Towards Reliable Automatic Protein Structure Alignment
结构相似性计算方法有多种，称为结构对齐或结构叠加。现有的结构对齐算法的一个主要缺点是基于局部结构相似性的固有设计。在这项工作中，我们提出了一种方法，将全球信息在获得最佳的路线和叠加。我们的方法，当应用于优化TM分数和GDT分数，产生显着更好的结果比目前国家的最先进的蛋白质结构比对工具。具体来说，如果TMalign发现的最高TM分数低于（0.6），而其中一种测试方法发现的最高TM分数高于（0.5），则TMalign无法找到高于（0.5）的TM分数的概率为（42%），而如果使用我们的方法，则相同的概率降低到（2%）。如果使用（0.5）的截止TM分数，这可以显著提高折叠检测的准确性。此外，现有的结构比对算法只关注结构相似性，而简单地忽略了其他重要的相似性，如序列相似性。我们的方法有能力将多个相似性的评分功能。结果表明，序列相似性有助于找到高质量的蛋白质结构比对，更一致的眼睛检查比对在HOMSTRAD。即使当结构相似性本身未能找到任何一致性与眼睛检查的路线，我们的方法仍然能够找到路线高度相似，甚至相同，眼睛检查的路线。
2013-07-30 q-bio.QM
From Protein Interactions to Functional Annotation: Graph Alignment in Herpes
序列比对形成了通过系统发育比较进行功能注释的许多方法的基础，但是在高序列差异和短基因长度的“黄昏”区域变得不可靠。在这里，我们进行了两个疱疹病毒，VZV和KSHV，与一个混合的方法称为图形对齐的跨物种比较。该方法是基于共同的蛋白质相互作用网络的相似性和序列相似性。在我们的比对中，我们发现开放阅读框的相互作用相似性与低水平的序列相似性一致，从而证实了进化关系。此外，我们发现高水平的开放阅读框之间的相互作用相似性，没有任何可检测的序列相似性。从该比对得到的功能预测与基因组位置和基因表达数据一致。
2007-07-09 q-bio.MN q-bio.QM
A Space-Efficient Approach towards Distantly Homologous Protein Similarity Searches
蛋白质相似性搜索是分子生物学家的一项常规工作，其中需要将氨基酸的查询序列与不断增长的蛋白质数据库进行比较和排名。该领域中所有可用的算法可以分为两类，要么通过动态规划使用序列比对来解决问题，要么采用某些启发式措施来进行初始筛选，然后将最佳序列比对算法应用于最接近的匹配候选者。虽然第一种方法具有巨大的时间和空间需求，但后一种方法可能会错过一些与查询序列远相关的蛋白质序列。在本文中，我们提出了一个启发式的成对序列比对算法，可以有效地用于蛋白质数据库搜索中等规模的数据库。所提出的算法是足够快，适用于短查询序列的数据库搜索，具有恒定的辅助空间的要求，产生良好的对齐，是足够敏感的，甚至远相关的蛋白质链，可能感兴趣的返回。
2015-08-25 cs.CE q-bio.QM
CLePAPS: Fast Pair Alignment of Protein Structures Based on Conformational Letters
快速、高效、可靠的蛋白质结构两两比对算法在分析快速增长的蛋白质结构数据中的需求越来越大。CLePAPS是为此目的开发的工具。它区别于其他现有的算法通过使用构象字母，这是离散状态的3D片段结构状态。字母对应于由四个连续残基的C_alpha假键形成的三个角的组合的簇。一个名为CLESUM的替代矩阵可用于测量任何两个此类字母之间的相似性。CLePAPS将对齐片段对（AFP）视为具有高的成对CLESUM分数之和的无帽字符串对。使用CLESUM分数作为相似性度量，CLePAPS通过简单的字符串比较来搜索AFP。最好地叠加高度相似的AFP的变换可以用于在比较中对结构对进行分类。与几种其他AFP一致的高评分AFP确定初始比对。然后，CLePAPS加入一致的AFP，由它们的相似性分数指导，通过几个“放大”迭代步骤来扩展比对。后续的细化产生最终的对齐。CLePAPS不实现动态编程。在各种蛋白质结构对上测试CLePAPS的效用。
2007-10-31 q-bio.QM
A statistical physics perspective on alignment-independent protein sequence comparison
