位于甲型流感病毒包膜下的基质蛋白M1(Matrix protein 1,M1),可以与病毒包膜上的血凝素、神经氨酸酶和病毒遗传物质发生相互作用,在病毒生命周期的许多阶段起着关键作用。在病毒进入宿主细胞和出芽的过程中,M1多聚体的稳定性受到细胞环...位于甲型流感病毒包膜下的基质蛋白M1(Matrix protein 1,M1),可以与病毒包膜上的血凝素、神经氨酸酶和病毒遗传物质发生相互作用,在病毒生命周期的许多阶段起着关键作用。在病毒进入宿主细胞和出芽的过程中,M1多聚体的稳定性受到细胞环境的严格调控。因此,揭示基质蛋白寡聚体的热力学特征及其稳定性的主要贡献因素,对于设计以基质蛋白为靶向的抗流感药物具有重要意义。本文基于流感病毒在进入宿主细胞过程中所经历的环境条件,通过标准分子动力学、拉伸模拟和伞形采样模拟,研究不同pH条件下M1二聚体的热力学性质及其稳定性。结果表明,酸性环境对M1二聚体的热力学稳定性和解离过程有显著影响,二聚体接触面上酸性残基的质子化能够降低其结合能。这些发现揭示了流感病毒在感染过程中环境因素对基质蛋白组装调控的分子机制。展开更多
聚类技术是数据挖掘中的一个重要方法,PAM(Partitioning Around Medoids)是基于分区的聚类算法的一种,它试图将n个数据对象分成k个部分。在并行粒子群PSO(Particle Swarm Optimization)算法中,需要划分整个种群为几个相互不重叠的子种...聚类技术是数据挖掘中的一个重要方法,PAM(Partitioning Around Medoids)是基于分区的聚类算法的一种,它试图将n个数据对象分成k个部分。在并行粒子群PSO(Particle Swarm Optimization)算法中,需要划分整个种群为几个相互不重叠的子种群。因此,引入PAM来划分整个种群。通过聚类,相同子种群的粒子相对集中,从而能够较容易地相互学习。这使得有限的时间能够花费在最有效的搜索上,以便提高算法的搜索效率。为了均匀地探测整个解空间,引入均匀设计来产生初始种群,使种群成员均匀地分散在可行解空间中。进化过程中,均匀设计也被引入来替换种群中的较差个体。提出基于PAM和均匀设计的并行粒子群算法,它结合并充分利用了二者的优点。对几个测试问题的实验结果证明,提出的算法比传统的并行粒子群算法具有更高的性能和更好的收敛准确性。展开更多
文摘位于甲型流感病毒包膜下的基质蛋白M1(Matrix protein 1,M1),可以与病毒包膜上的血凝素、神经氨酸酶和病毒遗传物质发生相互作用,在病毒生命周期的许多阶段起着关键作用。在病毒进入宿主细胞和出芽的过程中,M1多聚体的稳定性受到细胞环境的严格调控。因此,揭示基质蛋白寡聚体的热力学特征及其稳定性的主要贡献因素,对于设计以基质蛋白为靶向的抗流感药物具有重要意义。本文基于流感病毒在进入宿主细胞过程中所经历的环境条件,通过标准分子动力学、拉伸模拟和伞形采样模拟,研究不同pH条件下M1二聚体的热力学性质及其稳定性。结果表明,酸性环境对M1二聚体的热力学稳定性和解离过程有显著影响,二聚体接触面上酸性残基的质子化能够降低其结合能。这些发现揭示了流感病毒在感染过程中环境因素对基质蛋白组装调控的分子机制。
文摘聚类技术是数据挖掘中的一个重要方法,PAM(Partitioning Around Medoids)是基于分区的聚类算法的一种,它试图将n个数据对象分成k个部分。在并行粒子群PSO(Particle Swarm Optimization)算法中,需要划分整个种群为几个相互不重叠的子种群。因此,引入PAM来划分整个种群。通过聚类,相同子种群的粒子相对集中,从而能够较容易地相互学习。这使得有限的时间能够花费在最有效的搜索上,以便提高算法的搜索效率。为了均匀地探测整个解空间,引入均匀设计来产生初始种群,使种群成员均匀地分散在可行解空间中。进化过程中,均匀设计也被引入来替换种群中的较差个体。提出基于PAM和均匀设计的并行粒子群算法,它结合并充分利用了二者的优点。对几个测试问题的实验结果证明,提出的算法比传统的并行粒子群算法具有更高的性能和更好的收敛准确性。
