小树宽的计算蛋白质设计实例：基于粗粒度近似三维平均位置体积的选择
计算工程、金融与科学
2019-09-05 v1 生物物理
生物大分子
摘要
本文提出了根据文献[1]的模型与 Simononcini 等人[2]定义的协议所构造的小树宽图分解计算蛋白质设计 CFN 实例。基准测试中使用的蛋白质选自 PDB（并非基于其生物学意义），以探索基于树宽分解的全局搜索方法的效率。这些实例比文献[2]中先前提出的实例更大，具有一个骨架松弛与俗称 Beta November 2016 Rosetta 力场[3]。该基准包含 21 个以低序列一致性水平（40%）筛选的蛋白质。这些实例通过应用按氨基酸（即按 CFN 变量）递减的平均粗体积占用过滤器，基于三维准则筛选。实例特征（见表 1）包含从 130 到 n = 282 个变量，最大域大小从 383 到 438，以及 1706 到 6208 个代价函数。最小填充树宽范围为 21 到 68，归一化树宽范围为 0.16 到 0.34。这些实例已用于 UDGVNS 搜索算法[4]的基准测试。该方法适用于评估利用图分解概念的搜索方法。
引用
@article{arxiv.1909.01803,
title = {Computation Protein Design instances with small tree-width: selection based on coarse approximated 3D average position volume},
author = {David Allouche},
journal= {arXiv preprint arXiv:1909.01803},
year = {2019}
}