[发明专利]一种基于能量函数的模板口袋搜索方法

权利要求书

1.一种基于能量函数的模板口袋搜索方法，其特征在于：所述搜索方法包括以下步骤：

1)输入蛋白质结构信息R，使用COACH服务器预测它的绑定残基是r₁,r₂,...,r_N，r₁,r₂,...,r_N组成的绑定口袋记为P^R，其中N为预测出的绑定残基个数；

2)对于PDB数据库中的所有受体蛋白质的绑定口袋记为P^b，P^b的绑定残基分别是其中b＝1,2,…,B，M表示第b个绑定口袋的残基个数，B表示PDB数据库中所有绑定口袋的数量；

3)分别计算r₁,r₂,...,r_N和中的任意两个绑定残基的C_α原子的距离，将最大距离分别记为d_max和

4)将B个绑定口袋中满足|M-N|≤3和的所有蛋白质口袋筛选出来，数量为G；

5)对口袋P^R与G个绑定口袋中的每一个口袋P^g，g∈{1,2,…,G}，进行如下过程，设g＝1；

6)根据残基序号连续性对每一个口袋的绑定残基进行分类，将残基序号连续或者中间只空缺一个残基序号的残基归成一类，将P^R和P^g中的残基分别分成k和k^g个类；

7)移动P^R，使P^R和P^g的中心点坐标重合，此时P^R的C_α原子坐标分别是C₁，C₂，…，C_N；

8)参数设置：设置种群规模NP，初始温度T_c，降温速度t₀；

9)种群初始化：随机生成初始化种群P＝{S₁,S₂,...,S_i,...,S_NP}，S_i＝(s_i,1,s_i,2,s_i,3,s_i,4,s_i,5,s_i,6)为种群P的第i个个体，其中s_i,1、s_i,2和s_i,3的取值范围为0到2π，s_i,4、s_i,5和s_i,6的取值范围为i∈{1,2,…,NP}；

10)采用模拟退火算法，对种群P中的每个个体S_i，将口袋P^R进行如下操作，设i＝1：

10.1)根据S_i中的三个元素s_i,1、s_i,2和s_i,3，计算三维空间旋转矩阵H：

10.2)将C₁，C₂，…，C_N的坐标根据如上的旋转矩阵H进行旋转分别得到三维坐标

10.3)根据S_i中的后三个元素s_i,4、s_i,5和s_i,6，旋转后的坐标执行如下的平移过程，计算平移后P^R中原子坐标C ′ _n ：

其中C′_n是经过平移后P^R的第n个残基的C_α原子坐标，分别是的X,Y,Z轴坐标，n＝1,2,…,N；

10.4)计算得分score(S_i)：

其中m＝1,2,…,M，表示P^R中第n个残基的C_α原子与P^g中所有C_α原子的最短距离的平方，表示P^g中第m个残基的C_α原子与P^R中所有C_α原子的最短距离的平方；

10.5)记当前种群所有个体的最低得分为score_min，当i＞1时，若score(S_i)＜score(S_i-1)，则更新score_min；否则，计算接受概率p，生成(0,1)之间的随机数Q，若p＞Q，则更新score_min，其中

10.6)i＝i+1，T_c＝t₀*T_c；若i≤NP，跳转至步骤10.1)；

11)计算口袋P^R和P^g的结构相似度得分E^g：

其中ω₁＝1,ω₂＝2,ω₃＝0.01,ω₄＝2，k^g表示口袋P^g的绑定残基分类的数量，表示P^g的所有绑定残基中的任意两个绑定残基的C_α原子的最大距离；

12)g＝g+1，若g≤G，返回步骤6)，否则找出得分最低的E^g对应的绑定口袋即为搜索到的模板口袋。