[發明專利]一種雙重分布估計引導的蛋白質構象空間搜索方法

有效

• 申請號: 201710148984.1
• 申請日: 2017-03-14
• 公開（公告）號: CN107145764B
• 公開（公告）日: 2019-07-30
• 發明（設計）人: 張貴軍;郝小虎;謝騰宇;周曉根;王柳靜
• 申請（專利權）人: 浙江工業大學
• 主分類號: G16B15/20
• 分類號: G16B15/20
• 代理公司: 杭州斯可睿專利事務所有限公司 33241
• 代理人: 王利強

一種雙重分布估計引導的蛋白質構象空間搜索方法，同時啟動多條Monte Carlo軌跡，并根據當前所有軌跡個體信息構建能量分布概率模型和歷史接受概率模型，根據兩個概率模型選擇一條Monte Carlo軌跡執行下一次搜索，使得搜索過程主要向能量更低的區域進行，并以一定的概率在高能量區域進行搜索，在一定程度上克服了能量模型不精確的問題，最終得到一系列近天然態構象。本發明在蛋白質結構預測中應用，可以得到預測精度較高、復雜度較低的構象。

技術領域

本發明涉及生物信息學、計算機應用領域，尤其涉及的是一種雙重分布估計引導的蛋白質構象空間搜索方法。

背景技術

生物信息學是生命科學和計算機科學交叉領域的一個研究熱點。生物信息學研究成果目前已經被廣泛應用于基因發現和預測、基因數據的存儲管理、數據檢索與挖掘、蛋白質結構預測、基因和蛋白質同源關系預測、序列分析與比對等。基因組規定了所有構成該生物體的蛋白質，基因規定了組成蛋白質的氨基酸序列。雖然蛋白質由氨基酸的線性序列組成，但是，它們只有折疊形成特定的空間結構才能具有相應的活性和相應的生物學功能。了解蛋白質的空間結構不僅有利于認識蛋白質的功能，也有利于認識蛋白質是如何執行功能的。確定蛋白質的結構的是非常重要的。目前，蛋白質序列數據庫的數據積累的速度非常快，但是，已知結構的蛋白質相對比較少。盡管蛋白質結構測定技術有了較為顯著的進展，但是，通過實驗方法確定蛋白質結構的過程仍然非常復雜，代價較高。因此，實驗測定的蛋白質結構比已知的蛋白質序列要少得多。另一方面，隨著DNA測序技術的發展，人類基因組及更多的模式生物基因組已經或將要被完全測序，DNA序列數量將會急增，而由于DNA序列分析技術和基因識別方法的進步，我們可以從DNA推導出大量的蛋白質序列。這意味著已知序列的蛋白質數量和已測定結構的蛋白質數量(如蛋白質結構數據庫PDB中的數據)的差距將會越來越大。人們希望產生蛋白質結構的速度能夠跟上產生蛋白質序列的速度，或者減小兩者的差距。

目前主要的技術瓶頸在于兩個方面，第一方面在于采樣方法，現有技術對構象空間采樣能力不強，另一方面在于構象更新方法，現有技術對構象的更新精度仍然不足。因此，現有的構象空間搜索方法存在不足，需要改進。

發明內容

為了克服現有的蛋白質結構預測構象空間優化方法存在采樣效率較低、復雜度較高、預測精度較低的不足，本發明提出一種雙重分布估計引導的蛋白質構象空間搜索方法。同時啟動多條Monte Carlo軌跡，并根據當前所有軌跡個體信息構建能量分布概率模型和歷史接受概率模型，根據兩個概率模型選擇一條Monte Carlo軌跡執行下一次搜索，使得搜索過程主要向能量更低的區域進行，并以一定的概率在高能量區域進行搜索，在一定程度上克服了能量模型不精確的問題，最終得到一系列近天然態構象。

本發明解決其技術問題所采用的技術方案是：

一種雙重分布估計引導的蛋白質構象空間搜索方法，所述方法包括以下步驟：

1)給定輸入序列信息；

2)參數初始化：設置Monte Carlo軌跡條數K、迭代次數G和能量平衡因子δ；

3)構象初始化：根據給定輸入序列，生成K個伸展鏈初始個體；

4)對步驟3)中的K個個體根據RosettaScore3分別計算能量，加上能量平衡因子δ后，存入能量列表EnergyList中；

5)對EnergyList中的所有元素求和得到能量總和E_sum；

6)對EnergyList執行反轉操作，即將其中所有元素逆序排列；

7)對EnergyList中的元素執行以下操作：EnergyList[i]/E_sum，其中i表示列表索引值，i的取值從0到K-1；