导读:本文包含了螺旋结构预测论文开题报告文献综述及选题提纲参考文献，主要关键词:非均匀螺旋角铣刀,再生因子,切削力,增强摄动同伦法(EMHPM)
螺旋结构预测论文文献综述
张明阳,郭强,冯聪慧[1]（2019）在《非均匀螺旋角铣刀的结构分析和稳定性预测》一文中研究指出高速铣削加工中,传统均匀螺旋角刀具不能有效抑制铣削过程中的再生颤振,但非均匀螺旋角铣刀却可以解决此类问题。本文通过分析各个铣削刃螺旋角和容屑角的空间结构关系,并结合"再生因子"探究其与再生颤振之间的关系。确定非均匀螺旋角与容屑角之间的控制方程,并建立铣削动力学模型。通过增强摄动同伦法(EMHPM)计算出非均匀螺旋角铣削加工过程中的稳定性叶瓣图。采用试验验证非均匀螺旋角刀具的有效性,利用本文方法与全变量插值法进行比较(对比试验1);利用均匀螺旋角刀具模型与非均匀螺旋角刀具模型进行比较(对比试验2)。试验结果表明,本文方法可以准确预测铣削稳定性,非均匀螺旋角可以有效提高铣削稳定性。(本文来源于《工具技术》期刊2019年05期）
肖峰[2]（2015）在《Alpha螺旋跨膜蛋白3D结构中的残基可接触性预测研究》一文中研究指出跨膜蛋白是一种横跨生物膜的并且永久依附在膜上的蛋白质,也就是说,跨膜蛋白从膜的一侧跨越通向膜的另一侧。跨膜蛋白有两种类型:Alpha螺旋跨膜蛋白和β折叠跨膜蛋白。这类嵌入膜的Alpha螺旋跨膜多面体的蛋白质构成生物体中大部分离子通道、转运通道和受体。在人类蛋白质组中,预计会有接近3000组Alpha螺旋跨膜蛋白,占据了所有人类蛋白质组总数的25%。在本研究中,我们主要集中在Alpha螺旋跨膜蛋白质,因为β折叠蛋白质结构数量很少,可能会导致统计学中“小样本”问题的出现。在这项研究中,我们主要集中解决Alpha螺旋跨膜蛋白研究中的两个问题:可接触性预测和蛋白质-蛋白质结合位点预测。对于蛋白质可接触性预测,我们提出了一个全新的基于序列信息的预测方法MemBrain-Rasa。该方法是将机器学习引擎和最新开发的结构片段相似引擎两部分结合起来预测可接触性。我们首先构建了本地的全面的可接触性数据库,用来进行基于序列信息的结构片段相似性搜索。基于同源结构片段的预测结果再按照设计好的知识规则和支持向量回归的预测结果进行融合得到最终的输出结果。我们的研究结果表明,MemBrain-Rasa的预测结果的相关系数为0.733,平均绝对误差为13.953,比现存的方法分别提高26.4%和26.1%。MemBrain-Rasa代表了Alpha螺旋跨膜蛋白结构建模的最新进展,本软件的访问地址为www.csbio.sjtu.edu.cn/bioinf/MemBrain/。对于结合位点的预测,我们提出了仅基于序列信息并且利用机器学习的方法预测蛋白质-蛋白质结合位点。我们将位置特异性打分矩阵、保守分数、Z坐标、二级结构、物理参数和序列长度作为特征训练支持向量回归模型预测可接触性。然后结合上述特征,我们使用集成支持向量机的方法预测结合位点。尽我们所知,没有任何方法可以用来预测全序列长度的结合位点。研究结果表明,我们的方法优于曾经成功应用在蛋白质-配体预测的MAdaBoost算法和随机森林算法。(本文来源于《上海交通大学》期刊2015-01-01）
吴宏杰,吕强,权丽君,陈荣,陈沙沙[3]（2013）在《GPCR跨膜螺旋的结构拓扑建模及其预测方法》一文中研究指出7个α跨膜螺旋组成的螺旋束是G蛋白偶联受体的最主要拓扑特征,其叁维结构的预测精度直接影响完整受体的叁维结构预测、配体对接及功能分析的准确性.近期许多研究小组提出了各种方法,同时也遇到了一个共同的问题:采样时难以在7个跨膜螺旋结构的保守性与局部多样性之间获得平衡,其实质是未将两者统一到一个系统模型中.文中针对跨膜螺旋的空间结构特点,建立了兼顾保守性与多样性的结构拓扑模型,并利用该模型形成了4阶段的结构优化方法,试图获得采样广度与深度的平衡.同时,引入基于结构拓扑的能量项与约束,起到了优化评判标准和剪裁采样空间的作用,有效地预测了跨膜螺旋的叁维结构.使用文中方法展开了3组验证实验,用8个已解构的目标分别与GPCRDOCK2010的参赛结果、知名结构预测工具Swiss和MODELLER进行了比较.与Swiss的比较中,文中方法有5个目标获得了更优的叁维螺旋结构;与单模板、多模板的MODELLER的比较中,文中方法分别在6个目标与7个目标上取得了优势.(本文来源于《计算机学报》期刊2013年10期）
