[发明专利]基于混沌蜂群算法的蛋白质三维结构预测方法

说明书

技术领域

本发明涉及蛋白质三维结构预测技术领域，特别是一种基于混沌蜂群算法的蛋白质三维结构预测方法。

背景技术

蛋白质结构预测问题也称为蛋白质折叠问题。蛋白质折叠结构的形状在很大程度上决定了其生物功能，掌握蛋白质的结构信息对于研究蛋白质的功能和作用具有重要的意义。因此，蛋白质三维结构预测已成为生物信息学重要的研究问题之一。

目前，蛋白质结构的测定技术主要有X射线晶体衍射法（X-ray diffraction）、核磁共振技术（nuclear magnetic resonance, NMR）。尽管蛋白质结构测定技术有了较为显著的进展，但是通过实验方法确定蛋白质结构的过程仍然非常复杂，代价较高。因此，出现了许多利用计算机预测蛋白质结构的方法，主要包括：同源建模法（homology modeling）、折叠识别法（folding recognition）、从头预测法（abinitio method）等。

基于Anfinesen等在1973年提出的蛋白质天然构象对应能量最低的热力学假说，使用理论计算方法从氨基酸序列预测蛋白质的天然结构成为可能。蛋白质折叠预测问题转化为两个关键问题：一是提出能更好地反映氨基酸残基间相互作用和环境等的数学模型；二是根据热力学假设发展高效的搜索方法，从蛋白质的势能表面上的多个局部极小值中搜索全局最小值。随着蛋白质序列长度的增加，搜索空间的计算量呈指数增长。因此，必须建立一个能区分蛋白质的天然构象与非天然构象的粗粒模型。目前被广泛应用的是AB非格模型，它认为蛋白质结构形成过程中最主要的力是疏水作用，将氨基酸抽象为疏水性（Hydrophobic）和亲水性（Hydrophilic）。在AB非格模型的基础上，设计一个优化算法来搜索最好的蛋白质天然构象成为蛋白质三维结构预测问题的关键。然而，即使应用了简化的模型，蛋白质结构预测依然是一个NP困难问题。

在过去的几十年间，学者们在预测蛋白质三维结构问题上提出了许多算法来解决搜索全局最优解问题。例如，遗传算法与模拟退火算法相结合的方法，比其他的方法更具高效性；改进的禁忌搜索算法，避免了算法迂回搜索，提高了算法的搜索性能和鲁棒性；将禁忌算法应用于遗传算法中，快速准确地搜索到蛋白质的结构，比其他算法求得的最低能量更低。然而，这些方法结合了多种算法，运行时间长、效率低，具有一定的局限性。

发明内容

本发明的目的在于提供一种基于混沌蜂群算法的蛋白质三维结构预测方法，该方法不仅具有较好的预测性能和预测精度，而且运行时间短，运行效率高。

本发明的目的是按如下的技术方案实现的：本发明基于混沌蜂群算法的蛋白质三维结构预测方法，对于含有n个残基的蛋白质，将蛋白质三维结构抽象成2n-5维空间中的一个点，即混沌蜂群算法中食物源的位置，然后采用混沌蜂群算法按如下步骤进行蛋白质三维结构预测：

(1) 初始化参数：食物源规模SN，算法最大循环次数Maxloop，搜索次数limit，混沌搜索最大迭代次数C_max，种群最小能量值E_min和最优个体h_min，设置算法当前迭代次数loopcount=0，食物源搜索计数器c_i=0(i=1,2,...,SN)；

(2) 随机产生SN个食物源                                                ；

(3) 采用公式计算所有食物源的能量值，得到最优能量E₀及其对应的最优解h₀，更新当前最优解h_min=h₀和当前最优能量E_min=E₀；

(4) 每完成一次步骤(3)的计算，则当前迭代次数loopcount加1，并判断当前迭代次数loopcount是否小于最大循环次数Maxloop，是则转步骤(5)，否则终止算法，输出全局最优解h_min和全局最优能量E_min；

(5) 按公式搜索所有食物源的领域解，计算其能量值，若新食物源的能量值低于原食物源的能量值，则用新食物源替换原食物源，否则保留原食物源，且对应的搜索计数器c加1；