在生物信息学中，氨基酸序列的文本比对长期以来一直主导着蛋白质之间相似性的确定，所有这些都意味着共享的结构，功能和进化血统。尽管现代序列比对算法相对成功，但所谓的无重复比对方法提供了确定和表达相似性的补充手段，在某些关键应用中具有潜在益处，例如蛋白质结构-功能研究的回归分析，其中重复碱基相似性表现不佳。在这里，我们提供了一个新的，基于统计物理学的角度，专注于无干扰比较的问题，在这个过程中，从“第一次通过概率分布”的结果，总结总体平均氨基酸倾向值的统计。在这篇文章中，我们介绍和阐述这种方法。
2016-02-09 q-bio.BM q-bio.QM
Toward the regularization of E value from BLAST similarity search into a dissimilarity measure as distance function, and the metrication of protein sequence space
本文探讨了将BLAST相似性搜索中的E值正则化为差异度测量的方法，以改进跨比较和数据库应用中的序列比对和子集选择。
2026-06-29 q-bio.BM q-bio.QM
Hashing for Protein Structure Similarity Search
National Key Laboratory for Novel Software Technology（计算机软件新技术国家重点实验室）；Department of Computer Science and Technology（计算机科学与技术学院）；Nanjing University（南京大学）
针对蛋白质结构相似性搜索中实值向量方法成本高且精度不足的问题，提出蛋白质结构哈希方法POSH，通过学习二值向量表示并引入人工特征与结构编码器建模节点边交互，实现了更高的搜索准确率，同时内存节省超六倍、速度提升超四倍。
2024-11-13 cs.AI cs.LG q-bio.QM
ChemBoost: A chemical language based approach for protein-ligand binding affinity prediction
Boğaziçi University（博阿齐奇大学）；F. Hoffmann-La Roche AG（F.霍夫曼-拉罗切股份公司）
高亲和力药物-靶标相互作用的鉴定是药物发现中的主要研究问题。蛋白质通常由其结构或序列表示。然而，结构仅适用于一小部分生物分子，并且序列相似性并不总是与功能相似性相关。我们提出了ChemBoost，一种基于化学语言的方法，使用SMILES语法进行亲和力预测。我们假设SMILES是一种编码语言，配体是由化学词组成的文档。这些文档可用于学习化学词向量，这些化学词向量表示具有相似向量的相似上下文中的词。在ChemBoost中，配体通过化学词嵌入表示，而蛋白质通过其配体的基于序列的特征和/或化学词表示。我们的目标是将SMILES中的模式作为一种语言来处理，以预测蛋白质-配体亲和力，即使我们无法从序列中推断出功能。我们使用eXtreme梯度提升来预测KIBA和BindingDB数据集中的蛋白质-配体亲和力。ChemBoost能够预测药物-靶标结合亲和力，以及或优于最先进的机器学习系统。当使用以配体为中心的表示时，ChemBoost对蛋白质序列相似性的变化更鲁棒，并成功捕获了蛋白质和配体之间的相互作用，即使蛋白质与配体的已知靶点具有较低的序列相似性。
2020-12-18 cs.LG q-bio.QM stat.ML
A new protein binding pocket similarity measure based on comparison of 3D atom clouds: application to ligand prediction
动机：预测已知蛋白质的配体对于理解蛋白质的结构-功能关系、预测分子功能或设计新的药物具有重要意义。结果：我们探索了一种新的配体预测方法，其中结合口袋由原子云表示。将每个靶口袋与已知配体的口袋的集合进行比较。口袋在3D空间中对齐，进一步使用点云之间的卷积核。配体预测的新方法的性能相比，其他可用的措施和对接程序。我们讨论了两个标准来比较相似性度量的质量：ROC曲线下面积（AUC）和基于分类的分数。我们表明，后者更适合于评估配体预测的方法。我们对现有和新的基准测试的结果表明，新方法优于其他方法，包括对接。可用性：新方法可在http://cbio.ensmp.fr/paris/上获得联系人：mikhail. mines-paristech.fr
2009-07-09 q-bio.BM q-bio.QM stat.ML
