[發(fā)明專利]一種基于二級(jí)結(jié)構(gòu)動(dòng)態(tài)選擇策略的蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201810993744.6
• 申請(qǐng)日: 2018-08-29
• 公開(kāi)（公告）號(hào): CN109378035B
• 公開(kāi)（公告）日: 2021-02-26
• 發(fā)明（設(shè)計(jì)）人: 張貴軍;馬來(lái)發(fā);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;G16B20/00
• 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)

1.一種基于二級(jí)結(jié)構(gòu)動(dòng)態(tài)選擇策略的蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)方法，其特征在于：所述方法包括以下步驟：

1)輸入查詢蛋白的氨基酸序列，利用PSIPRED預(yù)測(cè)查詢序列的二級(jí)結(jié)構(gòu)信息，利用Robetta構(gòu)建查詢序列的片段庫(kù)；

2)設(shè)置初始種群規(guī)模NP、最大迭代次數(shù)Gen、交叉概率CR、輸入查詢序列、片段庫(kù)和迭代次數(shù)g＝0；

3)對(duì)種群所有構(gòu)象進(jìn)行初始化，對(duì)種群中每個(gè)構(gòu)象進(jìn)行片段組裝，利用片段庫(kù)中相應(yīng)位置的片段的二面角替換構(gòu)象中對(duì)應(yīng)位置上的殘基二面角，直到所有的殘基二面角至少被替換過(guò)一次；

4)構(gòu)象交叉，操作如下：

4.1)選擇第i，i∈[1,NP]個(gè)構(gòu)象C_i為目標(biāo)構(gòu)象，產(chǎn)生一個(gè)隨機(jī)數(shù)r，r∈[0,1]，如果r小于CR，則繼續(xù)步驟4.2)，否則跳至步驟5)；

4.2)隨機(jī)選擇一個(gè)構(gòu)象C_j,j≠i，利用計(jì)算二級(jí)結(jié)構(gòu)算法DSSP獲取構(gòu)象C_i的二級(jí)結(jié)構(gòu)信息；

4.3)根據(jù)C_i殘基位置隨機(jī)選擇一個(gè)交叉點(diǎn)p，判斷交叉點(diǎn)p對(duì)應(yīng)的殘基被預(yù)測(cè)的二級(jí)結(jié)構(gòu)的類型；

4.4)針對(duì)C_i和C_j，從交叉點(diǎn)p開(kāi)始依次互換二面角對(duì)直到從交叉點(diǎn)p起預(yù)測(cè)的二級(jí)結(jié)構(gòu)類型和交叉點(diǎn)p處對(duì)應(yīng)的二級(jí)結(jié)構(gòu)類型不同為止，產(chǎn)生兩個(gè)新構(gòu)象C′_i和C′_j；

5)構(gòu)象變異，對(duì)構(gòu)象C′_i和C′_j，變異過(guò)程如下：

5.1)對(duì)構(gòu)象C′_i進(jìn)行3殘基片段組裝，對(duì)C′_j進(jìn)行9殘基片段組裝，生成兩個(gè)構(gòu)象C″_i和C″_j；

5.2)分別對(duì)構(gòu)象C″_i和C″_j求二級(jí)結(jié)構(gòu)相似性分值E_ss：

其中L是查詢序列長(zhǎng)度，是查詢序列中第l個(gè)殘基預(yù)測(cè)的二級(jí)結(jié)構(gòu)，是測(cè)試構(gòu)象的第l個(gè)殘基的二級(jí)結(jié)構(gòu)，其值由DSSP求得；

5.3)從構(gòu)象C″_i和C″_j中選擇二級(jí)結(jié)構(gòu)相似得分E′_ss最高的構(gòu)象作為變異成功構(gòu)象；

6)求種群中每個(gè)構(gòu)象的二級(jí)結(jié)構(gòu)相似性分值E_ss，計(jì)算種群二級(jí)結(jié)構(gòu)相似性分值的平均值和方差σ；

7)根據(jù)平均值和方差σ，求選擇策略切換概率p_se：

其中L是查詢序列的長(zhǎng)度，和σ分別是種群二級(jí)結(jié)構(gòu)相似性分值的平均值和方差；

8)基于選擇策略切換概率p_se進(jìn)行選擇，過(guò)程如下：

8.1)產(chǎn)生一個(gè)隨機(jī)數(shù)r′,r′∈[0,1]，如果r′p_se，則跳至8.3)；

8.2)根據(jù)二級(jí)結(jié)構(gòu)相似性分值進(jìn)行種群更新，過(guò)程如下：

8.2.1)對(duì)種群中的每個(gè)構(gòu)象求二級(jí)結(jié)構(gòu)相似性分值E_ss，并求出最小的二級(jí)結(jié)構(gòu)相似性分值E″_ss；

8.2.2)如果E′_ss大于E″_ss，則用E′_ss對(duì)應(yīng)的構(gòu)象替換E″_ss對(duì)應(yīng)的構(gòu)象實(shí)現(xiàn)種群更新，否則保持種群不變，跳至9)；

8.3)根據(jù)能量值進(jìn)行種群更新，過(guò)程如下：

8.3.1)對(duì)種群中的每個(gè)構(gòu)象利用能量函數(shù)Rosetta score3計(jì)算能量值E，并計(jì)算出最大的能量值E′，分別對(duì)構(gòu)象C″_i和C″_j利用能量函數(shù)Rosetta score3計(jì)算能量值E_i和E_j，并計(jì)算最小的能量值E″；

8.3.2)如果能量值E′E″，則用E″對(duì)應(yīng)的構(gòu)象替換種群中E′對(duì)應(yīng)的構(gòu)象，否則保持種群不變；

9)g＝g+1，判斷是否達(dá)到最大迭代次數(shù)Gen，若不滿足條件終止條件，則遍歷種群執(zhí)行步驟4)，否則輸出能量最低的構(gòu)象作為最后預(yù)測(cè)結(jié)果。