[发明专利]基于BSA-TS算法的蛋白质三维结构预测方法

说明书

本发明涉及生物计算蛋白质结构预测领域，设计了一种基于BSA算法与TS算法的混合搜素优化方法。该方法将BSA算法应用到蛋白质三维结构预测中，并对BSA算法与TS算法分别进行了一定的改进。在目前广泛使用的斐波纳契序列和真实蛋白质序列上进行实验，从实验得出的数据和与其他方法的比较结果来看，该方法较好的克服了传统算法对于控制参数的初值比较敏感，并且易陷入局部最优的缺点，具有良好的性能和精度。

技术领域

本发明涉及BSA算法，TS算法和三维AB非晶格模型，具体讲的是在蛋白质三维AB非晶格模型中，通过对BSA算法及TS算法的改进与混合，以提高单一算法的算法精度，预测到更稳定的蛋白质三维结构，其属于生物信息学蛋白质结构预测领域。

背景技术

研究蛋白质结构，有助于了解蛋白质作用，了解其如何行使其生物功能，认识蛋白质与蛋白质(或其它分子)之间的相互作用，这对于生物学，医学和药学都非常重要。而近年来蛋白质结构测定的试验方法虽然得到很好发展，但仍比较耗时和昂贵，且对于某些不易结晶的蛋白质来说不适用，因此需要发展理论分析方法。随着计算机技术的发展，其逐步成为处理蛋白质分子超大数据的重要工具。

蛋白质三维结构的理论预测方法主要分为以下三步：一是提出能反映氨基酸残基间相互作用和环境等的数学模型；二是根据热力学假设建立一个计算上简单又能正确区分蛋白质天然结构与其它结构的能量函数，三是找到相应模型对应的能量函数最小值的全局优化方法。由于研究人员的努力，关于上面三个步骤分别得到了很多的成果。对于蛋白质结构模型，目前两个应用非常广的模型是HP晶格模型与AB非晶格模型。HP晶格模型使用两种残基——疏水性残基(H)与亲水性残基(P)表示氨基酸链，且各残基分布在堆叠的立方晶格顶点。这个模型的缺点是忽略了在蛋白质折叠过程中很重要的局部反应。AB非晶格模型比HP晶格模型更精确，因为其中氨基酸间键角是任意的。由于蛋白质折叠过程的复杂性，准确的蛋白质能量函数的建立是困难的，目前有很多简化的能量函数被提出。对于全局优化方法，基于HP晶格模型与AB非晶格模型的许多优化蛋白质结构预测算法已经被提出。近年来，基于HP晶格模型的优化算法比如MOSE,ACO,MCMPSO-TS等算法。MOSE算法用一个启发式偏差函数帮助理论的蛋白质结构形成疏水内核，但是这仅仅在简单折叠的蛋白质中高效。ACO算法提出的灵感来源于对蚂蚁寻找食物的行为的观察，其算法框架可以被分成三部分：蚂蚁解的构造，更新信息素，进程守护。MCMPSO-TS算法是一种联接了粒子群算法(PSO)和禁忌算法(TS)以提高全局优化能力的混合算法。基于AB非晶格模型的蛋白质结构预测算法比如PSO,TPSO,LPSO,PGATS,ABC等算法。PSO算法的灵感来源于鸟群迁徙过程中的信息交流，每只鸟不但能记住自己当前找到的距离食物最佳的位置，还可以知道种群中所有鸟儿当前所能找到的最佳位置，由这两个最优值判断食物的最佳位置。TPSO算法联接了PSO算法和TS算法，利用两个算法的优势提高搜索精度，跳出局部最优解。LPSO算法在PSO算法中加入一种称为利维飞行的随机过程以提高算法全局搜索能力。PGATS算法是在GA-PSO基础上提出的，同时加入了改进的禁忌搜索算法的混合算法。ABC算法的提出源于对蜜蜂采蜜行为的观察，此算法的主要特征是不用知道问题的特殊信息，只需要比较解的优劣性。既然设计算法的目的是预测蛋白质结构，那么最重要的判断标准就是每个算法所能预测到的对应能量函数的最低值。因此本文主要关注得到更低的能量值及对应的空间结构，以蛋白质三维结构预测为研究目的，并基于改进BSA算法与禁忌算法，针对AB非晶格模型提出了一种混合优化算法。通过在AB非晶格模型上的实验，结果表明此混合算法能得到比几乎所有以上算法得到的最优结果更低的能量值。

发明内容

鉴于已有生产方法存在的缺陷，本发明提供一种基于三维AB非晶格模型的蛋白质三维结构预测算法BSA-TS混合算法，该方法是将BSA算法用于蛋白质结构三维预测且加以改进，同时在算法后期使用加入变异算子的TS算法，利用其全局搜索能力较强的优点对BSA算法运行得到的优化结果进行进一步全局搜索，有效提高了算法的搜索精度，得到更稳定的蛋白质三维结构。