张莹,徐晓燕,李娟,方慧生[4]（2012）在《α-螺旋跨膜蛋白拓扑结构预测方法的评价》一文中研究指出在基因组数据中,有20%～30%的产物被预测为跨膜蛋白,本文通过对膜蛋白拓扑结构预测方法进行分析,并评价其结果,为选择更合适的拓扑结构预测方法预测膜蛋白结构。通过对目前已有的拓扑结构预测方法的评价分析,可以为我们在实际工作中提供重要的参考。比如对一个未知拓扑结构的跨膜蛋白序列,我们可以先进行是否含有信号肽的预测,参考Polyphobius和SignalP两种方法,若两种方法预测结果不一致,综合上述对两种方法的评价,Polyphobius预测的综合能力较好,可取其预测的结果,一旦确定含有信号肽,则N端必然位于膜外侧。然后结合序列的长度,判断蛋白是单跨膜还是多重跨膜,即可参照上述评价结果,选择合适的拓扑结构预测方法进行预测。(本文来源于《生物信息学》期刊2012年04期）
于海瑛[5]（2012）在《膜蛋白跨膜螺旋结构预测研究》一文中研究指出近年的研究表明,某些膜蛋白结构或者功能的改变与人类疾病的产生有着密切的联系,相应受体膜蛋白也成为药物设计的重要靶点,因此分析膜蛋白的结构意义重大。传统生物学实验测定膜蛋白结构的方法,存在着测定过程复杂,实验周期长等缺点,因此利用模式识别技术来预测膜蛋白结构成为一个非常有效的手段。本文研究膜蛋白跨膜螺旋预测：使用自组织映射网络(SOM)对训练集样本进行学习,以消除样本噪声并得到样本的分布特性；学习得到的样本的分布特性编码在SOM的权向量中,并作为优化后的训练样本。在预测阶段,采用K近邻(KNN)和支持向量机,首先计算出膜蛋白序列中每个氨基酸属于跨膜的概率,然后使用动态阈值分割技术得到膜蛋白的跨膜段。在两个标准数据集上的交叉验证实验结果表明：使用SOM进行样本的预处理可以显着提升预测的速度,并在一定程度上提升预测精度。与THUMBUP、HMMTOP、SOSUI、DAS-Tmfilter、TOP-PRED、TMHMM、PHOBIUS、MemBrain八种常见跨膜螺旋预测方法的比较结果表明,本文所述方法的总体预测精度高于前7种,而略低于MemBrain,表明了本文方法的有效性。(本文来源于《南京理工大学》期刊2012-01-01）
杨洪乾,郭城,方慧生[6]（2010）在《α-螺旋跨膜蛋白结构预测的研究进展》一文中研究指出在基因组数据中,有20%～30%的产物被预测为跨膜蛋白,但由于实验测定的困难,在PDB数据库中只有1%左右的跨膜蛋白结构。跨膜蛋白结构的缺乏,以及跨膜蛋白重要的生理功能,使得通过计算生物学的方法来获得新的结构显得尤为重要。这些方法主要涉及的内容有:膜蛋白跨膜片段和拓扑结构的预测分析,同源模建,从头预测等。在对前者的预测中,目前的预测方法都具有很好的预测精度,主要难点集中在后两者中。文章综述了近些年来跨膜蛋白结构预测的研究进展,并对目前流行的方法进行了介绍。(本文来源于《药物生物技术》期刊2010年05期）
彭旭东,李纪云,盛颂恩,尹晓妮,白少先[7]（2007）在《表面粗糙度对螺旋槽干式气体端面密封性能预测与结构优化的影响》一文中研究指出将螺旋槽干式气体端面密封(S-DGS)的粗糙表面分成软环端表面、硬环端面开槽底面与非开槽表面3个区域,建立粗糙表面S-DGS性能的有限元分析理论模型,采用该模型研究3个区域表面粗糙度对S-DGS性能参数和端面几何结构参数优化的影响.结果表明:在相同工况和表面综合均方根差的条件下,粗糙表面S-DGS的开启力、气膜刚度和摩擦扭矩均大于光滑表面S-DGS,而泄漏量较小;在有关标准范围之内,硬环端面槽底面和软环端面的表面粗糙度对S-DGS的性能参数预测值产生较大影响,而硬环端面表面粗糙度的影响可以忽略;表面粗糙度对S-DGS端面几何结构参数的优化值没有影响.研究结果对S-DGS性能的正确预测和结构优化设计以及密封的修复工作具有重要的指导意义.(本文来源于《摩擦学学报》期刊2007年06期）
李伍举,吴加金[8]（1996）在《基于螺旋区随机堆积的RNA二级结构预测》一文中研究指出提出了基于螺旋区随机堆积的ＲＮＡ二级结构预测算法，包括叁个步骤：１．根据螺旋区定义，找出所有可能螺旋区；２进行螺旋区随机堆积，形成一定数目的ＲＮＡ二级结构；３．统计处理，推测ＲＮＡ可能折迭方式。最后以酵母Ｐｈｅ－ｔＲＮＡ为例来说明方法的可行性。(本文来源于《生物物理学报》期刊1996年02期）
