基于云計算的蛋白質折疊空間結構預測
電子技術應用
徐勝超，楊波，王宏杰，毛明揚，蔣金陵，蔣大銳
廣州華商學院 數據科學學院
摘要： 構建基于云計算的蛋白質折疊空間結構預測框架，通過數據云存儲設備獲取蛋白質序列原始數據，采用HDFS（Hadoop Distributed File System）分布式存儲方式保存于云端。資源和隊列管理器RQM（Resource Queue Management）開啟云端虛擬機后，以之作為掃描節點（Sensor Node， SN），SN基于二維AB非格點模型建立最小蛋白質分子能量優化函數，采用局部搜索機制改進的量子遺傳算法對其作優化求解。利用云端GPU設備處理模型訓練數據，即可實現蛋白質折疊空間結構的自動化預測。實驗結果表明：蛋白質序列能量勢函數計算結果更小、執行效率更高、GDT-TS（Geothermal Development and Testing Tool Suite）評價指標值更大。
中圖分類號：TP393.4 文獻標志碼：A DOI: 10.16157/j.issn.0258-7998.244973
中文引用格式： 徐勝超，楊波，王宏杰，等. 基于云計算的蛋白質折疊空間結構預測[J]. 電子技術應用，2024，50(8)：10-16.
英文引用格式： Xu Shengchao，Yang Bo，Wang Hongjie，et al. Cloud computing based spatial structure prediction of protein folding[J]. Application of Electronic Technique，2024，50(8)：10-16.
中文引用格式： 徐勝超，楊波，王宏杰，等. 基于云計算的蛋白質折疊空間結構預測[J]. 電子技術應用，2024，50(8)：10-16.
英文引用格式： Xu Shengchao，Yang Bo，Wang Hongjie，et al. Cloud computing based spatial structure prediction of protein folding[J]. Application of Electronic Technique，2024，50(8)：10-16.
Cloud computing based spatial structure prediction of protein folding
Xu Shengchao，Yang Bo，Wang Hongjie，Mao Mingyang，Jiang Jinling，Jiang Darui
School of Data Science， Guangzhou Huashang College
Abstract： A prediction framework for the spatial structure of protein folding based on cloud computing is proposed and implemented. The original data of protein sequence is obtained through the data cloud storage unit and stored in the cloud using the HDFS distributed storage mode. After the resource and queue manager RQM (Requirements Quality Management) starts the cloud virtual machine, it is used as the Sensor Node which establishes the minimum protein molecular energy optimization function based on two-dimensional AB non-lattice model. The quantum genetic algorithm is adopted for local search mechanism to optimize its solution. The cloud GPU equipment is used to process the model training data to complete the automatic prediction of the spatial structure of protein folding. The experimental results show that the proposed approach can achieve the smaller calculation result of protein sequence energy potential function, the higher execution efficiency, and the higher GDT-TS (Geothermal Development and Testing Tool Suite) evaluation index value.
Key words : cloud computing；protein folding；spatial structure prediction；HDFS distributed storage；local search mechanism；quantum genetic algorithm
引言
蛋白質定義為由共價鍵實現若干種氨基酸相連的多肽鏈，是生命活動不可缺少的重要物質[1-2]，因其高度參與，方使生命體具有活性[3]。分析蛋白質結構與功能對揭秘生物生命奧秘具有極其顯著的研究意義[4-6]。
蛋白質分子具有較高的復雜度，直接通過能量函數確定蛋白質分子能量與結構的關系描述難以實現[7]，因此，各種優化算法應運而生。謝騰宇等人[8]為了準確確定蛋白質折疊空間結構，設計了兩步構象空間搜索框架，該方法雖具有較好的局部搜索性能，但數據處理量很高，難以取得突出的數據處理效率。包晨等人[9]構建的多尺度卷積和循環神經網絡預測模型能夠充分捕獲氨基酸序列局部以及長程特征信息，將其作為多層雙向長短期記憶網絡的輸入，實現蛋白質折疊空間結構的確定。徐勝超[10]提出基于云計算的蛋白質折疊模擬計算，研究了PERM算法的運行流程和面向MapReduce的子任務劃分方式。上述方法在蛋白質折疊空間結構預測上是可行的，但受優化算法以及網絡訓練參數量的影響，使得蛋白質折疊空間結構預測計算量較高，面對龐大規模的數據處理量，如何提高算法執行效率成為當下急需解決的問題。
云計算技術采用虛擬化技術，能高效地聚集多個物理節點并行化方式實現大規模數據的高效處理，在高性能科學計算領域得到了廣泛的認可[11-12]。因此，本文提出基于云計算的蛋白質折疊空間結構預測方法，本文云計算平臺的軟件在版本上比文獻[10]已經提高了很多，在精準獲取蛋白質構象的同時提高算法的運行效率。
本文詳細內容請下載：
http://www.cowatch.cn/resource/share/2000006114
作者信息：
徐勝超，楊波，王宏杰，毛明揚，蔣金陵，蔣大銳
（廣州華商學院 數據科學學院，廣東 廣州 511300）
此內容為AET網站原創，未經授權禁止轉載。