Description and Recognition of Regular and Distorted Secondary Structures in Proteins Using the Automated Protein Structure Analysis Method
自动蛋白质结构分析（APSA）方法将蛋白质主链描述为三维空间中的平滑线，并通过曲率κ和扭转τ作为弧长s的函数来表征它，该方法应用于77种蛋白质以通过特定的κ和τ模式来确定所有二级结构单元。APSA共识别533个α螺旋和644个β链，而DSSP分别给出536和651个单位。量化扭结和扭曲，并对二级结构的边界（入口和出口）进行分类。蛋白质之间的相似性可以很容易地使用APSA定量，如蛋白质泛素和菠菜铁蛋白的卷结构所示。对所有α结构域的20 × 20比较表明，APSA产生的曲率-扭转模式为二级、超二级和三级蛋白质结构提供了准确和有意义的相似性测量。APSA被证明可以准确地反映骨架的构象，有效地将三维结构信息减少到易于解释和理解的二维表示。
2008-11-24 q-bio.BM q-bio.QM
Compression ratios based on the Universal Similarity Metric still yield protein distances far from CATH distances
Kolmogorov复杂性激发了几种基于压缩长度比较的无压缩距离度量，这些度量已成功应用于许多领域。其中一种测量方法，即所谓的通用相似性度量（USM），已被Krasnogor和Pelta用于比较简单的蛋白质接触图，表明它在四个小数据集上产生了良好的聚类。我们使用一个更大的和有代表性的蛋白质数据集：Sierk和Pearson使用的域数据集来评估七种蛋白质结构比较方法和两种蛋白质序列比较方法，报告了一个广泛的测试。一个结果是，Krasnogor-Pelta方法具有较低的域判别能力比任何一个方法考虑Sierk和Pearson时，使用这些简单的接触地图。在另一个测试中，我们发现基于USM的距离与Sierk和Pearson的相同基准的CATH树结构具有较低的一致性。在任何情况下，它的协议是低于一个标准的顺序比对方法，SNOW。最后，我们手动找到了数据库中许多小的子集，这些子集使用Sort比USM更好地聚类，以证实Krasnogor-Pelta的结论是基于太小的数据集。
2006-10-20 cs.CE physics.data-an q-bio.OT
The effectiveness of position- and composition-specific gap costs for protein similarity searches
隐马尔可夫模型（Hidden Markov Models，HRM）在空位代价上的灵活性有望使其比位置特异性评分矩阵（Position-Specific Scoring Matrix，PSSM）具有更好的检索精度。我们试图通过分别检查位置和组成特定间隙分数的影响，以及将使用迭代程序构建的PSSM的检索准确性与Pfam和SUPERFAMILY提供的隐马尔可夫模型的检索准确性进行比较，来量化更一般间隙参数的影响。多重比对的策划集合。我们发现，位置特定的差距处罚有一个优势，统一的差距成本。我们没有探索优化每个查询的不同均匀间隙成本。对于Pfam，从基于HMM共有序列的种子迭代构建的PSSM与调整为具有恒定间隙转移概率的Hacks表现相当，尽管具有大得多的方差。我们没有观察到组合特定的差距成本检索性能的影响。
2008-01-16 q-bio.BM q-bio.QM
Global alignment of protein-protein interaction networks by graph matching methods
排列不同物种的蛋白质-蛋白质相互作用（PPI）网络最近引起了相当大的兴趣。这个问题对于研究物种间进化保守的途径或蛋白质复合物，以及通过检测保守的相互作用来帮助鉴定功能性直系同源物是重要的。然而，这是一个困难的组合问题，只有启发式方法已提出到目前为止。我们重新制定的PPI对齐作为一个图形匹配问题，并研究如何国家的最先进的图形匹配算法可以用于此目的。我们区分两个比对问题，这取决于是否严格限制蛋白质匹配，基于序列相似性，或者目标是找到一个最佳的折衷序列相似性和相互作用之间的保守性的比对。我们提出了新的方法，这两种情况下，并评估其性能的酵母和苍蝇PPI网络的对齐。新方法始终优于最先进的算法，特别是在给定的序列相似性水平下，检索比IsoRank多78%的保守相互作用。可用性：http：//cbio.ensmp.fr/proj/graphm\_graphm/，可根据要求提供其他数据和代码。联系人：jean-philippe. mines-paristech.fr
