[发明专利]基于BSA-TS算法的蛋白质三维结构预测方法

摘要

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。

主权项

1.基于BSA‑TS算法的蛋白质三维结构预测方法，其特征在于，所述的方法包括以下具体步骤：1)随机初始化种群P和历史种群P^old；2)进入改进的BSA算法迭代循环部分，判断终止条件是否满足，步骤2)中终止条件为判断循环代数epk值是否小于3000，若大于3000，则满足终止条件，执行9)，否则执行3)；3)执行选择‑I策略：在每次迭代初始时重新确定将被用来计算搜索方向的历史种群P^old：If a<b then P^old＝P其中，a，b为随机数，a,b～U(0,1)，从之前迭代得到的种群中选择一个作为历史种群P^old，并记住它直到再次发生变化；4)在历史种群P^old确定之后，对其中个体进行随机排序，并重新赋值给历史种群P^old：P^old＝P^old(randperm(popsize),:)5)执行变异操作：产生实验种群Mutant的初始值：Mutant＝P+F*(P^old‑P)其中，F是变异尺度，控制搜索方向矩阵(P^old‑P)的变异幅度，F取值为2.5*randn，其中randn是一个符合均值为0，方差为1的标准正态分布的随机数；6)执行交叉策略：通过判断两个0到1之间的随机数大小而随机调用其两种交叉策略；分别进行两种交叉时，首先确定交叉长度u以及对应交叉位置，然后将种群P与Mutant中相同位置个体的同维元素互换，生成新种群P’与Mutant’，并将P’赋给Mutant；在每次交叉时，u的两种选择方式如下：a)交叉策略I：u＝1；b)交叉策略II：其中mixrate为交叉概率，dim为每个染色体长度；7)执行边界控制：在执行交叉策略后，对种群Mutant个体中超出搜索范围的基因执行边界控制，通过判断两个0到1之间的随机数大小而等概率调用以下两种边界控制方法产生新基因，新生成的实验种群记为Q：a)当种群Mutant中某基因P_ij超过基因搜索范围的上界，则重新赋值为up(j),低于基因搜索范围的下界时，则重新赋值为low(j)；b)当种群Mutant中某基因P_ij超过基因搜索范围的上界或下界时，P_ij＝rand*(up(j)‑low(j))+low(j)；8)执行惩罚机制：将种群P按适应度大小升序排列，取其前一半个体为种群R，将R与Q组成新种群Mu，求出Mu所有个体之间的欧氏距离d，如果d<D时,D为经验值，与蛋白质序列长度相关，则将种群Mu中适应度大的值除以罚函数Penalty，Penalty为10¹³，然后按适应度值将Mu按升序排序，取前popsize个个体赋给种群P并参与下次迭代；9)设定禁忌算法参数，将BSA部分得到的globalminimizer值作为初始解，禁忌表置空；10)对BSA部分得到的优化结果用改进的TS算法，通过引入变异算子进行全局邻域搜索；当满足终止条件时，退出循环，输出优化结果；步骤10)中终止条件是判断循环代数T是否小于2000，若大于等于2000，则满足终止条件，执行15)，否则执行11)；11)由当前解结合变异算子产生邻域解，并确定候选解；12)判断是否满足藐视准则，判断候选解与目前得到的最优解对应的最低适应度函数值pbest的大小，如果某候选解适应度值比pbest低，则满足藐视准则，若满足，则执行14)，否则执行13)；13)判断候选解禁忌属性，将非禁忌对象对应的最优状态作为当前解，并用该对象替换最早进入禁忌表的对象；跳转10)；14)将满足藐视准则的解作为当前解，其对应禁忌对象替换最早进入禁忌表的对象，更新最优状态；跳转10)；15)输出优化结果。