[发明专利]一种基于残基接触信息辅助评价的蛋白质结构预测方法

说明书

一种基于残基接触信息辅助评价的蛋白质结构预测方法，首先，利用Robetta和RaptorX‑Contact得到片段库和接触图；其次，在种群进化的两个阶段，以不同的方式利用接触图辅助评价构象；最后，通过聚类得到最终预测结果。本发明利用接触图信息，辅助评价构象，保留拓扑正确的构象，从而提高搜索效率，提高预测精度。本发明提供一种预测精度较高的基于残基接触信息辅助评价的蛋白质结构预测方法。

技术领域

本发明涉及一种生物学信息学、智能优化、计算机应用领域，尤其涉及的是一种基于残基接触信息辅助评价的蛋白质结构预测方法。

背景技术

蛋白质结构是指蛋白质分子的空间结构。蛋白质主要由碳、氢、氧、氮等化学元素组成，是一类重要的生物大分子，所有蛋白质都是由20种不同氨基酸连接形成的多聚体，在形成蛋白质后，这些氨基酸又被称为残基。蛋白质大小的范围可以从这样一个下限一直到数千个残基。目前估计的蛋白质的平均长度在不同的物种中有所区别，一般约为200-380个残基，而真核生物的蛋白质平均长度比原核生物长约55％。更大的蛋白质聚合体可以通过许多蛋白质亚基形成；如由数千个肌动蛋白分子聚合形成蛋白纤维。要发挥生物学功能，蛋白质需要正确折叠为一个特定构型，主要是通过大量的非共价相互作用(如氢键，离子键，范德华力和疏水作用)来实现；此外，在一些蛋白质(特别是分泌性蛋白质)折叠中，二硫键也起到关键作用。为了从分子水平上了解蛋白质的作用机制，常常需要测定蛋白质的三维结构。

由于高通量测序技术的快速发展，加之实验解析蛋白质三维结构技术(X射线晶体学、核磁共振光谱、电子显微镜以及冷冻电镜)耗时且代价昂贵，导致已知序列数目和解析出的蛋白质结构数目间的鸿沟呈指数增加。此外，生物学中心法则中的第二遗传密码和蛋白质折叠机理需要研究学者们进行探索。因此，在无全长模板的情况下(序列相似度20％)，利用计算机，结合优化算法，从氨基酸序列开始，从头预测蛋白质结构是一个研究方法。Anfinsen热力学假说表明：蛋白质的空间结构由氨基酸序列唯一确定；蛋白质的空间结构是稳定的；蛋白质的天然构象处于自由能最低点。根据Anfinsen原则，以计算机为工具，运用适当的算法，从氨基酸序列出发直接预测蛋白质的三维结构。

科学家提出了许多从头蛋白质结构预测方法，其预测精度在CASP比赛的推动下有了巨大的提高。Rosetta，QUARK在历届CASP赛事中表现突出。两者都采用片段组装技术，并构建了基于知识的力场模型。然而，目前的力场模型的精度不足以准确搜索到近天然态区域，导致预测精度降低。

因此，现有的基于能量函数的蛋白质结构预测方法高效构象空间搜索和预测精度方面存在着缺陷，需要改进。

发明内容

为了克服现有的基于能量函数的蛋白质结构预测方法高效构象空间搜索和预测精度方面的不足，本发明提供一种可以提高构象空间搜索效率的基于残基接触信息辅助评价的蛋白质结构预测方法。

本发明解决其技术问题所采用的技术方案是：

一种基于残基接触信息辅助评价的蛋白质结构预测方法，所述方法包括以下步骤：

1)给定输入序列信息，利用Robetta服务器(http://robetta.bakerlab.org/)获得该序列的片段库；

2)利用RaptorX-Contact(http://raptorx.uchicago.edu/ContactMap/)预测该序列的接触图，获得接触概率大于0.6的N个残基对，接触是指Cα-Cα欧氏距离小于接触概率表示为P_k，k∈{1,...,N}；

3)初始化：种群规模NP，种群第一阶段和第二阶段最大迭代次数分别为G1,G2，根据输入序列，执行Rosetta Abinitio协议的第一与第二阶段NP次，产生初始构象种群P＝{C₁,C₂,...,C_NP}，其中C_NP表示第NP个个体，记当前代数g＝0；