[發明專利]一種基于多種群系綜變異策略的蛋白質結構預測方法

有效

• 申請號: 201810762915.4
• 申請日: 2018-07-12
• 公開（公告）號: CN109509510B
• 公開（公告）日: 2021-06-18
• 發明（設計）人: 張貴軍;彭春祥;周曉根;劉俊;王柳靜;胡俊
• 申請（專利權）人: 浙江工業大學
• 主分類號: G16B30/10
• 分類號: G16B30/10
• 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

一種基于多種群系綜變異策略的蛋白質結構預測方法，在進化算法框架下，首先，把種群平均分為四個子種群，并且通過各子種群中的構象協同合作，對每一個子種群分別設計不同的變異策略；其次根據Rosetta能量函數score3、距離誤差系數以及蒙特卡洛概率接收準則對構象進行選擇，來指導構象的更新過程，不僅能夠緩解能量函數不精確的問題，而且可以引導算法采樣得到能量更低且結構更合理的構象，同時提高采樣效率。本發明提供一種采樣效率和預測精度都較高的基于多種群系綜變異策略的蛋白質結構預測方法。

技術領域

本發明涉及生物信息學、計算機應用領域，尤其涉及的是一種基于多種群系綜變異策略的蛋白質結構預測方法。

背景技術

計算機硬件和軟件技術的快速發展，為從頭預測方法的發展提供了結實的基礎平臺條件。蛋白質結構從頭預測方法取得的進展和突破，進一步促進了計算機科學、進化計算的學科研究人員的廣泛參與，使其成為近年來蛋白質結構預測領域中最為活躍的一個多學科研究課題。2012年《Science》雜志發表的一篇綜述文章中，美國科學院院士Dill教授回顧了50年來從頭預測領域取得的進展，并指出在尋求這一問題答案的過程中，極大推動了超級計算機、新材料和藥物發現的發展，幫助人們理解生命的基本過程。從頭預測方法目前還面臨著諸多困難和挑戰。

從頭預測方法直接基于蛋白質物理或知識能量模型，利用優化算法在構象空間搜索全局最低能量構象解。構象空間優化方法是目前制約蛋白質結構從頭預測精度最關鍵的因素之一。優化算法應用于從頭預測采樣過程必須首先解決一下三個方面的問題：(1)能量的復雜性。(2)能量模型的高維特性。(3)能量模型的不精確性。目前，我們還遠遠無法構建起能引導目標序列朝正確方向折疊的足夠精確力場，導致數學上的最優解并不一定對應于目標蛋白的天然結構；此外，模型的不精確性也會導致無法對優化算法性能進行客觀地分析。

蛋白質構象空間優化的本質復雜性，使其成為蛋白質結構從頭預測領域中一個極具挑戰性的研究課題。為了能夠利用計算機在巨大的采樣空間中發現唯一的蛋白質天然結構，就必須設計高效的構象空間優化算法將其轉化為可實際操作的計算問題。

差分進化算法(DE)由于其結構簡單，易于實現，魯棒性強和收斂速度快等優點已被成功應用于蛋白結構預測。然而，隨著氨基酸序列的增長，蛋白質分子體系自由度也增大，利用傳統群體算法采樣獲得大規模蛋白質構象空間的全局最優解成為一項挑戰性的工作；其次，粗粒度模型雖然減小了構象搜索空間，但是也導致了相互作用力之間的信息丟失，從而直接影響預測精度。

因此，現有的蛋白質結構預測方法采樣效率和預測精度方面存在不足，需要改進。

發明內容

為了克服現有的蛋白質結構預測方法采樣效率低、種群多樣性差、預測精度較低的不足，本發明在基本差分進化算法框架下，引入多種群變異策略來指導構象空間優化，提出一種采樣效率高、預測精度高的基于多種群系綜變異策略的蛋白質結構預測方法。

本發明解決其技術問題所采用的技術方案是：

一種基于多種群系綜變異策略的蛋白質結構預測方法，所述預測方法包括以下步驟：

1)給定目標蛋白的序列信息；

2)根據目標蛋白序列從ROBETTA服務器(http://www.robetta.org/)上得到片段庫文件，其中包括3片段庫文件和9片段庫文件；

3)根據序列信息從QUARK服務器(https://zhanglab.ccmb.med.umich.edu/QUARK/)

上得到距離譜文件；

4)設置參數：種群大小NP，算法的最大迭代代數G，交叉因子CR，溫度因子β，置迭代代數g＝0；