利用广义信念传播进行全原子蛋白质结构的自由能估计
1. 广义信念传播(GBP)算法原理
在区域图上进行信念传播(BP)时,由于同一节点可能出现在多个区域,为确保其贡献仅被计算一次,需要对消息进行特殊处理。具体步骤如下:
1. 定义“伪”消息 :
- 对于具有父节点集合 (P(R)) 和子节点集合 (C(R)) 的区域 (R),“伪”消息 (n_0^{R→P}(x_r)) 和 (m_0^{R→C}(x_C)) 定义如下:
[n_0^{R→P}(x_r) = \tilde{f} R(x_R) \prod {P’ \in P(R)\setminus P} m_{P’→R}(x_r) \prod_{C \in C(R)} n_{C→R}(x_C)]
[m_0^{R→C}(x_C) = \sum_{x_R\setminus x_C} \tilde{f} R(x_R) \prod {P \in P(R)} m_{P→R}(x_R) \prod_{C’ \in C(R)\setminus C} n_{C’→R}(x_{C’})]
其中,(\tilde{f} R(x_R) = (\prod {a \in A_r} f_a(x_a))^{w_R})。
2. 补偿重复计算 :
- 实际消息 (n_{R→P}(x_r)) 和 (m_{P→R}(x_r)) 定义为:
[n_{R→P}(x_r) = (n_0^{R→P}(x_r))^{\beta_R}(m_0^{R→C}(x_C))^{\beta_R - 1}]
[
超级会员免费看
订阅专栏 解锁全文


被折叠的 条评论
为什么被折叠?



