基于HNP三态模型及相对熵方法的蛋白质折叠研究

把20种氨基酸简化为3类:疏水氨基酸(hydrophobic,H)、亲水氨基酸(hydrophilic,P)及中性氨基酸(neutral,N),每个氨基酸简化为一个点,用其C!原子来代替.采用非格点模型,以相对熵作为优化函数,进行蛋白质三维结构预测.为了与基于相对熵方法的蛋白质设计工作进行统一,采用了新的接触强度函数.选用蛋白质数据库中的天然蛋白质作为测试靶蛋白,结果表明,采用该模型和方法取得了较好的结果,预测结构相对于天然结构的均方根偏差在0.30～0.70nm之间.该工作为基于相对熵及HNP模型的蛋白质设计研究打下了基础.     

基于格子模型的蛋白质设计方法

提出一个简单有效的蛋白质设计方法,这一方法完全基于物理学原理. 与同类工作相比,该方法在很大程度上可节省对序列空间进行的搜索,是对同类工作的简化与发展. 对三个平面格子模型进行的检验表明该方法是成功的. 该方法可进一步用于真实蛋白质的三维非格子模型.     

神经网络理论与神经计算机研究进展

近代计算机发展到今天,已达到其极限而被计算机科学家们称为经典计算机.限制其发展的因素有二,其一是器件的限制,硅蕊片集成程度不可能再提高了,其二是基于VonNeumann计算机串行加工方式的效能很低,已不能满足实际需要,例如人智工能的任务.人工智能可以在某些狭隘的技术问题上抵得上最好的专家,但还达不到五岁儿童的感觉能力.例如:人的记忆能存储大量而多样的知识,能从这个存储库内很快地而不明显费力地     

一种复合神经元网络结构的并行动力学及快速学习算法

提出两种功能互相不同的神经细胞组成的复合神经元网络(CNN)模型;导出一种特殊结构的CNN的并行动力学;而且证明了它的稳定性。在这些结果基础上,得到快速的假逆矩阵学习算法。计算机仿真试验证实学习算法与动力学稳定性的正确性,并表现出良好的容错性能与存储容量。     

模块神经网络及其性能

提出一个不同于实现ｙ＝ｆ（ｘ）的ＢＰ网络的神经网络模型,给出了网络的结构及并行动力学方程,证明了其动力学的稳定性。通过学习算法的建立,证明网络能精确实现输入矢量对（ｘ,ｙ）映入成相联系的输出矢量ｚ,最重要的是网络能同时存诸依时变化的时序模式与静态模式。此外并给出动力学学习算法,证明此学习算法的收敛性,计算机仿真证实理论结果,最后讨论了某些可能的应用。     

寡聚蛋白结合配位体的研究——统计力学模型 Ⅰ.等同配位体的效应

这篇论文推广了一维Ising 模型,用来研究寡聚蛋白结合配位体的现象,不象单一自旋变量的Ising 模型,这里用一对自旋变量(σ、μ)来描述粒子(蛋白质亚基)的状态,构造出4×4矩阵。对于等同配位体的相互作用,以纯矩阵代数方法,得到饱和曲线,分子构象-配位体曲线以及某些关连函数等等。熟知的协同模型与序列理论模型皆作为特例包括于此统计力学模型内,模型不受亚基的全同性与非全同性及其数目所限制。最后,讨论了正负协同性的问题。