2009-05-07 math.CO math.OC q-bio.MN
Towards Structural Classification of Proteins based on Contact Map Overlap
已经提出了许多措施来量化蛋白质3-D结构之间的相似性。在这些措施中，接触图重叠（CMO）最大化值得持续关注，在过去的十年中，因为它提供了一个很好的估计蛋白质之间的天然同源性关系。尽管生物信息学和计算机科学界大量参与，但已知算法的性能仍然不高。由于问题的复杂性，它们只适用于相对较小的实例，不适用于大规模的比较。本文在这方面提供了一个明显的改进，在过去的方法。我们提出了一个新的整数规划模型的CMO和提出了一个精确的B &B算法的边界计算解决拉格朗日松弛。该方法的效率证明了一个流行的小基准（Skolnick集，40域）。在这一组我们的算法显着优于现有的最好的精确算法，但提供了更好的质量的下限和上限。一些困难的CMO实例首次在合理的时间限制内得到解决。从运行时间和相对差距（上界和下界之间的相对差异）的值，我们获得了该测试的正确分类。这些令人鼓舞的结果使我们设计了一个更难的基准，以更好地评估我们的方法的分类能力。我们构建了一个大规模的300个蛋白质结构域（ASTRAL数据库的一个子集），我们称之为Proteus 300。使用的相对差距的任何44850对夫妇作为一个相似性度量，我们得到了一个非常好的协议与SCOP的分类。因此，我们的算法提供了一个强大的分类工具，大型结构数据库。
2007-11-27 q-bio.QM
Multitask Protein Function Prediction Through Task Dissimilarity
Università degli Studi di Milano（米兰大学）
自动蛋白质功能预测是一个具有挑战性的问题，具有鲜明的特点，如蛋白质功能的层次组织和大多数生物功能的注释蛋白质的稀缺性。我们提出了一个多任务学习算法解决这两个问题。不像标准的多任务算法，使用任务（蛋白质功能）相似性信息作为偏见，以加快学习，我们表明，相异性信息强制分离罕见的类标签从频繁的类标签，并因此更适合于解决不平衡的蛋白质功能预测问题。我们支持我们的主张，表明标签传播算法的多任务扩展经验最好的工作时，任务相关性信息表示使用相异性矩阵，而不是相似性矩阵。此外，在三种模式生物上进行的实验比较表明，我们的方法在“蛋白质为中心”和“功能为中心”的评估设置中具有更稳定的性能。
2016-11-03 cs.LG q-bio.QM stat.ML
Quasi-metrics, Similarities and Searches: aspects of geometry of protein datasets
准度量是满足三角不等式但不对称的距离函数：它可以被认为是非对称度量。本论文的中心结果，在第3章中发展，是一个自然的对应关系之间存在的生物（核苷酸或蛋白质）序列和准度量之间的相似性措施。第二章介绍了拟距离空间理论的基本概念，并介绍了一个新的例子：泛可数有理拟距离空间及其双完备性，泛双完备可分拟距离空间。第4章致力于发展具有Borel概率测度的拟度量空间或pq-空间的概念。本章的主要结果表明，“高维拟度量空间接近于度量空间”。第五章研究了数据库相似性搜索理论的几何方面。关于$pq$ -空间的结果被用来产生新的理论界的索引方案的性能。最后，本文介绍了一些生物应用。第6章介绍了FSIndex，这是一种索引方案，可以显著加速短蛋白质片段数据集的相似性搜索。第七章介绍了用于发现短功能蛋白质基序的系统PFMFind的原型，该系统依赖于FSIndex进行相似性搜索。
2008-10-30 cs.IR math.GN q-bio.QM
Prediction of residue-residue contacts from protein families using similarity kernels and least squares regularization
City University of Hong Kong（香港城市大学）
本文提出一种快速准确的残基-残基接触预测方法，利用正则化最小二乘法计算残基间的部分相关性，以提高预测精度。
2014-04-25 cs.NA math.NA q-bio.BM
Alignment of Protein-Protein Interaction Networks
