[发明专利]一种局部增强的多模态差分进化蛋白质结构从头预测方法

摘要

一种局部增强的多模态差分进化蛋白质结构从头预测方法，包括以下步骤：在差分进化算法框架下，采用Rosetta score3粗粒度知识能量模型来降低构象空间维数；将构象种群划分为多个模态，以保持种群多样性，采用片段组装技术来提高预测精度，同时采用蒙特卡洛算法对种群做增强；在种群进化后期，使用抽象凸估计技术，建立模态的下界估计模型，构建广义下降方向，对模态内个体做局部增强，以得到更为优良的局部构象；结合差分进化算法较强的全局搜索能力，可以对构象空间进行更为有效的搜索。本发明基于差分进化算法，提出一种构象空间搜索维数较低、收敛速度较快、预测精度较高的局部增强的多模态差分进化蛋白质结构从头预测方法。

主权项

1.一种局部增强的多模态差分进化蛋白质结构从头预测方法，其特征在于：所述方法包括以下步骤：1)给定输入序列信息；2)设置系统参数：种群大小popSize，算法的迭代次数T，交叉因子CR，变异因子MU，片段的长度L，模态数量N；3)种群初始化：由输入序列产生popSize个种群个体P_init；4)模态建立：将种群平均划分为N个模态；5)开始迭代，执行种群进化过程：5.1)令P_target＝P_ij，其中i,j为随机选择的序号，且i∈{1,2,3,…,N},j∈{1,2,3,…,N_modal}；N_modal表示模态中个体的数目，P_target表示目标个体，P_ij表示第i个子群中的第j个个体；5.2)针对个体P_target做变异操作：从L＝3的片段库中随机选择片段进行片段组装，得到中间个体P_trial′；5.3)随机生成正整数rand1，rand2，rand3，其中rand1∈{1,2,3,...,N_modal}，rand1≠j，rand2∈{1,2,…,Length}，rand3∈(0,1)，其中Length为序列长度；5.4)若随机数rand3<＝CR，针对P_trial′做交叉操作：令l＝rand1；k＝rand2；令即：将P_trial′的第k个氨基酸所对应的二面角φ,ω替换为P_l相同位置氨基酸对应的二面角φ,ω；5.5)令P_trial＝P_trial′，得到测试个体P_trial；5.6)执行更新操作：根据Rosetta Score3能量函数计算P_target和P_trial的能量：E(P_target)，E(P_trial)；若E(P_target)>E(P_trial)令P_target＝P_trial，否则保持种群不变；5.7)得到更新后的种群P_update；5.8)针对种群P_update中的每一个模态做模态增强：5.8.1)选择模态中能量最低的两个个体P_des1，P_des2，构建当前模态的下界支撑面，得到模态区域最小估计值x_min；5.8.2)根据构建广义下降方向D_des，其中为个体P_des1的二面角表示；5.8.3)根据生成增强个体P_enhance，其中为个体P_des2的二面角表示，λ为步长调整因子；5.8.4)根据Rosetta Score3能量函数计算增强个体的能量：E(P_enhance)，并与当前模态中能量最高的个体P_max进行比较，若能量下降，则用增强个体替换当前能量最高个体；6)迭代运行步骤5)至达到终止条件。