[发明专利]一种基于进化算法与存档更新的蛋白质结构预测方法

说明书

本发明公开了一种基于进化算法与存档更新的蛋白质结构预测方法，首先确定蛋白质的构象方式，随机产生随机种群，定义解空间；其次定义多目标的适应度函数，收敛性函数和方向多样性函数；根据多目标适应度值的大小和以及收敛性函数值，选择具有更优收敛性个体放入杂交池；将杂交池中的个体分别进行改进的变异和交叉操作；利用非支配排序、收敛性函数和方向多样性函数，选择出后代精英个体放入存档中；通过新的存档更新策略，维护种群的质量和多样性；最后通过基于聚类的决策方式，在存档中选择最终的个体。该方法优势是利用收敛性函数和方向多样性函数为选择指示，既能保证种群收敛又能维护种群的多样性。

技术领域

本发明涉及基于进化计算的蛋白质结构预测中构象空间的搜索和选择方法领域，具体为一种基于进化算法与存档更新的蛋白质结构预测方法。

背景技术

蛋白质是一个由20种氨基酸组成的有机大分子，它在人体的发挥了许多重要的功能比如，它可以作为酶可以参加生物化学的反应，它也可以作为介质运输养分等，它还是参与各种身体激素的合成，它还可以设计药物和疫苗。蛋白质的结构决定了它的功能，因此了解蛋白质的结构有助于研究理解蛋白质的功能。因此作为21世纪125个待解决的科学问题，蛋白质结构预测具有巨大的的研究价值。传统的蛋白质结构测定方法如X射线衍射法、核磁共振法、冷冻电子显微镜等测量方法不仅需要花费大量的时间，而且它们的造价和成本也非常庞大。随着生物计算学不断的发展，一种可替代的方式(不基于模板的建模)来预测蛋白质结构。该方式基于安芬森假设，即蛋白质结构信息编码在它的氨基酸序列中，一个天然的蛋白质结构稳定的状态一定处于能量最低的状态。因此通过计算的方式来预测蛋白质结构的问题已经成为研究重点。因此能量函数、蛋白质构象方式、搜索算法影响了该方法的精准度。因此设计精确的能量函数、高效的搜索算法、能减少搜索空间的蛋白质构象方式成为该方法首要目标。

到目前为止，Cutello等人将蛋白质结构预测问题作为一个双目标问题利用进化计算来预测蛋白质结构。Gao等人引入了可溶解性表面积作为一个目标来预测蛋白质结构。Song等人利用的多目标粒子群算法来解决蛋白质结构预测问题。

近年来基于进化计算的蛋白质结构预测方法使用单目标、双目标来衡量蛋白质的能量，通过非支配排序选择蛋白质进入下一代。

这些研究仍然存在一些缺陷：

1)使用的能量函数仍不能精确的测量蛋白质能量；

2)随着目标数增加，仅使用非支配排序进行选择是不够的；

3)算法搜索的蛋白质比较单一，容易陷入局部最优。

基于上述问题，本发明利用了扭转角结合二级结构来表示蛋白质以减少搜索空间，使用了四种冲突的目标函数来约束问题以提高测量精度，改进了一个多目标进化算法来搜索庞大的构象空间，使用了收敛性函数和方向多样性函数进行选择，增加选择压力，提高了解的质量。最后通过存档来保存蛋白质以维护蛋白质的多样性，进而选择出最终的蛋白质。

发明内容

本发明针对蛋白质结构预测中耗时长、成本高等问题，提供了一种基于进化算法与存档更新的蛋白质结构预测方法。该方法能够减少预测时间并且提供一个精准的蛋白质结构。该方法能够利用四种冲突的目标函数和基于收敛性和方向多样性的选择，预测出一个合理的蛋白质。该方法节省了预测时间以及预测成本。

为实现上述目的，本发明提供如下技术方案：一种基于进化算法与存档更新的蛋白质结构预测方法，

该方法包括如下步骤：

步骤一：确定蛋白质的构象方式和编码方案；

步骤二：定义解空间，随机生成初始化种群P；

步骤三：定义多目标的目标函数、收敛性函数以及方向多样性函数；