[发明专利]一种基于距离谱的群体构象空间优化方法

摘要

一种基于距离谱的群体构象空间优化方法，首先初始化构象，在每个温度层对查询序列进行随机的折叠和变换生成一个初始化种群；在每个温度层中依次将种群中每个个体作为目标个体，随机选取和目标个体不一样的两个个体进行变异，根据距离谱来判断是否接受变异个体，然后再将另一个个体与变异个体产生测试个体，根据能量判断是否接受构象。在更新完种群后，将相邻两个温度层之间种群个体进行副本交换来增加种群的多样性，通过不断更新种群以及副本交换获得一系列亚稳态构象。本发明预测精度较高、复杂度较低。

主权项

一种基于距离谱的群体构象空间优化方法，其特征在于：所述优化方法包括以下步骤：1)初始化：设置群体规模popSize，变异因子F，交叉概率CR，8个温度层T，迭代次数iteration，能量函数选用Rosetta Score3，首先在每个温度层通过对查询序列随机的折叠和变换，生成一个规模为popSize的初始种群，初始群体为PT＝{xi|i∈I}，计算目标函数值fT(xi),i∈I，并设其中i为种群个体编号，I为种群个体编号集合，I＝{1,2,...,popSize}，为对应温度层目标函数值中的最小值，T为温度层；2)变异、交叉生成测试个体x′i：对每个目标个体xi∈I作如下处理，i＝1,2,…,popSize：2.1)令i＝1；2.2)任意选取三个个体{xa,xb,xc|a,b,c∈{1,2,...,popSize},a≠b≠c≠i}；2.3)根据公式(1)对{xa,xb,xc}执行变异操作及片段组装，生成变异个体x^i=xa+F·(xb-xc)---(1)]]>2.4)对变异个体进行片段组装生成组装个体根据距离谱对组装个体进行判断，接受概率Accept_probability为：Accept_probability=0.8/(Deviation)Deviation=>1(1-Deviation)*0.2+0.8Deviation<1---(2)]]>残基i到残基j之间的距离为FA_ij，距离谱中i到j之间的距离Profile_ij，则在公式(2)中Deviation＝abs(FA_ij‑Profile_ij)，随机产生一个0到1之间的随机数rand_Accept，若Accept_probability>rand_Accept，则用组装个体代替变异个体2.5)根据公式(3)对目标个体xi和变异个体执行交叉操作，生成测试个体x′i，其中，randb(0,1)表示为产生0到1之间的随机小数，rnbr(k)表示随机产生1到N之间的整数；x′i=x^kiif(randb(0,1)≤CRork=rnbr(k)xkiif(randb(0,1)>CRandk≠rnbr(k),k=1,2,...,N---(3)]]>其中k为索引编号；2.6)i＝i+1；如果i<popSize转至2.2)；3)根据Anfinsen提出的天然构象的蛋白质处于热力学最低的能量状态，比较测试个体x′i和目标个体xi∈I的能量函数值，i＝1,2,···,popSize，选择能量函数值较低的个体从而更新种群；4)在每个温度层都进行变异、交叉和选择更新完种群后，将相邻的温度层的对应个体进行副本交换：4.1)首先选择种群中第i个个体，i∈I，i＝1,2，…，popSize；4.2)选择两个相邻的温度层Tj和Tj+1，j＝1,2，…，7；4.3)产生一个随机数rand1∈(0,1)，和判别数judgejudge=e(1(K×(Tj+1))-1K×Tj)×(f(xTj+1i)-f(xTji)))---(4)]]>其中为种群个体的能量值，i＝1,2,···,popSize，Tj为第j个温度层的开尔文温度，j为索引编号，j＝1,2,…,7；4.4)若rand1＜judge，将相邻温度层中的和个体进行交换；5)置6)判断是否满足终止条件到达迭代次数iteration，如不满足则转至2)；7)如满足终止条件，则输出结果。