[发明专利]基于NGA-TS算法的蛋白质结构预测方法

摘要

本发明涉及蛋白质结构预测领域，涉及了一种基于小生境遗传和算法禁忌搜索算法的结合算法的蛋白质结构预测方法。该方法将禁忌搜索算法引入小生境遗传算法中来解决蛋白质结构预测问题，并对小生境遗传算法过程中的交叉、变异、小生境淘汰进行了一定的改进。从实验得出的数据和与其他方法的比较结果来看，该方法可以更加全面的搜索出相应的蛋白质最小自由能量值，从而能得到更稳定的蛋白质结构，说明了本方法在解决蛋白质结构预测问题上是有效的。

主权项

1.基于NGA‑TS算法的蛋白质结构预测方法，其特征在于：其包括以下步骤：步骤1：初始化参数及种群；首先将蛋白质序列抽象为数字序列，其中A表示疏水氨基酸，B表示亲水氨基酸，在程序中疏水氨基酸对应的值为1，亲水氨基酸对应的值为‑1,真实蛋白质也是同样的规则，只是氨基酸的表示字母不同，即长度为5的序列表示为[1 ‑1 ‑1 1 ‑1]，根据蛋白质序列的长度确定种群个体的维度，当序列为n时，其中n表示序列长度，种群个体的维度应为2n‑5，实为氨基酸的键角和扭转角之和，所以，在实例序列长度为5的情况下，种群个体的维度为2*5‑5＝5，初始化种群X＝x1,x2,…,xm,其中m为种群大小，且每个元素都表示角度即[‑π，π]范围中的随机数；步骤2：进行迭代循环，计算种群适应度；步骤3：对种群进行竞技选择、自适应交叉、自适应随机线性变异，更新种群；步骤4：对新种群进行小生境淘汰选择，更新种群；步骤5：在进化后期，对新种群进行禁忌搜索算法，更新种群；步骤6：判断是否满足终止条件，若满足则退出循环，继续运行步骤7，否则跳到步骤3；步骤7：结束循环后，对最优值再进行一次禁忌搜索，最后输出结果；该方法具体步骤如下：1)初始化种群X＝x₁,x₂,…,x_n,其中n为种群大小；2)计算种群X中个体的适应度值Fi，其中i＝1,2,…,n；根据适应度值的大小进行升序排序，并记忆保留前n/2个个体记作记忆种群P；3)设置代数计数器t＝1；4)先将种群X中的前k个适应度值小的个体复制到新种群X1中，再将X1中的n‑k个个体通过对种群X进行竞技选择选出,其中竞技选择的个数为y，即从X中随机选择y个个体，选取适应度值好的保留到新种群X1中，这样进行n‑k次选择，形成种群X1；5)对种群X1进行自适应交叉：在进化初期，交叉概率Pc₀等于0.8；在进化后期，即其中T为迭代次数,交叉概率Pc用自适应公式：Pc＝Pc₀×(1‑i/n)^1/2，其中i为交叉个体在种群中的下标索引确定，Pc₀等于0.8；判断随机数a与交叉概率的大小，其中随机数a为一个(0,1)范围内的正态分布随机数，且每个个体交叉判断都要重新生成随机数a；当随机数a小于交叉概率时，随机确定交叉点对X1中的个体x_i和个体x_n‑i+1进行交叉；当随机数a大于交叉概率时，不进行交叉，这样进行n/2次交叉后形成种群X2；6)对种群X2进行自适应随机线性变异：在进化初期，即其中T为迭代次数，变异概率Pm用自适应公式：其中i为变异个体在种群中的下标索引确定，在进化后期变异概率Pm_O等于0.08；判断随机数b与变异概率的大小，其中随机数b为一个(0,1)范围内的正态分布随机数，且每个个体交叉判断都要重新生成随机数b：当b大于变异概率时，不进行变异；当b小于变异概率时，对X1中的个体x_i随机选取一个位置i用线性变异公式：进行变异，其中ran为(0,1)区间内的随机数，当ran<0.5时f(ran)＝‑1，当ran>0.5时f(ran)＝1；r和α都是(0,1)区间内的随机数；i为下标索引；整个种群X2运行完变异后就得到种群X3，并计算种群X3适应度；7)将种群X3和记忆种群P合并为种群XP，种群XP的个体数为3n/2，对种群XP进行小生境淘汰；分别对XP中的两两个体进行计算欧式距离：当d_ij<L时，其中L为小生境的距离参数，小生境的距离参数是由动态函数公式得到的，判断x_i和x_j的适应度F_i和F_j的大小并将适应度差的处以罚函数，然后根据当前变更的适应度将种群XP中的个体升序排列；8)取种群XP的前n个个体作为种群X，计算更新种群X的适应度值并根据适应度值大小进行升序排列，取种群X的前n/2个个体作为新的记忆种群P；9)判断是否禁忌搜索：若t<T‑5,则运行步骤10)；否则对种群X进行禁忌搜索；具体步骤如下：a)初始化禁忌表，设置禁忌迭代计数器tscount＝1；b)对当前候选解进行随机线性变异操作，线性变异公式：x＝x+f(ran)×2π×r^i‑1，其中ran为(0,1)区间内的随机数，当ran<0.5时f(ran)＝‑1，当ran>0.5时f(ran)＝1；r和α都是(0,1)区间内的随机数；i为邻域的下标索引，范围为(1,100)的区间形成一组邻域解，并按照适应度值排序；c)判断邻域解中的最小值是否比最优解更小，若是则满足藐视准则，若否则不满足藐视准则；若满足则更新候选解、禁忌表和最优解，即将邻域中最小值赋值给候选解和最优解，并将邻域中最小值放入禁忌表中；若不满足则判断邻域解中最小的10个解是否在禁忌表中，若不在则更新禁忌表，即将其放入禁忌表中；d)禁忌迭代计数器tscount＝tscount+1，判断终止条件，若tscount<＝Tt，其中Tt为禁忌搜索的迭代次数，则跳到步骤b)继续运行，若tscount>Tt，则终止迭代，返回主函数中运行，并返回最优解；10)判断禁忌搜索算法得到的适应度值是否小于步骤8)中X种群的适应度值，若是则将X中原先的个体序列和适应度值替换掉，否则不做改变；这样形成新种群X，取X种群的前n/2个个体作为新的记忆种群P；11)迭代计数器累加t＝t+1，判断终止条件，若t<＝T，其中T为迭代次数，则继续迭代跳到步骤4)运行，若t>T则迭代结束，运行步骤12)；12)将得到的最优值进行禁忌搜索，其具体步骤同步骤9)，返回其邻域中的最优值作为最后的最佳结果；13)输出最佳结果。