[发明专利]一种全局和局部下界估计协同的群体蛋白质结构预测方法

摘要

一种全局和局部下界估计协同的群体蛋白质结构预测方法，在差分进化算法框架下，首先，通过计算当前种群中每个构象个体的支撑向量建立能量模型的全局下界估计模型；然后，针对每个测试构象，选取与其邻近的部分构象构建邻近构象子种群，然后从其中随机选取构象指导变异过程；其次，根据与测试构象最近的构象的支撑向量计算能量局部下界估计值，并根据全局下界估计模型计算对应的能量全局下界估计值；最后选取能量全局和局部下界估计值中的较低者来指导构象的选择过程，减少能量函数的评价。本发明提供一种计算代价较低且预测效率较高的全局和局部下界估计协同的群体蛋白质结构预测方法。

主权项

1.一种全局和局部下界估计协同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，全局斜率控制因子M，局部斜率控制因子M′，邻近个体的数量N，最大迭代次数Gmax，并初始化迭代次数g＝0；3)从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)根据Rosetta socre3能量函数计算当前种群中每个构象的能量值；5)根据每个构象C_i，i∈{1,2,…,NP}的碳α原子坐标表示其空间位置坐标并计算每个构象C_i的支撑向量l_i：其中，E(C_i)为构象C_i的能量，为构象C_i位置坐标的第t维元素，为松弛变量，M为斜率控制因子；6)对种群中的每个构象Ci,i∈{1,2,…,NP}执行如下操作：6.1)将构象Ci看作目标构象，根据空间位置坐标计算Ci与其它NP‑1个构象之间的欧氏距离；6.2)选出与目标构象距离最近的N个构象，从这N个邻近构象中随机选取两个不同的构象Ca和Cb，并从其余NP‑N‑1个构象中随机选取一个与Ci不同的构象Cc；6.3)分别从Ca和Cb中随机选择一个残基位不同的长度为l的片段替换构象Cc中对应位置的片段，生成变异构象Cmutant；6.4)随机生成一个0和1之间的小数R，如果R其中，E(C_nb)为构象C_nb的能量，为构象C_nb空间位置坐标的第t维元素，为松弛变量；6.7)计算测试构象C_trial的能量局部下界估计值其中为支撑向量l_nb的第t维元素，为测试构象C_trial位置坐标的第t维元素；6.8)计算测试构象C_trial的能量全局下界估计值其中为支撑向量l_i的第t维元素；6.9)计算构象C_trial的能量下界估计值6.10)如果U(Ctrial)>E(Ci)，则构象Ci保持不变，其中E(Ci)为目标构象的能量值；6.11)如果U(C_trial)≤E(C_i)，根据Rosetta score3能量函数计算测试构象C_trial的能量值E(C_trial)；如果E(C_trial)<E(C_i)，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＝E(C_i)‑E(C_trial)；7)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5)。