Cannabinoid receptor Type 2(简称CB2)是大麻素受体的一种亚型,因为其无中枢神经副作用,不会产生成瘾性及耐受性,显示出了非常好的开发前景和潜在的应用价值。其作为免疫调节剂、神经保护剂和抗癌药等将具有巨大市场价值。目前,CB2蛋白的空间结构还未被测定出来,对于CB2的折叠问题研究也开展的较少,为了研究大麻素受体亚型蛋白CB2的折叠问题以及方便更多的研究人员对CB2空间结构和相关药理特性的研究,本文提出了一种基于HP模型的折叠求解方法。通过使用回溯机制和蒙特卡罗方法对此优化问题进行求解,算法可有效的在全局范围内进行寻找最优解,避免了掉入局部最优问题。实验结果表明,本文方法获取的CB2蛋白空间构象具有较低的能量值,折叠情况较好。
在数据仓库系统中,数据立方体(Cube)及其预聚集处理在OLAP起到非常重要的作用.对于一个d维的data Cube可以生成2d个聚集Cuboids和multiply from i=1 to d(|Di|+1)个聚集数据单元,但对于一个高维Cube,要创建这些所有聚集Cuboids是不现实的.提出通过共享分段立方体Mini-Cube的高维Cube并行分布式存储结构(DHMC),将高维Cube划分成若干个低维共享分段立方体Mini-Cube,利用并行分布式处理技术来创建这些分割的分段共享Mini-Cube及其聚集Cuboids,来实现高维Cube的并行创建和增量更新维护,从而解决高维OLAP聚集海量数据的存储与查询问题.理论分析与实验结果均表明DHMC性能最佳.
