Abstract
建構蛋白質的空間"構形"(conformation)有助於瞭解其功能上作用的機制 。"側鏈聚合問題"(side-chain packing problem)是研究蛋白質側鏈在空 間中如何排列可得到最穩定的構形，此領域所遭遇到的困難在於欲同時確 認蛋白質內各個"殘基"(residue) 側鏈原子之位置時，其側鏈可能之構形 數目太過龐大，組合之可能性隨殘基數目呈指數方式爆炸增長。並且，在 搜尋具最低能量的穩定構形過程時，因存有許多能量的"局部極小"( local minima)值，以致無法找到真正的"全域極小"（global minimum） 值。本研究嘗試結合"類神經網路"(artificial neural network)及"模擬 退火"(simulated annealing) 兩種方法來克服組合爆炸及局部極小的羈 絆。利用類神經網路得到側鏈"雙面角"(dihedral angles) 的出現機率分 布，藉由排除低機率的可能角度，組成一個 "縮化構形空間"(reduced conformational space)，並在此空間內進一步使用模擬退火方法求取側 鏈原子最佳構形。研究中針對十二種蛋白質進行預測，其側鏈雙面角預測 準率chi1為82%，chi2為72%，二者同時正確時準率為68%。此外，側鏈全 部原子位置預測的"方均根誤差"(root mean square deviation)為1.68埃 ，而蛋白質"內核"(core)位置之側鏈原子其預測的誤差更低，可達到1.27 埃。結果顯示結合類神經網路與模擬退火的研究方法確實可對蛋白質側鏈 構形給出極佳之預測，且亦優於其他文獻之研究結果。