中研究指出利用机器学习方法对单个氨基酸突变引起的蛋白质稳定性变化进行精确地预测,对蛋白质的结构和功能方面的研究具有重要的价值,并且对设计新的蛋白质及蛋白质工程学具有一定的指导意义。通过对蛋白质网络拓扑特征的研究,发现网络拓扑特征对于蛋白质突变稳定性影响具有较高的准确率。基于蛋白质网络拓扑特征的随机森林算法,能较好的对蛋白质单点突变所造成的稳定性改变进行预测,总准确率达到86%,MCC值达到0.67,并优于文献报道的预测结果。(本文来源于《化学研究与应用》期刊2011年05期）
氨基酸网络论文开题报告
（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：
功能相似的蛋白质分子具有相似的空间结构,而结构上局部的差异可能会导致其性质的不同,如:蛋白质的热稳定性、亲水性、疏水性、耐酸性、耐碱性等。残基相互作用网络对于从系统角度研究蛋白质空间结构和蛋白质性质、功能的关系有着至关重要的作用。而残基相互作用网络比对对于研究蛋白质的分子基础和空间结构非常重要,是探究蛋白质空间结构与蛋白质性质、功能异同关系的有效方法。因此,将蛋白质的叁维结构编码为残基相互作用网络,对网络进行比对,是从系统角度分析蛋白质功能与结构及序列的关系的有效途径。目前,还没有针对残基相互作用网络的比对算法,一般采用蛋白质-蛋白质相互作用网络比对算法对残基相互作用网络进行比对,这就忽视了氨基酸残基本身的信息。因此,在对蛋白质-蛋白质相互作用网络比对的各种算法分析的基础上,本文使用MAGNA拓扑网络比对算法的框架,基于BLOSUM矩阵的原理引入残基匹配度矩阵,并将该矩阵作为蛋白质的序列信息引入到算法的优化函数中,提出了针对残基相互作用网络比对的SI-MAGNA算法。为研究残基相互作用网络比对和影响蛋白质耐热性的因素,本文首先选定7组耐热性差异的同源蛋白质对作为研究对象。为证实SI-MAGNA算法在残基相互作用网络比对方面的优越性,选择边正确性EC作为评价网络比对质量的标准。将SI-MAGNA算法与原MAGNA算法从算法迭代次数和边正确性EC两个角度进行比较和分析,证实了SI-MAGNA算法在残基相互作用网络比对中的稳定性和优越性。同时,将SI-MAGNA算法与其他能够用于残基相互作用网络比对的拓扑网络比对算法GRAAL、MI-GRAAL和GEDEVO相比较,并证实了SI-MAGNA算法在残基相互作用网络比对方面具有较好的效果。同时,使用SI-MAGNA算法对耐热性差异的抗冻蛋白质对进行比对,并简要分析两者耐热性差异的原因。从中我们发现9AME中独有的1个3_(10)-螺旋结构以及它与周围结构间的重要相互作用,可能是导致两者在稳定性和活性方面具有不同温度依赖性的原因。研究木聚糖酶的耐热机理能够提升工业生产效率和经济效益。本文使用提出的SI-MAGNA算法残基相互作用网络比对算法对来自嗜热子囊菌的耐热型木聚糖酶和来自变铅青链霉菌的常温型木聚糖酶进行网络比对,以探究影响两者结构稳定性和热稳定性的因素。通过比对结果分析:证实了(βα)_8-桶结构的低序列保守性及β折叠对结构稳定性的作用;发现了1E0W的loop_1区域中独有一个3_(10)-螺旋结构影响了结构稳定性;1TUX中的α_1’短螺旋结构和相对较短的β_4α_4-loop区域有助于提升其结构稳定性和酶的热稳定性;推测1TUX的β_4α_4-loop区域中独有的氢键转折结构和1E0W的loop_6区域中独有的2个β-桥结构可能引起空间结构的细微差异,从而影响酶的热稳定性。通过残基相互作用网络比对,能够从二级结构稳定性和loop区域的角度上证实和发现影响蛋白质结构稳定性和木聚糖酶耐热性的因素。
（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。
氨基酸网络论文参考文献
[1].董子冰.基于深度张量神经网络理论预测氨基酸能量[D].辽宁师范大学.2019
[2].陶斯涵.氨基酸网络比对的算法研究[D].江南大学.2018
[3].王凯.聚离子液体对氨基酸的高效识别及在此基础上构建的聚合物网络负载催化剂的制备及应用[D].河南师范大学.2018
[4].常风云.整合氨基酸与转录组数据的代谢网络模型分析与应用[D].华中师范大学.2016
[5].丁彦蕊,王雪芹,牟兆琳.超氧化物歧化酶氨基酸网络的鲁棒性研究[J].计算机与应用化学.2014
[6].王雪芹.Fe-SOD酶氨基酸网络特征与耐热性关系的研究[D].江南大学.2014
[7].王雪芹,丁彦蕊,牟兆琳,蔡宇杰.超氧化物歧化酶氨基酸网络与耐热性的关系研究[J].生物物理学报.2014
[8].黄捷,田浤,陈海,姚文兵.基于神经网络和遗传算法的非天然氨基酸突变蛋白的培养优化[J].药物生物技术.2013
[9].严文颖.氨基酸相互作用网络的构建、分析及应用[D].苏州大学.2013
[10].方正,李益洲,肖嘉敏,李功兵,文志宁.基于复杂网络的随机森林算法预测氨基酸突变对蛋白质稳定性的影响(英文)[J].化学研究与应用.2011