[發(fā)明專利]一種基于殘基接觸信息交叉策略的蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201810986057.1
• 申請(qǐng)日: 2018-08-28
• 公開（公告）號(hào): CN109360599B
• 公開（公告）日: 2021-06-18
• 發(fā)明（設(shè)計(jì)）人: 張貴軍;謝騰宇;王小奇;周曉根;郝小虎;胡俊
• 申請(qǐng)（專利權(quán)）人: 浙江工業(yè)大學(xué)
• 主分類號(hào): G16B15/20
• 分類號(hào): G16B15/20
• 代理公司: 杭州斯可睿專利事務(wù)所有限公司 33241
• 代理人: 王利強(qiáng)

1.一種基于殘基接觸信息交叉策略的蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)方法，其特征在于：所述蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)方法包括以下步驟：

1)給定輸入序列信息，利用Robetta服務(wù)器獲得該序列的片段庫(kù)；

2)利用RaptorX-Contact預(yù)測(cè)該序列的接觸信息，并且記錄接觸概率大于0.6的殘基對(duì)，假設(shè)有N個(gè)殘基對(duì)的接觸概率滿足該條件，并記第k個(gè)殘基對(duì)間的接觸，接觸指Cα-Cα歐氏距離接觸概率表示為P_k，滿足P_k＞0.6，k∈{1,...,N}，并記第k個(gè)殘基對(duì)的殘基索引號(hào)i_k和j_k，并滿足i_k＜j_k；

3)初始化：種群規(guī)模NP，根據(jù)輸入序列，最大迭代次數(shù)分別為G，執(zhí)行Rosetta Abinitio協(xié)議的第一與第二階段NP次，產(chǎn)生初始構(gòu)象種群P＝{C₁,C₂,...,C_NP}，其中C_NP表示第NP個(gè)個(gè)體，記當(dāng)前代數(shù)g＝0；

4)遍歷初始種群的所有個(gè)體C_m,m∈{1,..NP}，作為目標(biāo)個(gè)體C_target進(jìn)入種群進(jìn)化的片段組裝階段，并計(jì)算當(dāng)前目標(biāo)個(gè)體的N個(gè)殘基對(duì)的接觸情況，t_k＝1表示第k對(duì)殘基對(duì)接觸，t_k＝0表示第k對(duì)殘基對(duì)不接觸；

5)片段組裝階段，過程如下：

5.1)對(duì)當(dāng)前目標(biāo)個(gè)體不接觸的殘基對(duì)，找出接觸圖中接觸概率最大的不接觸殘基對(duì)r，r∈{1,...,N}；

5.2)從當(dāng)前種群中選擇一個(gè)不同于當(dāng)前目標(biāo)個(gè)體的個(gè)體C_random，該個(gè)體需要滿足d_r,random＜d_r,target，d_r,random和d_r,target分別表示C_random和C_target的第r個(gè)殘基對(duì)的Cα-Cα歐氏距離；如果當(dāng)前種群所有個(gè)體不滿足該條件，則執(zhí)行下一步；否則執(zhí)行步驟5.4)；

5.3)對(duì)目標(biāo)個(gè)體進(jìn)行隨機(jī)的片段組裝，隨機(jī)選擇窗口，并從對(duì)應(yīng)的片段庫(kù)中隨機(jī)選擇片段得到測(cè)試個(gè)體C_trial

5.4)C_random與C_target交叉：若j_r-i_r＞L/2，則從C_random的第i_r號(hào)殘基到j(luò)_r號(hào)殘基中隨機(jī)選取長(zhǎng)L/2的連續(xù)區(qū)域，作為片段，其中L是目標(biāo)序列長(zhǎng)度；否則，直接選擇C_random的第i_r號(hào)殘基到j(luò)_r號(hào)殘基區(qū)域作為片段，并將該片段替換到C_target對(duì)應(yīng)位置得到測(cè)試個(gè)體C_trial；

5.5)若j_r-i_r≥9對(duì)測(cè)試個(gè)體C_trial的被組裝區(qū)域進(jìn)行長(zhǎng)度為9的片段組裝，否則進(jìn)行長(zhǎng)度為3的片段組裝；隨機(jī)從被組裝區(qū)域選擇窗口，并從對(duì)應(yīng)的片段庫(kù)中隨機(jī)選擇片段，得到新的個(gè)體C′_trial；

5.6)利用能量函數(shù)Rosetta score3評(píng)價(jià)C′_trial和C_trial，得到能量值E′和E，并根據(jù)Metropolis準(zhǔn)則選擇是否接受C′_trial，若接受，則令C_trial＝C′_trial；

5.7)重復(fù)步驟5.4)-5.5)150次，若Metropolis準(zhǔn)則拒絕接受150次，則目標(biāo)個(gè)體不被測(cè)試個(gè)體替換；否則，替換目標(biāo)個(gè)體，令C_target＝C_trial；

6)若g＝0，對(duì)所有個(gè)體執(zhí)行步驟5)，得到下一代種群，并令g＝g+1；否則執(zhí)行步驟8)；

7)Loop區(qū)域微調(diào)階段，過程如下：

7.1)隨機(jī)選擇目標(biāo)個(gè)體Loop區(qū)域的片段組裝窗口，片段長(zhǎng)度為3；

7.2)計(jì)算片段間的二面角差值平方根，比對(duì)對(duì)應(yīng)窗口中片段庫(kù)中每個(gè)片段與當(dāng)前目標(biāo)個(gè)體該區(qū)域的結(jié)構(gòu)相似度，選出片段庫(kù)中與目標(biāo)個(gè)體當(dāng)前區(qū)域最相似的片段；

7.3)使用選擇的片段對(duì)目標(biāo)個(gè)體進(jìn)行片段組裝，得到測(cè)試個(gè)體C_trial；

7.4)利用能量函數(shù)Rosetta score3評(píng)價(jià)C_target和C_trial，得到能量值E_target和E，并根據(jù)Metropolis準(zhǔn)則選擇是否接受C_trial，若接受，則令C_target＝C_trial；

8)遍歷當(dāng)前種群所有個(gè)體C_m，計(jì)算C_m的N個(gè)殘基對(duì)的接觸情況，若存在N個(gè)殘基對(duì)接觸，則執(zhí)行步驟6)，否則執(zhí)行5)；得到下一代種群，令g＝g+1，判斷是否滿足終止條件gG，若滿足，結(jié)束種群進(jìn)化，進(jìn)入下一步；否則重復(fù)當(dāng)前步驟；

9)利用聚類工具SPICKER對(duì)Metropolis準(zhǔn)則接受的所有過程點(diǎn)聚類，以最大類的類心構(gòu)象為最終預(yù)測(cè)結(jié)果。