[发明专利]一种基于差分进化局部扰动的蛋白质构象空间优化方法

说明书

一种基于差分进化局部扰动的蛋白质构象空间优化方法，在差分进化算法的框架下，利用种群中个体间的信息交换增强算法的探索能力；同时，利用差分进化算法实现对loop区域的微调，增加loop区域结构的多样性，从而在已有的结构的基础上进一步增强对loop区域的探索，进而提高整体的探索效率和预测精度。本发明提供一种预测精度较高的基于差分进化局部扰动的蛋白质构象空间优化方法。

技术领域

本发明涉及生物信息学、计算机应用领域，尤其涉及的是一种基于差分进化局部扰动的蛋白质构象空间优化方法。

背景技术

蛋白质是以氨基酸为基本单位构成的生物大分子。蛋白质是生命的物质基础，是构成细胞的基本有机物。生物体内的氨基酸种类有20种，20种氨基酸排列组合形成了各种各样具有特定功能的蛋白质。蛋白质的功能由其空间结构决定，许多疾病就是由于蛋白质的空间结构发生变化导致的。因此，确定蛋白质的空间结构将有助于相关疾病的治疗。

由于通过实验测定蛋白质三维结构的方法存在局限，因此利用计算机技术根据蛋白质的氨基酸序列预测蛋白质的三维结构成为测定蛋白质空间结构的另一种选择。根据氨基酸序列预测蛋白质三维结构的方法主要分为同源建模法和从头预测法。其中从头预测法不依赖目标蛋白的同源信息。目前比较成功的从头蛋白质结构预测方法有Baker团队开发的Rosetta和张阳团队开发的QUARK等。

根据氨基酸序列预测蛋白质三维结构实质上是在能量模型引导下的构象空间优化问题。目前的构象空间优化方法对α螺旋和β折叠的探索能力较强，往往能形成较高精度的α螺旋和β折叠；但是这些方法对loop区域的探索能力不够，不能形成很好的loop结构，从而影响整体的预测精度。

因此，目前的构象空间优化方法对loop区域的探索存在搜索效率低和预测精度不足等问题，需要改进。

发明内容

为了克服现有的构象空间优化方法对loop区域的探索存在搜索效率低和预测精度不足等问题，本发明提供一种预测精度较高的一种基于差分进化局部扰动的蛋白质构象空间优化方法，本方法在大规模搜索构象空间的同时增强对loop区域的探索，利用差分进化算法实现对loop区域的扰动，从而提高loop区域结构的多样性，在已有结构的基础上进一步优化loop区域的结构，从而提高整体的预测精度。

本发明解决其技术问题所采用的技术方案是：

一种基于差分进化局部扰动的蛋白质构象空间优化方法，所述方法包括以下步骤：

1)输入预测蛋白质的序列信息；

2)设置参数，过程如下：

2.1)构象搜索差分进化参数：种群规模NP，迭代次数G；

2.2)二面角扰动差分进化参数：种群规模NP′，迭代次数G′，交叉概率CR，变异算子F；

3)种群初始化：迭代Rosetta协议第一、二、三阶段，产生具有NP个个体的种群P＝{P₁,P₂,...,P_NP}，其中P_n表示种群P中的第n个个体，n∈{1,2,...,NP}；

4)设g＝1，其中g∈{1,2,...,G}；

5)设n＝1，其中n∈{1,2,...,NP}；

6)变异操作，过程如下：

6.1)从种群P中随机选择三个互不相同的个体P_select1、P_select2、P_select3；

6.2)在[0,L-3]内生成两个不同的均匀随机整数rand1和rand2，其中L表示氨基酸序列的长度；