[发明专利]基于多目标粒子群优化的蛋白质结构预测方法

权利要求书

1.一种基于多目标粒子群优化的蛋白质结构预测方法，包括步骤：

S1：在一待预测的蛋白质序列中选择需要优化的n个不同初始结构作为n个目标粒子，并将每一所述目标粒子的位置坐标以构象表示的形式表示，n为大于零的自然数；

S2：对一更新公式进行参数设置；

S3：根据所述更新公式对三目标能量公式进行迭代，并获得一更优解集；

S4：处理所述最优解集获得一最优解，并将所述最优解作为所述目标粒子的预测位置。

2.根据权利要1所述的基于多目标粒子群优化的蛋白质结构预测方法，其特征在于，所述更新公式包括公式(1)和公式(2)：

其中，w为惯性系数，k为迭代次数，c₁为认知系数，c₂为社会系数；为更新速度，所述更新速度表示第i粒子在第k次迭代过程中相比上一次迭代过程中改变结构的速度；rand为0～1之间的随机数；为历史最优结构；为全局最优结构；为第i粒子在第k次迭代过程中的所述位置坐标。

3.根据权利要2所述的基于多目标粒子群优化的蛋白质结构预测方法，其特征在于，所述S2步骤中，初始化每一所述目标粒子的所述更新速度为0，并对一最大迭代次数、所述惯性系数、所述认知系数和所述社会系数进行设置。

4.根据权利要3所述的基于多目标粒子群优化的蛋白质结构预测方法，其特征在于，所述目标能量公式包括Rosetta能量函数、QUARK能量函数和CHARMM能量函数。

5.根据权利要3或4所述的基于多目标粒子群优化的蛋白质结构预测方法，其特征在于，所述S3步骤进一步包括步骤：

S31：分别利用所述目标能量公式计算获得各所述初始粒子的一第一能量函数值、一第二能量函数值和一第三能量函数值；

S32：确定并选择各所述目标粒子中的非支配粒子，并将所述非支配粒子加入一更优解集；所述非支配粒子所对应的第一能量函数值为各所述第一能量函数值中的最小值，所述非支配粒子所对应的第二能量函数值为各所述第二能量函数值中的最小值，所述非支配粒子所对应的第三能量函数值为各所述第三能量函数值中的最小值，且所述第一能量函数值为各所述第一能量函数值中唯一的最小值或所述第二能量函数值为各所述第二能量函数值中唯一的最小值或所述第三能量函数值为各所述第三能量函数值中唯一的最小值；

S33：根据所述公式(1)更新各所述目标粒子所对应的所述更新速度；

S34：根据所述公式(2)更新各所述目标粒子的所述位置坐标；

S35：分别利用三所述目标能量公式计算获得各所述目标粒子的一所述第一能量函数值、一所述第二能量函数值和一所述第三能量函数值；

S36：确定并选择各当前所述目标粒子中的非支配粒子，并将该非支配粒子加入所述更优解集；

S37：判断迭代次数是否达到所述最大迭代次数；如否，返回步骤S33；如是，继续后续步骤。

6.根据权利要5所述的基于多目标粒子群优化的蛋白质结构预测方法，其特征在于，所述S4进一步包括步骤：

S41：构建一效用函数，U＝λ₁f₁+λ₂f₂+λ₃f₃，其中f₁为所述第一能量函数值、f₂为所述第二能量函数值、f₃为所述第三能量函数值，λ₁为第一权重、λ₂为第二权重、λ₃为第三权重，λ₁、λ₂和λ₃的取值范围分别为[0,1]且λ₁+λ₂+λ₃＝1；

S42：对λ₁、λ₂足够进行N次随机采样，计算所述更优解集中每个非支配粒子所对应的期望效用E(U)；

选取数值最大的一所述期望效用所对应的一所述非支配粒子作为所属最优解。