[发明专利]一种基于全局和局部策略协作的群体蛋白质结构预测方法

摘要

一种基于全局和局部策略协作的群体蛋白质结构预测方法，在差分进化算法框架下，针对每个构象，首先执行全局变异策略，实行对构象空间的全局探测，从而得到有潜力的区域；然后执行局部变异策略，对探测得到的区域进行局部搜索，从而得到较优的构象。在全局探测过程中，通过随机选择的构象进行片段交换同时生成测试多个构象，并选择能量最低的测试构象；在局部搜索过程中，选择比目标构象较优的构象指导变异生成多个测试构象，并选择能量较低的构象。通过全局策略和局部策略的写作达到平衡多样性和收敛速度之间的关系。本发明提供一种预测精度和搜索效率均较高的基于全局和局部策略协作的群体蛋白质结构预测方法。

主权项

1.一种基于全局和局部策略协作的群体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)输入待测蛋白质的序列信息，并从ROBETTA服务器上得到片段库；2)参数设置：设置种群规模NP，交叉概率CR，片段长度l，温度因子KT，最大迭代次数Gmax，并初始化迭代次数g＝0；3)从对各残基位对应的片段库中随机选择片段组装生成初始构象种群P＝{C1,C2,...,CNP}，其中，Ci,i＝{1,2,…,NP}为种群P中的第i个构象个体；4)对种群中的每个构象Ci,i∈{1,2,…,NP}执行全局策略，过程如下：4.1)将构象Ci看作目标构象，从当前种群中随机选择四个互不相同且与目标构象不同的构象Ca、Cb、Cc和Cd；4.2)分别从构象C_a和C_b中随机选择一个残基位不同的片段替换构象C_c中对应位置的片段，生成第一个变异构象4.3)分别从C_a、C_b和C_c中随机选择一个残基位不同的片段替换目标构象C_i中对应位置的片段，生成第二个变异构象4.4)分别从C_a、C_b和C_c中随机选择一个残基位不同的片段替换目标构象C_d中对应位置的片段，生成第三个变异构象4.5)随机生成一个0和1之间的小数R，如果R<CR，则从构象C_i中随机选取一个长度为l的片段分别替换变异构象和中对应位置的片段，并进行一次随机片段组装，从而生成测试构象和否则直接将变异构象进行一次随机片段组装生成测试构象和4.6)根据Rosetta score3能量函数分别计算测试构象和C_i的能量值，并将和中能量值最低的构象看作最优测试构象C_trial；4.7)如果C_trial的能量值小于C_i的能量值，则C_trial替换C_i，否则根据玻尔兹曼概率用C_trial替换C_i，其中ΔE为C_trial的能量值与C_i的能量值误差的绝对值；5)对步骤4)得到的新种群中的每个构象Ci,i∈{1,2,…,NP}执行局部策略，过程如下：5.1)找出种群中能量值低于构象C_i的所有构象如果这些构象的数量M>1，则继续步骤5.2)，否则转到步骤5.6)；5.2)从中随机选择一个构象并从整个种群中随机选择三个互不相同的，且与和C_i也不同的构象C_e、C_f和C_g；5.3)分别从构象C_e和C_f中随机选择一个残基位不同的片段替换构象中对应位置的片段，生成变异构象5.4)分别从构象C_e和中随机选择一个残基位不同的片段替换构象C_i中对应位置的片段，生成变异构象5.5)分别从构象C_e、C_f和C_g中随机选择一个残基位不同的片段替换构象中对应位置的片段，生成变异构象5.6)根据步骤4.1)～4.4)生成变异构象和5.7)将和分别看作和根据步骤4.5)～4.7)更新种群；6)g＝g+1，如果g>Gmax，则输出能量最低的构象作为最终预测结构，否则返回步骤4)。