[发明专利]一种基于多目标遗传算法的带假结核酸结构预测方法

摘要

本发明涉及一种基于多目标遗传算法的带假结核酸结构预测方法，通过最小茎区数和环中最小碱基数来确定K连续匹配集，生成初始种群，然后使用多目标遗传算法对RNA分子序列进行选择、交叉和变异，并进行非支配排序和拥挤距离排序，得到Pareto分子结构最优解集，最后挑选出最优解集中自由能最小的RNA分子结构作为最终预测结果。该方法降低了时间复杂度和空间复杂度，并提高了带假结的RNA分子结构预测的准确率。

主权项

1.一种基于多目标遗传算法的带假结核酸结构预测方法，包括以下步骤：S100，设置最小茎区数MinStem、环中最小碱基数MinLoop、最大假结数MaxPesudoKnot，种群规模N，变异率Pc，交叉率Pm，最大进化代数Gen进行初始化；S101，长度为n的RNA序列S表示为x1x2x3...xn，其中xi∈{A，C，G，U}，1≤i≤n；对RNA序列的每个碱基，用碱基所在位置序号来代替，表示为1，2，3，...，i，...，n的编码方式称为长度编码；S102，判断待检测RNA序列中的碱基配对情况，当RNA序列中i，j位置发生碱基配对时，将对应位置的碱基编码进行交换；根据碱基配对情况计算符合碱基配对规则的随机点匹配列表：(i，j，k)，其中i，j分别表示RNA分子序列的第i个位置和第j个位置可以进行匹配，k为随机碱基对(i，j)的连续匹配数，得到随机点(i，j)的K连续匹配集(i,j,k1,k2,k3,…,kn)用以表示位置i和位置j匹配时可选的连续匹配数集合；S103，使用模拟退火算法从连续匹配数集合中随机产生N个随机RNA序列，设为初始种群P0；S104，对当前种群Pt进行遗传操作，包括对种群中N个RNA序列进行选择、交叉和变异，得到子种群Qt；S105，将父代种群Pt和子种群Qt合并成为整体种群Rt；S106，对整体种群Rt根据评价函数进行非支配排序构造出不同等级的非支配解集Z1,Z2,Z3…,对分配好等级的非支配解集进行拥挤距离排序；其中评价函数定义如下：F＝(总的碱基匹配数，总分组数)S107，根据排序的高低挑选出前N个解，构成下一次迭代的父代种群Pt+1；S108，判断进化代数是否达到设定的最大值Gen，如果达到最大值则进入步骤S109，否则进入步骤S104；S109，输出Pareto最优解集S110，计算Pareto最优解集中所有RNA分子的自由能，输出自由能最小的RNA分子结构。