Методы 6-мерного поиска
Страница 1

При использовании моделей плохого качества (например, в случае низкой гомологии) или моделей описывающих лишь малую часть неизвестной структуры часто возникает ряд проблем, затрудняющих решение задачи молекулярного замещения обычными методами. Значительные ошибки функции вращения, неизбежно возникающие в таких случаях, усугубляют собственные ошибки функции трансляции и приводят либо к полному отсутствию правильных решений, либо к тому, что эти решения оказываются среди максимумов, лежащих на уровне шума и нет достоверных критериев позволяющих однозначно выделить их среди прочих.

Единственным на сегодняшний день общим подходом, позволяющим решать вышеперечисленные проблемы и до определенной степени расширить границы применимости метода молекулярного замещения, является отказ от разделения задачи на поиск решений функций вращения и трансляции и применение процедуры 6-мерного поиска с одновременным варьированием как углов Эйлера (α,β,γ), так и компонент вектора трансляции (v

x,v

y,v

z). Но, несмотря на значительный прогресс вычислительной техники, ни в одной из существующих программ, включая самые современные, 6-мерный поиск не проводится напрямую, как систематический поиск на 6-мерной сетке. Таким образом, ни одна из существующих программ не гарантирует нахождения абсолютных максимумов объединенной функции вращения-трансляции.

Не так давно, двумя группами независимо были предложены стохастические алгоритмы 6-мерного поиска, которые позволили создать программы, ставшие стандартным инструментом в рентгеновской кристаллографии макромолекул:

1) В работе Киссинджера и др. [26] был применен так называемый эволюционный алгоритм, который принадлежит к семейству алгоритмов стохастической оптимизации, включающему такие методы как Монте-Карло [28] и медленный отжиг [25].

2) Генетический алгоритм, независимо предложенный Чангом и Льюисом [14], основан на том же самом принципе, что и эволюционный и отличается от последнего лишь некоторыми деталями реализации. Подобный подход применялся также для разработки процедуры поиска положений тяжелых атомов в тяжелоатомных производных кристаллов макромолекул [13] и в прямых методах расчета фаз для кристаллов вирусных частиц [29].

Эволюционный алгоритм использует принцип естественного отбора для нахождения оптимальных решений. Вначале генерируется набор случайных решений, задающих одновременно и ориентацию и положение модели в элементарной ячейке. Затем рассчитываются структурные факторы F

m для каждого решения и производится отбор лучших решений исходя из коэффициента линейной корреляции [26].

Отобранные решения сохраняются и используются для создания нового набора с тем же количеством элементов, что и в предыдущем. Недостающие элементы нового набора получают, внося в ориентации и положения отобранных решений случайные изменения в соответствии с нормальным распределением. Таким образом, плотность распределения элементов нового набора уже не будет равномерной, а будет иметь максимумы в окрестностях отобранных решений. Затем снова происходит расчет структурных факторов F

m, отбор лучших решений, создание следующего набора, и так далее, пока не будет получено решение с некоторым оптимальным значением коэффициента линейной корреляции. На последней стадии, для лучшего отобранного решения проводится оптимизация ориентации и положения модели как твердого тела по методу сопряженных градиентов [33].

Скорость 6-мерного поиска с использованием эволюционного алгоритма значительно увеличивается за счет применения метода непрерывных преобразований структурных факторов [14, 26]. В этом методе структурные факторы рассчитываются один раз с помощью быстрого преобразования Фурье (FFT) для модели, помещенной в начало координат искусственной ячейки симметрии P1. В ходе 6-мерного поиска, изменение ориентации модели учитывается путем ортогональных преобразований индексов обратной решетки и использования линейной интерполяции в обратном пространстве. Изменение положения модели учитывается применением соответствующих фазовых сдвигов. При этом, принимаются во внимание вклады всех симметрически связанных молекул.

Страницы: 1 2


Назовите по два – три известных вам растений флоры вашего района
А) анемофильных (Сосна горная) и энтомофильных (Голубой квандог);Б) анемохорных (Тополь бальзамический), зоохорных (Лапортея шелковицевая), гидрохорных (Кокосовая пальма), Автохорных (Слива домашняя);В)Способных к вегетативному размножению: корневыми отпрысками (Боярышник мелколистный), естественными отводками (арония черноплодная), плет ...

Активность ФМСФ-ингибируемой карбоксипептидазы в тканях крыс в норме и при действии психолептиков. Распределение активности ФМСФ-ингибируемой карбоксипептидазы в тканях интактных крыс
Полученные данные о распределении активности ФМСФ-ингибируемой КП представлены в таблице 5. Таблица 5. Активность ФМСФ-ингибируемой КП у интактных животных (нмоль продукта, образовавшегося за 1 мин инкубации на 1 мг белка, М ± m, n = 7-8) Отделы мозга, органы ФМСФ – ингибируемая КП, M±m Гипофиз 0,44±0,05 Гипоталамус ...

Аэробное дыхание. Дыхательная цепь
При аэробном дыхании в качестве конечного акцептора электронов используется молекулярный кислород. Аэробное дыхание характерно для большинства животных и растений и широко распространено в мире прокариот. На первом его этапе основной субстрат дыхания – восстановленный NAD – образуется в результате катаболизма сахаров, органических кисло ...