PPI网络比对旨在发现不同物种网络之间的拓扑和功能相似性。已经提出了几种对齐方法。这些方法都依赖于不同的比对方法，并在比对过程中使用不同的生物信息，如网络的拓扑结构和蛋白质之间的序列相似性，但很少整合蛋白质之间的功能相似性。在这方面，我们提出了我们的算法PPINA（蛋白质相互作用网络对齐），这是一个扩展的NETAL算法。后者根据蛋白质的序列、功能和网络拓扑相似性对齐两个网络。PPINA已经在真实的PPI网络上进行了测试。结果表明，PPINA优于其他比对算法，它提供了生物学意义的结果。
2019-11-22 q-bio.MN q-bio.QM
On subset seeds for protein alignment
本文将文献[1]中提出的子集种子的概念应用于蛋白质序列的相似性搜索。研究的主要问题是设计有效的种子字母表，以构建具有最佳灵敏度/选择性权衡的种子。我们提出了几种不同的设计方法，并使用它们来构建几个字母。然后，我们对在这些字母表上构建的种子进行比较分析，并将它们与标准BLASTP播种方法[2]，[3]以及[4]中提出的矢量种子家族进行比较。虽然子集种子的形式主义比BLASTP和载体种子中使用的累积原理表达性更低（但实现成本更低），但我们的种子在与常见BL 0 SUM 62矩阵兼容的蛋白质的伯努利模型上显示出类似或甚至更好的性能。最后，我们对几个主要的蛋白质比对数据库进行了大规模的种子基准测试。在这里，结果再次显示了我们的种子与BLASTP相比相当或更好的性能。
2009-01-21 q-bio.QM
Using protein blocks to build custom fragment libraries from protein structures
本文提出利用蛋白质块（PBs）将三维结构编码为一维序列，结合PB-ALIGN和PB-kPRED工具及新评分函数，从非冗余结构数据库中高效构建覆盖超70%局部主链的高质量定制片段库。
2025-07-19 q-bio.QM
Graph identification of proteins in tomograms (GRIP-Tomo)
在这项研究中，我们提出了一种基于网络理论的模式挖掘方法，该方法能够从合成体积密度中识别蛋白质结构或复合物，而无需预先定义的模板或人类偏好的知识。我们假设蛋白质结构的拓扑连接性是不变的，并且它们对于从体积密度中呈现的扭曲数据中识别蛋白质的目的是独特的。从模拟层析体积的蛋白质或复合物的三维密度被转换成数学图形作为观测量。我们系统地引入了数据失真或缺陷，如缺失的丰满数据，翻滚效应和缺失的楔形效应到模拟体积中，并改变像素的距离截止值，以捕获存在缺陷的密度聚类质心之间的变化的连接性。通过比较它们的网络理论序参数（包括节点度、介数中心性和图密度）计算来自模拟体积的图和从点数据中的物理蛋白质结构转换的图之间的相似性得分。通过捕获定义网络的异质形态的基本拓扑特征，我们能够准确地识别蛋白质和同源多聚体复合物，从10个拓扑结构独特的样品，而没有添加现实的噪音。我们的方法通过提供具有可解释性的模式挖掘来增强断层图像处理的未来发展，从而能够对单结构域蛋白质的天然拓扑结构以及来自嘈杂体积内的多聚体复合物的不同单结构域蛋白质进行分类。
2022-10-15 q-bio.QM
Geometrical comparison of two protein structures using Wigner-D functions
在本文中，我们发展了一种定量比较两个任意蛋白质结构的方法。该方法使用均方根偏差（RMSD）表征，并采用Wigner-D函数对蛋白质形状函数进行一系列展开来定义一个新的标准，称为“相似性值”。我们进一步证明，与Wigner-D函数的帮助下获得的形状函数的展开系数对应于结构因子。我们的方法解决了比较两种具有不同原子数的蛋白质的常见问题。我们用一个工作的例子来说明它。
2013-11-29 physics.bio-ph q-bio.QM
An application of topological graph clustering to protein function prediction
我们使用一个半监督的学习算法的基础上的拓扑数据分析方法来分配功能类别的酵母蛋白质使用相似性图。这种分析生物网络的新方法产生的结果与现有技术方法一样好或更好。
2014-08-24 cs.CE cs.LG q-bio.QM
Integrating alignment-based and alignment-free sequence similarity measures for biological sequence classification
