[发明专利]一种基于双层偏置搜索的蛋白质结构预测方法

权利要求书

1.一种基于双层偏置搜索的蛋白质结构预测方法，其特征在于：所述方法包括以下步骤：

1)输入目标蛋白质的序列信息；

2)根据目标蛋白质序列从ROBETTA服务器上获取3片段和9片段的片段库文件；

3)设置参数：种群规模NP，最大迭代次数G，能量区间划分个数M，温度因子β；

4)种群初始化：利用Rosetta协议第一阶段产生种群规模为NP的种群C＝{C₁,C₂,...,C_NP}，其中C_i，i＝1,2,...,NP为第i个个体；

5)设置g＝1，g∈{1,2,...,G}；

6)设置n＝1，n∈{1,2,...,NP}；

7)记C_i′为种群中第i′个个体，i′∈{1,2,...,NP+n-1}，并进行如下操作：

7.1)用Rosetta score3能量函数计算种群中每个个体的能量，个体C_i′的能量为score3(C_i′)；

7.2)记E_min和E_max分别为种群中的最低能量和最高能量，设置能量区间[E_min,E_max]，将能量区间等分成M个能量子区间，每个能量子区间长度为ΔE，第m个能量子区间表示为[E_min+(m-1)ΔE,E_min+mΔE]，m∈{1,2,...,M}，记Ω_m为第m个能量子区间对应的构象集合，并设置

7.3)将种群中的每个个体按能量值分配到相应的子区间内，若score3(C_i′)∈[E_min+(m-1)ΔE,E_min+mΔE]，则Ω_m＝Ω_m∪{C_i′}；

8)父代选择操作，过程如下：

8.1)记C_m,j为第m个能量子区间中的第j个个体，j∈{1,2,...,|Ω_m|}，按如下公式计算每个能量子区间中的构象平均能量

8.2)按如下公式计算每个能量子区间的选择概率，ε是一个常数：

8.3)按公式(2)计算的概率选择一个能量子区间；

8.4)在选择的子区间内，将每个构象的质心原子、离ctd最近的原子、离ctd最远的原子、离fct最远的原子的坐标分别表示为表示ctd指向cst的三维空间向量，表示ctd指向fct的三维空间向量，表示ctd指向ftf的三维空间向量，按如下公式计算选择的子区间内每个构象的结构差异性，并记C_m,max为具有最大结构差异性数值D_m,max的构象：

8.5)按如下公式计算子区间内每个个体的选择概率，ε是一个常数：

8.6)按公式(4)计算的概率选择一个个体，记作C^selected；

9)变异操作，过程如下：

9.1)在最大差异性构象C_m,max中随机选取一个3片段，替换到选择个体C^selected的对应位置上，生成新的构象C^new；

9.2)利用Rosetta对新构象C^new进行一次片段组装，生成构象C^new′；

9.3)若score3(C^new′)＜score3(C^new)，则C＝C∪{C^new′}；否则计算接收概率并生成均匀随机小数rand，rand∈[0,1]，若rand＜P_accept，则C＝C∪{C^new′}；否则C＝C∪{C^new}；

9.4)设置n＝n+1；

10)若n＞NP，则继续步骤11)；否则转至步骤7)；

11)淘汰个体选择操作，过程如下：

11.1)执行步骤7)；

11.2)执行步骤8.1)；

11.3)按如下公式计算每个能量子区间的选择概率，ε是一个常数：

11.4)按公式(5)计算的概率选择一个能量子区间；

11.5)执行步骤8.4)；

11.6)按如下公式计算子区间内每个个体的选择概率，ε是一个常数：

11.7)按公式(6)计算的概率选择一个个体，将其从种群中剔除；

11.8)设置n＝n-1；

12)若n＝1，设置g＝g+1；否则转至步骤11)；

13)若g＞G，输出最后一代种群C，并选择能量最低的构象作为预测结果；否则转至步骤6)。