[发明专利]一种基于距离分布估计的蛋白质预测方法

摘要

一种基于距离分布估计的蛋白质预测方法，首先，基于过程的构象解知识以及统计学习来预测距离分布，并将其用来指导构象搜索；其次，在遗传算法的基本框架下，对每个目标个体完成基于片段组装的变异，并根据距离分布的知识和能量函数对目标个体和变异个体分别进行评价，选出适应度较高的个体进入下一代种群。本发明提出一种预测精度高、计算代价低的基于距离分布估计的蛋白质预测方法。

主权项

1.一种基于距离分布估计的蛋白质预测方法，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)能量函数E(x)采用Rosetta的打分函数score3；3)参数初始化：设置种群规模Psize，学习阶段迭代次数G1，搜索阶段最大的迭代次数Gmax，连续拒绝数Cmax，窗口长度l，距离间隔为r，参数t，结构相似度阈值Rcut，初始温度常数KT；4)基于过程的构象知识构建距离分布，过程如下：4.1)启动Psize条轨迹，每条轨迹采样G1次；在采样中对每个个体进行片段组装，并利用Monte Carlo机制判断是否接收该片段的插入，记录接收的总次数Num，并且将每一次接收后的构象保存到构象集X＝{xi|i∈N+且i＜Num}；4.2)对构象集X中所有的构象进行聚类选出潜在的构象，具体操作如下：4.2.1)在当前构象集X中，选出能量最低的构象x,x∈X，将x从X中移到构象集X′；4.2.2)依次计算构象集X中的每一个构象xi与x基于Cα原子的均方根偏差R；如果R≤Rcut，则将xi从X中移到构象集X′；4.2.3)统计构象集X′中含有的构象个数Num′，如果Num′＞t·Num，则转至步骤4.3.4)，否则转至步骤4.3.1)；4.2.4)利用构象集X′中所有构象x′,x′∈X′的结构信息，以滑动窗口的形式遍历计算每个残基对的空间距离d′mn，其中n＝m+l；4.2.5)以r为间隔进行划分，统计构象集X′中d′_mn落入各个距离区间[a,b]的构象个数即a＜d′_mn≤b，则其中b＝a+r且a＞0,b＜3.78l。如果构象集X′中没有d′_mn落入区间[a,b]，则4.2.6)目标个体所有组成目标个体的距离分布；5)对构象集X′中所有的构象根据能量进行排序，选出能量最低的前Psize个构象并进行编号x′j,j∈{j＝1,...,Psize}为潜在构象；6)对每个目标个体x′j,j∈{j＝1,...,Psize}进行如下操作：6.1)利用能量函数计算构象x′j的能量E(x′j)；6.2)对个体x′_j进行片段组装生成个体并计算个体的能量6.3)根据公式计算x′_j和的能量变化；如果ΔE＜0，则直接接收个体为变异个体x″_j；如果ΔE≥0，根据公式p＝e^‑ΔE/kT计算玻尔兹曼概率p；6.4)如果p＞rand其中rand∈[0,1]的随机数，则接受个体为变异个体x″_j转至步骤7)，否则更新变异拒绝次数，进行步骤6.5)；6.5)如果连续拒绝了Cmax次，则增大温度常数，即KT＝KT+1，否则温度常数保持不变；7)对每个目标个体x′j,j∈{j＝1,.2..,Psize}和变异个体x″j,j∈{j＝1,.2..,Psize}进行如下选择操作：7.1)遍历计算目标个体x′_j中第m和第n个残基Cα原子间的距离确定出所对应的区间[a,b]，并将距离分布中对应的赋给变量N_mn，即7.2)根据公式计算目标个体x′_j的距离分布得分；7.3)同理就算变异个体x″j的距离分布得分S(x″j)；7.4)利用能量函数分别计算目标个体x′_j和变异个体x″_j的能量E(x′_j)和7.5)如果则变异个体x″_j直接进入下一代，并作为下一代的父代个体，否则进入步骤7.6)；7.6)根据公式ΔS＝S(x″j)‑S(x′j)计算目标个体与变异个体的距离分布得分差，如果ΔS＜0则变异个体x″j进入下一代，并作为下一代的父代个体，否则个体x′j进入下一代。8)判断是否达到最大迭代代数Gmax，若达到最大迭代代数，则输出结果，否则转至步骤6)。