基于比对的序列相似性搜索虽然对某些类型的序列是准确的，但当用于更不同但功能相关的序列时，可能会产生不正确的结果，这些序列经历了在许多细菌和病毒基因组中观察到的序列重排。在这里，我们提出了一个分类模型，利用互补性的互补性为基础的和无互补性的相似性措施，旨在提高准确性的DNA和蛋白质序列的特点。我们的模型分类序列使用组合序列相似性得分计算自适应加权不同的序列相似性措施的贡献。权重独立地确定测试集中的每个序列，并反映训练集中个体相似性度量的区分能力。由于一些序列之间的相似性更准确地确定一种类型的措施，而不是另一种，我们的分类器允许不同的权重集与不同的序列。使用五种不同的相似性措施，我们表明，我们的模型显着提高了分类准确性，在目前的组合物和比对为基础的模型，预测分类谱系短病毒序列片段和完整的病毒序列。我们还表明，我们的模型可以有效地用于从一个真正的宏基因组数据集以及蛋白质序列的读段的分类。
2015-01-20 q-bio.GN q-bio.QM
Aligning graphs and finding substructures by a cavity approach
我们介绍了一个新的分布式算法对齐图或找到一个给定的图内的子结构。它是在腔方法的基础上发展起来的，用来研究随机图的最大团和图对齐问题。该算法允许分析大型图，并可能在计算生物学等领域中找到应用。作为一个概念的证明，我们使用我们的算法来对齐的相似性图的两个相互作用的蛋白质家族参与细菌信号转导，并预测实际上这些家庭之间的相互作用的蛋白质伴侣。
2010-04-01 cond-mat.stat-mech cs.DS q-bio.QM
Protein sequence classification using natural language processing techniques
University of Sussex（萨塞克斯大学）
本研究利用NLP技术进行蛋白质序列分类，比较多种机器学习与深度学习模型，发现投票分类器与ProtBERT性能最佳，并强调基于ECOD家族的划分对评估泛化能力至关重要。
2025-05-22 cs.LG q-bio.QM
Towards Solving the Inverse Protein Folding Problem
准确地分配不同蛋白质序列的折叠是结构研究的主要障碍，也是蛋白质折叠逆问题的基础。在此，我们概述了我们在序列相似性（<25%同一性）的“黄昏区”中的折叠识别理论。我们的分析表明，使用位置特异性评分矩阵（PSSMs）建立的结构序列谱显着优于多个流行的同源性建模算法，用于关联和预测结构，仅给出其氨基酸序列。重要的是，结构序列谱重建了对照和测试数据集中的SCOP折叠分类。从我们的实验结果表明，结构序列配置文件可以用来快速注释蛋白质折叠在蛋白质组学规模。我们建议将整个蛋白质数据库（~1070倍）编码成结构序列谱，将提取能够改进大多数（如果不是所有）结构建模方法的互操作信息。
2010-08-29 cs.SC q-bio.QM
PFMFind: a system for discovery of peptide homology and function
蛋白质片段基序搜索（PFMFind）是一种能够使用相似性搜索有效发现蛋白质序列的短片段之间的关系的系统。它支持基于得分矩阵和PSSM的查询，通过类似于PSI-BLAST的迭代过程获得。PSSM构造可以通过Python编写的插件进行自定义。PFMFind由GUI客户端、使用索引进行快速相似性搜索的算法和用于存储搜索结果和序列注释的关系数据库组成。它主要是用Python编写的。所有组件都使用TCP/IP套接字进行通信，并且可以位于不同的物理机器上。
2013-05-16 q-bio.GN q-bio.QM
Similarity of symbolic sequences
提出了一种新的符号序列的数值刻画。基于Ke和Tong算法的序列划分是本文的出发点。算法将原始序列分解为一组不同的连续性模式。两个符号序列（它们的交集）共同的连续性集合被提出作为它们之间相似性的度量。新的相似性度量适用于短（几十个字母）序列和非常长（数十万个字母）的序列。当应用于核苷酸或蛋白质序列时，可能有助于追踪物种可能的进化。作为说明，检查了几组核苷酸和氨基酸序列的相似性。
2011-09-07 physics.bio-ph q-bio.GN q-bio.QM
Effective and Efficient Similarity Index for Link Prediction of Complex Networks
对不完整网络（如蛋白质-蛋白质相互作用网络）或进化网络（如网络社会中的友谊网络）中非常可能但尚未存在的链接的预测可以被视为进一步实验的指导方针或对网络用户有价值的信息。在本文中，我们引入了一个局部路径指数来估计两个节点之间的链接存在的可能性。我们提出了一个在生成链接时密度和噪声强度可控的网络模型，并收集了六个真实网络的数据。大量的数值模拟模型的网络和真实的网络证明了高的有效性和效率的本地路径索引相比，两个著名的和广泛使用的索引，共同的邻居和Katz指数。事实上，本地路径索引提供了具有竞争力的准确预测的Katz指数，而需要更少的CPU时间和内存空间，因此，这是一个强大的候选人的潜在的实际应用中的数据挖掘的巨大规模的网络。
