[发明专利]一种基于残基接触信息辅助评价的蛋白质结构预测方法

摘要

一种基于残基接触信息辅助评价的蛋白质结构预测方法，首先，利用Robetta和RaptorX‑Contact得到片段库和接触图；其次，在种群进化的两个阶段，以不同的方式利用接触图辅助评价构象；最后，通过聚类得到最终预测结果。本发明利用接触图信息，辅助评价构象，保留拓扑正确的构象，从而提高搜索效率，提高预测精度。本发明提供一种预测精度较高的基于残基接触信息辅助评价的蛋白质结构预测方法。

主权项

1.一种基于残基接触信息辅助评价的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)给定输入序列信息，利用Robetta服务器获得该序列的片段库；2)利用RaptorX‑Contact预测该序列的接触图，获得接触概率大于0.6的N个残基对，接触是指Cα‑Cα欧氏距离小于接触概率表示为P_k，k∈{1,...,N}；3)初始化：种群规模NP，种群第一阶段和第二阶段最大迭代次数分别为G1,G2，根据输入序列，执行Rosetta Abinitio协议的第一与第二阶段NP次，产生初始构象种群P＝{C1,C2,...,CNP}，其中CNP表示第NP个个体，记当前代数g＝0；4)进入种群进化第一阶段，过程如下：4.1)对种群所有个体Ci，i∈{1,...,NP}进行片段组装，片段长度为9，得到候选个体C′i；4.2)根据N个残基对的接触概率分别计算Ci和C′i的评分函数影响因子μ和μ′：其中dk和d′k分别是Ci和C′i的第k对残基间的Cα‑Cα距离，μk和μ′k是对应评分函数影响因子的分项；4.3)根据能量函数Rosetta score3计算Ci和C′i的能量值Escore3、E′score3：4.4)利用评分影响因子计算Ci和C′i基于接触的评分s＝μEscore3，s′＝μ′E′score3，并利用Metropolis准则概率接受，若接受，则令Ci＝C′i；4.5)遍历种群所有个体，得到下一代种群，令g＝g+1；5)累计学习种群残基对距离分布，过程如下：5.1)残基对间距离离散化：根据第k个残基对的Cα‑Cα欧氏距离d_k，满足以为间隔将d_k离散化为13个区域，每个区域对应相应的距离范围，规则如下：表示向下取整，B表示区域索引号，B∈{1,...,13}；5.2)计算种群在第k个残基对落入第B块区域的比例qk,B；5.3)学习当前种群的残基对的距离分布：当g＝1，令其中w是学习保守因子，0≤w≤1；6)判断种群进化第一阶段是否结束，若g＞G1，则执行下一步；否则返回步骤4)；7)记第一阶段最终学习得到的残基对距离分布为L_k,B，并记g＝0；8)进入种群进化第二阶段，过程如下：8.1)对种群所有个体Ci，i∈{1,...,NP}进行片段组装，片段长度为3，得到候选个体C′i；8.2)利用残基距离分布Lk,B建立残基对距离辅助的评分函数：分别计算Ci和Ci′的k个残基对距离落入的区域，记为b1,b2,...,bm...,bk和b1′,b2′,...,bn′...,bk′，bm∈{1,2...,13}，bn′∈{1,2...,13}，m∈{1,2...,k}，n∈{1,2...,k}，该评分函数可以表示为：其中w是接触信息贡献因子，0≤w≤1；9)利用Metropolis准则概率接受，若接受，则令Ci＝C′i；10)遍历当前种群所有个体，得到下一代种群，令g＝g+1；判断种群进化第一阶段是否结束，若g＞G2，则执行下一步；否则返回步骤8)；11)利用聚类工具SPICKER对Metropolis准则接受的所有过程点聚类，以最大类的类心构象为最终预测结果。