肖军,吴季辉,施蕴渝[9]（1994）在《杀菌肽及膜蛋白螺旋结构预测》一文中研究指出杀菌肽是昆虫免疫系统的能够杀死细菌的一类重要的多肽。实验方法测蛋白质的二级结构很困难，汇集已有的八种预测螺旋结构的方法，通过计算机实现，对比杀菌肽、光合反应中心的预测结果和实验结果，推测了杀菌肽的作用机理．(本文来源于《生物物理学报》期刊1994年02期）
尹玉英[10]（1991）在《螺旋结构与旋光性 4.螺旋理论对旋光度大小的预测》一文中研究指出本文分析了影响旋光度的各种因素,并列举了各类型的大量化合物的旋光数据,证明螺旋理论可以预测旋光度大小。(本文来源于《化学研究与应用》期刊1991年04期）
螺旋结构预测论文开题报告
（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：
跨膜蛋白是一种横跨生物膜的并且永久依附在膜上的蛋白质,也就是说,跨膜蛋白从膜的一侧跨越通向膜的另一侧。跨膜蛋白有两种类型:Alpha螺旋跨膜蛋白和β折叠跨膜蛋白。这类嵌入膜的Alpha螺旋跨膜多面体的蛋白质构成生物体中大部分离子通道、转运通道和受体。在人类蛋白质组中,预计会有接近3000组Alpha螺旋跨膜蛋白,占据了所有人类蛋白质组总数的25%。在本研究中,我们主要集中在Alpha螺旋跨膜蛋白质,因为β折叠蛋白质结构数量很少,可能会导致统计学中“小样本”问题的出现。在这项研究中,我们主要集中解决Alpha螺旋跨膜蛋白研究中的两个问题:可接触性预测和蛋白质-蛋白质结合位点预测。对于蛋白质可接触性预测,我们提出了一个全新的基于序列信息的预测方法MemBrain-Rasa。该方法是将机器学习引擎和最新开发的结构片段相似引擎两部分结合起来预测可接触性。我们首先构建了本地的全面的可接触性数据库,用来进行基于序列信息的结构片段相似性搜索。基于同源结构片段的预测结果再按照设计好的知识规则和支持向量回归的预测结果进行融合得到最终的输出结果。我们的研究结果表明,MemBrain-Rasa的预测结果的相关系数为0.733,平均绝对误差为13.953,比现存的方法分别提高26.4%和26.1%。MemBrain-Rasa代表了Alpha螺旋跨膜蛋白结构建模的最新进展,本软件的访问地址为www.csbio.sjtu.edu.cn/bioinf/MemBrain/。对于结合位点的预测,我们提出了仅基于序列信息并且利用机器学习的方法预测蛋白质-蛋白质结合位点。我们将位置特异性打分矩阵、保守分数、Z坐标、二级结构、物理参数和序列长度作为特征训练支持向量回归模型预测可接触性。然后结合上述特征,我们使用集成支持向量机的方法预测结合位点。尽我们所知,没有任何方法可以用来预测全序列长度的结合位点。研究结果表明,我们的方法优于曾经成功应用在蛋白质-配体预测的MAdaBoost算法和随机森林算法。
（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。
螺旋结构预测论文参考文献
[1].张明阳,郭强,冯聪慧.非均匀螺旋角铣刀的结构分析和稳定性预测[J].工具技术.2019
[2].肖峰.Alpha螺旋跨膜蛋白3D结构中的残基可接触性预测研究[D].上海交通大学.2015
[3].吴宏杰,吕强,权丽君,陈荣,陈沙沙.GPCR跨膜螺旋的结构拓扑建模及其预测方法[J].计算机学报.2013
[4].张莹,徐晓燕,李娟,方慧生.α-螺旋跨膜蛋白拓扑结构预测方法的评价[J].生物信息学.2012
[5].于海瑛.膜蛋白跨膜螺旋结构预测研究[D].南京理工大学.2012
[6].杨洪乾,郭城,方慧生.α-螺旋跨膜蛋白结构预测的研究进展[J].药物生物技术.2010
[7].彭旭东,李纪云,盛颂恩,尹晓妮,白少先.表面粗糙度对螺旋槽干式气体端面密封性能预测与结构优化的影响[J].摩擦学学报.2007
[8].李伍举,吴加金.基于螺旋区随机堆积的RNA二级结构预测[J].生物物理学报.1996
[9].肖军,吴季辉,施蕴渝.杀菌肽及膜蛋白螺旋结构预测[J].生物物理学报.1994
[10].尹玉英.螺旋结构与旋光性4.螺旋理论对旋光度大小的预测[J].化学研究与应用.1991
标签：非均匀螺旋角铣刀; 再生因子; 切削力; 增强摄动同伦法(EMHPM);