[发明专利]一种基于距离约束选择策略的群体构象空间优化方法

摘要

一种基于距离约束选择策略的群体构象空间优化方法，包括以下步骤：在差分进化算法框架下，采用Rosetta Score3粗粒度知识能量模型来有效降低构象空间搜索维数、提高算法的收敛速度；引入基于知识的片段组装技术可以有效提高预测精度；利用距离谱在蛋白质结构上的特性约束，使更多结构上相似的蛋白质构象进入种群，减少能量函数不精确带来的误差，以得到更为优良的局部构象；结合差分进化算法较强的全局搜索能力，可以对构象空间进行更为有效的采样，从而得到和天然态结构相似度较高的构象。本发明采用Rosetta Score3粗粒度知识能量模型来有效降低构象空间搜索维数、提高算法的收敛速度，提高预测精度。

主权项

1.一种基于距离约束的群体构象空间优化方法，其特征在于：所述构象空间搜索方法包括以下步骤：1)给定输入序列信息；2)根据序列信息从QUARK服务器上得到距离谱文件profile，rpn为距离谱中记录下的残基对，Dn为该残基对之间的距离，其中n∈(1,N)，N为距离谱中残基对数量；3)设置系统参数：种群大小NP，算法的迭代次数T，交叉因子CR；4)种群初始化：由输入序列产生NP个种群个体Pinit，k其中k∈(1,NP)，对每个个体全部位置片段组装；5)开始迭代，依次对种群中的每个个体进行以下操作：5.1)设i＝1，其中i∈{1,2,3,…,NP}；令Ptarget＝Pi，其中i为序号，Ptarget表示目标个体；5.2)随机生成正整数rand1,rand2,rand3∈{1,2,3,......NP}，且rand1≠rand2≠rand3≠i；再生成4个随机整数randrange1,randrange2,randrange3,randrange4；其中randrange1≠randrange2，randrange3≠randrange4∈{1,2,…,Length},Length为序列长度；5.3)针对个体Pj做变异操作，其中：j＝rand1；5.3.1)令a＝min(randrange1,randrange2)，b＝max(randrange1,randrange2)；令c＝min(randrange3,randrange4)，d＝max(randrange3,randrange4)；其中min表示取两个数的最小值，max表示取两个数的最大值；5.3.2)用Prand2上位置a到位置b的片段的氨基酸所对应的二面角phi、psi、omega替换Pj的相同位置所对应的二面角phi、psi、omega；再使用Prand3上位置c到位置d的片段的氨基酸所对应的二面角phi、psi、omega替换Pj上相同位置所对应的二面角phi、psi、omega，再将所得Pj进行片段组装得到测试个体Ptrail；5.4)针对测试个体Ptrail做交叉操作；5.4.1)生成随机数rand4，rand5，其中rand4∈(0,1)，rand5∈(1,Length)；5.4.2)根据执行交叉过程：若随机数rand4≤CR，个体P_trail的片段rand5替换为个体P_target中对应的片段，否则直接继承个体P_trail；5.5)针对目标个体Ptarget和测试个体Ptrail进行选择操作；5.5.1)计算Ptarget和Ptrail的能量：E(Ptarget)和E(Ptrail)；5.5.2)若E(Ptarget)>E(Ptrail)则用Ptrail替换Ptarget，进入5.6)；否则继续执行5.5.3)；5.5.3)计算目标个体Ptarget和测试个体Ptrail在残基对rpn的距离相对于距离谱中Dn之间的距离差▽targetDn和▽trailDn；5.5.4)判断▽targetDn和▽trailDn的值，若大于6，则令其等于6，去除一些距离差值较大的异常数值；5.5.5)计算距离谱中所有位置的目标个体和测试个体的距离差值总和5.5.6)若▽Dtrail＞▽Dtarget，则进入5.6)；若▽Dtrail＜▽Dtarget，则产生一个(0,1)之间的随机数rand6，若rand6小于0.2，则用Ptrail替换Ptarget，否则进行5.6)；5.6)i＝i+1；判断i是否大于等于NP，是则进入5.7)，否则返回到5.1)；5.7)迭代的运行5.1)～5.6)，至满足终止条件。