[发明专利]一种基于片段自适应选择的群体蛋白质结构预测方法

摘要

一种基于片段自适应选择的群体蛋白质结构预测方法，在差分进化算法框架下，针对每一代的构象，首先从当前种群中选择能量最低的构象，通过对其每个残基位进行多次组装来学习每个残基位和对应的片段库中每个片段的成功率，并根据前一代的成功信息来计算每个残基位和对应的片段库中每个片段的选择概率；在变异和组装过程中，根据这些概率去确定残基位以及从对应的片段库中选择片段，从而保证成功率较高的残基位和成功率较高的片段被选择的概率较大，进而提高预测精度。本发明提供一种预测精度较高的基于片段自适应选择的群体蛋白质结构预测方法。

主权项

1.一种基于片段自适应选择的群体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)输入待测蛋白质的序列信息，并从ROBETTA服务器上得到片段库；2)参数设置：设置种群规模NP，交叉概率CR，片段长度l，温度因子KT，最大迭代次数G_max，选择概率更新因子k，初始化迭代次数g＝0，并设置残基位的组装次数N，第j个残基位在第g代中的选择概率第j个残基位的片段库中第m个片段在第g代的选择概率j＝1,2,...,L，其中S为片段库中片段的数量，L为序列长度；3)从各残基位对应的片段库中随机选择片段组装生成初始构象种群P＝{C1,C2,...,CNP}，其中，Ci,i＝{1,2,…,NP}为种群P中的第i个构象个体；4)根据Rosetta Score3计算当前种群中每个构象个体的能量值；5)选择当前种群中能量最低的构象，并对其各残基位随机片段组装N次，并记录每个残基位组装成功的次数，以及每个残基位的片段库中每个片段的成功次数和总使用次数，其中，用Rosetta socre3能量函数计算组装前后构象的能量，如果能量降低，则表示组装成功；6)用每个残基位组装成功的次数除以总组装次数N得到该残基位的组装成功率s_j,j＝1,2,...,L，并用每个残基位的片段库中的每个片段的成功次数除以总使用次数得到每个片段的成功率7)如果g>0，计算每个残基位的选择概率并对其进行归一化得到归一化选择概率同时，如果则计算第j个残基位的片段库中的第m个片段的成功率8)对种群中的每个构象Ci,i∈{1,2,…,NP}执行如下操作：8.1)将构象Ci看作目标构象，从当前种群中随机选择两个不同的，且与Ci也不相同的构象Ca和Cb；8.2)根据每个残基位的归一化选择概率，利用轮盘赌方法，选择两个互不相同的残基位A和B，A和B均∈{1,2,...,L}；8.3)将构象Ca中残基位A上长度为l的片段替换到构象Cc的对应位置上，并将构象Cb中残基位B上长度为l的片段替换到构象Cc的对应位置上，生成变异构象Cmutant；8.4)随机生成一个0和1之间的小数R，如果R8.4.4)根据残基位D的片段库中每个片段的归一化选择概率，利用轮盘赌方法，从片段库中选择一个片段插入到构象Ct′rial的残基位D上，生成测试构象Ctrial；8.5)如果R≥CR，则根据步骤8.4.2)‑8.4.4)对变异构象Cmutant进行片段组装生成测试构象Ctrial；8.6)根据Rosetta score3能量函数计算测试构象C_trial的能量值，如果C_trial的能量值小于C_i的能量值，则C_trial替换C_i；否则根据玻尔兹曼概率接受C_trial，其中ΔE为C_trial的能量值与C_i的能量值误差的绝对值；9)g＝g+1，如果g>Gmax，则输出能量最低的构象作为最终预测结构，否则返回步骤5)。