[发明专利]一种基于局部有偏的蛋白质结构预测方法

权利要求书

1.一种基于局部有偏的蛋白质结构预测方法，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)利用PSIPRED平台预测目标蛋白的二级结构信息，利用ROSETTA平台构建片段库；

3)参数初始化：设置种群规模Ps，迭代计数器g，最大遗传代数G_max，初始种群搜索轨迹长度N，交叉片段长度c，片段长度l，变异计数器T，最大计数值T_max；

4)初始化种群：启动Ps条Monte Carlo轨迹，每条轨迹搜索N次，即生成Ps个初始个体；

5)对每个目标个体x_i，i∈{i＝1，2 ...，Ps}进行如下操作：

5.1)对个体x_i，进行变异操作：

5.1.1)随机产生一个整数d′∈[1，l-m]，进而确定出个体x_i的片段插入窗口[d′，m+d′]，其中m是窗口大小；

5.1.2)根据公式计算窗口片段与片段库片段的疏水尺度差，其中是个体x_i对应窗口片段中第i残基的疏水值，是片段库中片段第i残基的疏水值；

5.1.3)根据预测的二级结构，确定目标蛋白在对应窗口区域的二级结构S_pre＝{sec_k|d′≤k≤d′+m}，其中，sec_k∈{H，E，L}是预测的目标蛋白窗口区域第k个残基对应的二级结构类型，H，E，L分别代表α螺旋，β折叠和loop区域；

5.1.4)根据公式其中逐一计算片段库中片段的二级结构得分，其中表示片段库中片段h的第k个残基对应的二级结构类型；

5.1.5)根据公式分别计算片段库中各片段的得分并进行从高到低排序，其中，w₁和w₂分别是疏水尺度差与二级结构得分的权重，ΔR^h表示片段库中第h个片段与目标窗口的疏水尺度差，表示片段库中第h个片段的二级结构得分；

5.1.6)从得分最高的前n个片段中随机选择一个片段，对个体x_i进行片段组装生成，利用蒙特卡洛机制判断是否接收该片段的插入，若接收，即获得变异个体x′_i，进入步骤5.2)，否则进入步骤5.1.7)

5.1.7)更新迭代参数T，若T＜T_max，返回步骤5.1.6)，否则直接片段组装生成变异个体x′_i并更新，T＝0；

5.2)随机选择一个个体x_j，j∈{1，2，...，Ps}且j≠i进行如下的交叉操作：

5.2.1)产生一个随机整数d″∈[1，l-c]，确定交叉区域[d″，d″+c]；

5.2.2)根据预测的二级结构，确定目标蛋白在交叉区域对应的二级结构S_pre′＝{sec′_k|d″≤k≤d″+c}，其中，sec′_k∈{H，E，L}是预测的目标蛋白交叉区域第k个残基对应的二级结构类型；

5.2.3)利用DSSP测定个体x′_i的二级结构，从而确定交叉区域对应的二级结构序列其中，是x′_i中第k个残基对应的二级结构类型；

5.2.4)根据公式其中计算个体x′_i中交叉片段的得分其中表示x′_i中第k个残基对应的二级结构类型；

5.2.5)利用DSSP测定个体x_j中交叉区域对应的二级结构序列

5.2.6)根据公式其中计算个体x_j中交叉片段的二级结构得分

5.2.7)比较与的大小，如果则x″_i＝x′_i，并进入步骤5.3)，否则，执行步骤5.2.8)；

5.2.8)用个体x_j的交叉片段替换个体x′_i中对应片段，生成交叉个体x″_i；

5.3)对目标个体与交叉个体进行如下的选择操作：

5.3.1)产生一个随机值rn∈[0，1]，若rn＞0.5，则进入步骤5.3.2)，否则进入步骤5.3.3)；

5.3.2)分别计算目标个体x_i和交叉个体x″_i的能量E_i和E″_i，若E″_i＜E_i，则x″_i替换x_i成为下一代目标个体，否则不进行替换操作，保留x_i作为下一代目标个体，并进入步骤6)；

5.3.3)根据公式其中和其中分别计算目标个体x_i和交叉个体x″_i的二级结构得分S_T和S″_T，若S″_T＞S_T，则x″_i替换x_i成为下一代目标个体，否则保留x_i作为下一代目标个体，并进入步骤6)；

6)对种群中的每一个个体都执行完步骤5)以后，迭代次数g＝g+1，判断g是否大于G_max，若g＞G_max，则停止迭代并退出，否则返回步骤5)。