[发明专利]一种基于残基信息动态选择策略的蛋白质结构预测方法

说明书

一种基于残基信息动态选择策略的蛋白质结构预测方法，在Rosetta的基本框架下，引入距离谱和残基接触信息来弥补能量函数精确性的不足。首先，初始化构象，并针对loop区进行交叉、变异来生成新构象；然后，分别利用距离谱和残基接触信息设计两种不同的选择策略，同时根据各选择策略的历史成功信息计算其选择概率；最后，根据选择概率动态自适应地选择策略指导种群更新；迭代上述过程直至满足条件后输出结果。本发明提供一种预测精度较高的基于残基信息动态选择策略的蛋白质结构预测方法。

技术领域

本发明涉及一种生物学信息学、智能优化、计算机应用领域，尤其涉及的是，一种基于残基信息动态选择策略的蛋白质结构预测方法。

背景技术

生物细胞中包含许多由20多种氨基酸所形成的长链折叠而成的蛋白质，蛋白质结构预测问题是当今计算生物学领域中的研究热点，不仅具有非常重要的理论机制，而且对新蛋白的设计、蛋白质之间相互作用建模、药物标靶蛋白的设计具有十分重要的指导意义。目前，最常用的蛋白质结构实验测定方法包括X-晶体衍射和核磁共振，但是上述两种蛋白质结构测定方法存在一定的缺陷，无法满足所有蛋白质结构预测的需求。例如，对于一些不易结晶的蛋白，无法使用X-晶体衍射方法进行测定；使用核磁共振测定一个蛋白的结构费用较大(大约15万美元)，并且极其费时(大约需要半年)。因此，如何以计算机为工具，运用适当的算法，从氨基酸序列出发直接预测蛋白质的三维结构，成为当前生物信息学中一种重要的研究课题。

1965年，Anfinsen等提出了蛋白质的一级结构完全决定了其三维空间结构的著名论断，这一论断使得根据蛋白质得氨基酸序列从理论上预测其相应的空间结构成为了现实。从热力学角度来看，也就是说蛋白质的天然态结构通常对应着能量最低的构象。因此，从氨基酸序列出发，以能量函数来衡量构象的质量，采用适当的算法搜索能量模型中最小能量构象，从而预测蛋白质的天然态结构，已成为计算生物信息学中重要的研究课题之一。目前，最常用的预测方法可以划分为以下三类：针对高相似序列的同源建模方法；针对较低相似性序列的折叠识别方法；以及不依赖模板的从头预测方法。

从头预测方法直接基于Anfinsen假说建立蛋白质物理或知识能量模型，然后设计适当优化算法求解最小能量构象。可以看出，从头预测方法必须考虑以下两个因素：(1)蛋白质结构能量函数；(2)构象空间搜索方法。第一个因素本质上属于分子力学问题，主要是为了能够计算得到每个蛋白质结构对应的能量值。第二个因素本质上属于全局优化问题，通过选择一种合适的优化方法，对构象空间进行快速搜索，得到能量最低构象。其中，能量函数值的不精确是导致蛋白质结构预测精度的关键因素，能量函数的不精确会导致搜索过程中结构合理的构象丢失，从而影响预测精度。

因此，现有的蛋白质结构预测方法在预测精度方面存在不足，需要改进。

发明内容

为了克服现有的蛋白质结构预测方法在预测精度方面的不足，本发明提供一种预测精度较高的基于残基信息动态选择策略的蛋白质结构预测方法。

本发明解决其技术问题所采用的技术方案是：

一种基于残基信息动态选择策略的蛋白质结构预测方法，所述预测方法包括以下步骤：

1)给定目标蛋白的序列信息；

2)根据序列信息从QUARK服务器(https://zhanglab.ccmb.med.umich.edu/QUARK/)上得到距离谱文件；

3)根据序列信息从RaptorX(http://raptorx.uchicago.edu/ContactMap/)服务器上得到残基接触信息文件；

4)设置参数：种群大小NP，算法的最大迭代代数G，交叉因子CR，选择因子SR，温度因子β，接触信息因子β_con，置迭代代数g＝0；