2009-08-26 physics.data-an physics.soc-ph q-bio.QM
Similarity-Detection and Localization
长DNA和蛋白质序列之间的相似性检测研究使用统计物理的概念。结果表明，只有当它们的量超过阈值时，才能通过序列比对方法检测到相互相似性。检测的开始是一个连续的相变，它可以被看作是一个局域化-离域过渡。对齐的"一致性“是该转换的序参量;它导致选择最佳对齐参数的标准。
1995-11-15 comp-gas cond-mat nlin.CG
Exploring Latent Space for Generating Peptide Analogs Using Protein Language Models
University of Cincinnati（辛辛那提大学）；University of Connecticut（康涅狄格大学）
针对传统肽生成方法依赖大量数据集的问题，提出利用自编码器结构模型探索蛋白质嵌入空间、结合蛋白质语言模型生成肽类似物的新方法，仅需单条目标序列，在多项相似性指标上优于基线，经TIGIT抑制剂验证可提升肽筛选效率。
2024-08-15 cs.AI cs.LG q-bio.QM
CLP-based protein fragment assembly
Univ. Parma（帕尔马大学）；Univ. Udine（乌迪内大学）；New Mexico State Univ.（新墨西哥州立大学）
本文研究了一种基于约束逻辑程序设计（CLP）的新方法，通过片段组装来预测蛋白质的三维构象。这些片段是由一个预处理器从已知蛋白质结构的数据库中提取的，该数据库也是为这项工作开发的，它根据相似性和频率对片段进行聚类和分类。将片段组装成完整构象的问题映射为约束求解问题，并使用CLP求解。基于约束的模型使用中等离散度的Ca-侧链质心蛋白质模型，该模型提供了空间填充的效率和良好的近似。该方法适用于现有的能量模型的蛋白质表示，并适用于一个大的邻居搜索策略。结果表明了该方法的可行性和有效性。解决方案的声明性质允许包括未来的扩展，例如，不同大小的碎片以获得更好的准确性。
2010-07-29 cs.AI cs.CE cs.PL
Fast and Interpretable Protein Substructure Alignment via Optimal Transport
Shanghai Jiao Tong University（上海交通大学）；University of Cambridge（剑桥大学）
本文提出PLASMA框架，通过最优传输解决蛋白质局部结构对齐问题，实现高效且可解释的残基级对齐，并通过实验验证其准确性与实用性。
2026-04-09 cs.AI cs.LG q-bio.QM
Multiple graph regularized protein domain ranking
King Abdullah University of Science and Technology (KAUST)（阿卜杜拉国王科技大学）；Qatar Computing Research Institute（卡塔尔计算研究所）
背景蛋白质结构域排序是结构生物学中的一项基本任务。大多数蛋白质结构域排序方法依赖于蛋白质结构域的成对比较，而忽略了蛋白质结构域数据库的全局流形结构。最近，已经提出了利用由成对相似性定义的图的全局结构的图正则化排名。然而，现有的图正则化排序方法对图模型和参数的选择非常敏感，这对于大多数蛋白质结构域排序方法来说仍然是一个难题。结果针对这一问题，提出了多图正则化排序算法MultiG- Rank. MultiG-Rank不是使用单个图来正则化排名分数，而是通过组合多个初始图进行正则化来近似蛋白质结构域分布的内在流形。图的权重学习与排名分数联合和自动，交替最小化的目标函数的迭代算法。在ASTRAL SCOP蛋白质结构域数据库的一个子集上的实验结果表明，MultiG-Rank比单图正则化排序方法和基于成对相似性的排序方法具有更好的排序性能。结论将多个图结合起来可以有效解决图正则化蛋白质结构域排序中的图模型和参数选择问题。这方面的推广引入了一个新的前沿应用多个图形解决蛋白质结构域排名的应用。
2013-04-21 cs.CE cs.IR cs.LG
