[发明专利]一种基于种群熵的阶段性蛋白质结构预测方法

摘要

一种基于种群熵的阶段性蛋白质结构预测方法，在差分进化算法的框架下，利用种群中个体状态间的转变选择不同的变异策略，在全局探测和局部增强间达到平衡。在探索阶段，利用排挤策略，使种群在进化的保证种群的多样性；在增强阶段，根据种群中个体状态间的转变构建马尔科夫模型，根据构建马尔科夫型计算种群熵值，再根据计算的熵值信息指导下一代种群中变异策略的选择，从而在全局探测和局部增强间达到平衡，在不断搜索更好的构象的同时避免陷入局部最优，提高构象空间的探索性能。本发明提供一种搜索效率和预测精度较高的基于种群熵的阶段性蛋白质结构预测方法。

主权项

1.一种基于种群熵的阶段性蛋白质结构预测方法，其特征在于：所述蛋白质结构预测方法包括以下步骤：1)输入预测蛋白质的序列信息；2)设置参数：种群规模NP，最大迭代次数G1、G2，交叉概率CR，聚类数K；3)种群初始化：迭代Rosetta协议第一、二阶段，产生具有NP个个体的种群P＝{P1,P2,...,PNP}；4)探索阶段，过程如下：4.1)设g1＝1，其中g1∈{1,2,...,G1}；4.2)设n1＝1，其中n1∈{1,2,...,NP}；4.3)令表示种群P中的第n₁个个体；4.4)变异操作，过程如下：4.4.1)从种群P中随机选择两个互异且不同于的个体P_select1、P_select2；4.4.2)在[0,L‑9]内生成均匀随机整数rand1和rand2，其中L表示氨基酸序列长度；4.4.3)将Ptarget的第rand1至rand1+8号残基的二面角值替换成Pselect1对应残基号的二面角值，将Ptarget的第rand2至rand2+8号残基的二面角值替换成Pselect2对应残基号的二面角值；4.5)生成均匀随机小数rand3，rand3∈[0,1]；若CR＜rand3，转至步骤4.6)；否则，执行交叉操作，过程如下：4.5.1)在[0,L‑9]内生成均匀随机整数rand4；4.5.2)将P^target的第rand4至rand4+8号残基的二面角值替换成对应残基号的二面角值；4.6)利用Rosetta协议第三阶段对Ptarget执行局部搜索操作，生成构象Ptrial；4.7)选择操作，过程如下：4.7.1)计算P^trial与种群P中除外的每一个个体之间的均方根偏差RMSD，并选出与P^trial的RMSD最小的个体P^select；4.7.2)用Rosetta score5能量函数计算Ptrial和Pselect的能量，并根据Metropolis准则决定是否用Ptrial替换种群P中的个体Pselect；4.8)n1＝n1+1；若n1≤NP，转至步骤4.3)；4.9)g1＝g1+1；若g1≤G1，转至步骤4.2)；否则结束探索阶段；5)利用PAM聚类方法对种群P进行聚类，过程如下：5.1)计算种群P中任意两个个体的RMSD，得到相异度矩阵D(NP×NP)，Dmn表示种群中第m个个体与第n个个体的RMSD，其中m和n均∈{1,2,...,NP}；5.2)根据相异度矩阵D(NP×NP)，利用PAM聚类方法对种群进行聚类，得到K个聚类中心以及每个类所包含的个体；6)增强阶段，过程如下：6.1)令6.2)设g2＝1，其中g2∈{1,2,...,G2}；6.3)设n2＝1，其中n2∈{1,2,...,NP}；6.4)令表示种群P^new中的第n₂个个体；6.5)变异操作，过程如下：6.5.1)若g2＝1，执行步骤6.5.2)；否则，转至步骤6.5.3)；6.5.2)第一代变异操作，过程如下：6.5.2.1)从种群P^new中随机选择两个互异且不同于的个体6.5.2.2)在[0,L‑3]内生成均匀随机整数rand5和rand6，其中L表示氨基酸序列长度；6.5.2.3)将P^target的第rand5至rand5+2号残基的二面角值替换成对应残基号的二面角值，将P^target的第rand6至rand6+2号残基的二面角值替换成对应残基号的二面角值；6.5.2.4)转至步骤6.6)；6.5.3)生成均匀随机小数rand7，rand7∈[0,1]；若在步骤6.11)中计算的相邻两代种群间的熵值E≥rand7，执行步骤6.5.4)；否则，执行步骤6.5.5)；6.5.4)利用熵值E指导变异操作，过程如下：6.5.4.1)从种群P^new中选出能量最低的两个个体6.5.4.2)在[0,L‑3]内生成均匀随机整数rand8和rand9，其中L表示构象Ptarget的残基数；6.5.4.3)将P^target的第rand8至rand8+2号残基的二面角值替换成对应残基号的二面角值，将P^target的第rand9至rand9+2号残基的二面角值替换成对应残基号的二面角值；6.5.5)无熵值E指导的变异操作，过程与步骤6.5.2)相同；6.6)生成均匀随机小数rand10，rand10∈[0,1]；若CR＜rand10，转至步骤6.7)；否则，执行交叉操作，过程如下：6.6.1)在[0,L‑3]内生成均匀随机整数rand11；6.6.2)将P^target的第rand11至rand11+2号残基的二面角值替换成对应残基号的二面角值；6.7)利用Rosetta协议第四阶段对Ptarget执行局部搜索操作，生成构象Ptrial；6.8)用Rosetta score3能量函数计算P^trial和的能量；根据Metropolis准则决定是否用P^trial替换种群P^new中的个体6.9)n2＝n2+1；若n2≤NP，转至步骤6.4)；6.10)保持K个聚类中心不变，重新划分聚类，过程如下：6.10.1)设n＝1，其中n∈{1,2,...,NP}；6.10.2)计算种群P^new中第n个个体与K个聚类中心的RMSD，将划分到与其RMSD最小的聚类中心所在的类；6.10.3)n＝n+1；若n≤NP，转至步骤6.10.2)；6.11)计算相邻两代种群间的熵值，过程如下：6.11.1)根据相邻两代种群P和Pnew的K个类中个体的相互转移确定转移矩阵T(K×K)，Tij表示上一代种群P的第i个类中的个体在新一代种群Pnew转移到第j个类的概率，其中i和j均∈{1,2,...,K}；6.11.2)根据公式计算熵值；6.12)P＝Pnew；6.13)g2＝g2+1；若g2≤G2，转至步骤6.3)；否则结束增强阶段；7)根据Rosetta聚类算法对种群P中的个体聚类，选出最大类的类心构象作为最终预测结果。