[发明专利]一种多元接触信息的子种群策略蛋白质结构预测方法

权利要求书

1.一种多元接触信息的子种群策略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)给定目标蛋白的序列信息；

2)根据目标蛋白序列从ROBETTA服务器上得到片段库文件，其中包括3片段库文件和9片段库文件；

3)根据目标蛋白序列分别从RaptorX服务器、ResTriplet服务器、DNCON2服务器预测得到3个接触图，根据每个接触图中每个接触信息的置信度的大小，由大到小选择L/5个接触信息，分别形成高置信度接触集contactf1、contactf2和contacf3，其中L为目标蛋白质序列的长度；

4)根据contactf1、contactf2和contacf3的接触信息构建高置信度接触集contactf4，contactf4构建规则如下

4.1)对于contactf1、contactf2和contacf3中的接触信息，若残基对不重复，则把contactf1、contactf2和contacf3中每一个接触信息分别添加到contactf4中；

4.2)对于contactf1、contactf2和contacf3中的接触信息，若残基对重复，则先把contactf1、contactf2和contacf3中重复的接触信息的置信度求平均数再添加到contactf4中；

4.3)根据contactf4中接触信息置信度的大小，由大到小排序，并计算contactf4中残基接触信息的数量Num；

5)设置参数：种群大小NP，算法的最大迭代代数G，交叉因子CR，温度因子β，置迭代代数g＝0；

6)种群初始化：随机片段组装生成NP个初始构象C_i，i＝{1,2，…,NP}，把NP个初始构象均分为4个子种群

7)对种群中的每个个体C_i进行如下操作：

7.1)将C_i设为目标个体C_target，从种群中随机选出两个互不相同的个体C_a和C_b，C_target≠C_a≠C_b，分别从C_a、C_b中随机选择一个位置不同的9片段，分别替换对应的位置片段生成变异构象C_mutant；

7.2)对C_mutant进行一次片段组装生成新构象C_mutant′；

7.3)生成随机数pCR，其中pCR∈(0,1)，若pCR＜CR，则从C_target中随机选择一个3片段，替换到C_mutant′对应的位置的片段生成测试构象C_trial，否则直接把C_mutant′记为C_trial；

7.4)利用Rosetta score3能量函数计算C_target、C_trial的能量score3(C_trial)、score3(C_target)；

7.5)如果score3(C_trial)score3(C_target)，则保留C_target；

7.6)如果score3(C_trial)score3(C_target)，则根据公式(1)计算C_trial和C_target的空间约束分数S_con(C)，S_con(C)定义如下；

其中，m和n分别为高置信度接触集中第k个残基接触信息对应的第m个残基和第n个残基，K为高置信度接触集中残基接触信息的数量，d_m,n为构象C中第m个残基与第n个残基的欧氏距离，U_m,n为残基对(m,n)对应于高置信度接触集中的残基接触信息的置信度，若则高置信度接触集选用contactf1，若则高置信度接触集选用contactf2，若则高置信度接触集选用contactf3，若则高置信度接触集选用contactf4；

7.7)若S_con(C_trial)S_con(C_target)，则C_trial替换C_target进入种群；

7.8)若S_con(C_trial)S_con(C_target)，则C_trial以概率P_accept替换C_target进入种群，若替换不成功则保留C_target，其中，P_accept定义如下；

8)g＝g+1，迭代运行步骤7)～8)，至gG为止；

9)输出Rosetta score3最低的构象为最终结果。