[发明专利]一种基于抽象凸估计的多阶段差分进化蛋白质结构预测方法

摘要

一种基于抽象凸估计的多阶段差分进化蛋白质结构预测方法，首先，计算当前种群中各构象个体到新构象的距离，并根据距离进行升序排列；然后，选取新构象个体的部分邻近构象个体抽象凸下界估计支撑面，以获取新构象个体的能量下界估计值；其次，计算所有新构象个体的能量下界估计值与实际能量值之间的平均估计误差，并根据平均估计误差的变化将整个算法分为多个优化阶段；最后，根据上一次迭代中的平均估计误差判断当前迭代所处的阶段，并对各阶段设计不同的策略生成新构象个体。本发明提出一种预测精度高、计算代价低的基于群体抽象凸估计的多阶段差分进化蛋白质结构预测方法。

主权项

1.一种基于抽象凸估计的多阶段差分进化蛋白质结构预测方法，其特征在于：所述蛋白质结构预测方法包括以下步骤：1)选取蛋白质力场模型，即能量函数E(X)；2)给定输入序列信息；3)初始化：种群规模NP，交叉概率CR，阶段控制参数μ，支撑面斜率控制因子M；根据输入序列产生初始构象种群其中，N表示维数，表示第i个构象Cⁱ的第N维坐标，并初始化迭代次数G＝0；4)随机生成正整数rand1，rand2，rand3均∈{1,2,3,......NP}，且rand1≠rand2≠rand3；再生成4个随机整数randrange1，randrange2，randrange3，randrange4；其中randrange1，randrange2，randrange3，randrange4均∈{1,2,…,L}，randrange1≠randrange2，randrange3≠randrange4,L为序列长度；令a＝min(randrange1,randrange2)，b＝max(randrange1,randrange2)，k∈[a,b]；令c＝min(randrange3,randrange4)，d＝max(randrange3,randrange4)，p∈[c,d]；其中min表示取两个数的最小值，max表示取两个数的最大值；5)如果G＝0，对于当前种群中的每个构象个体Cⁱ，i∈{1,2,3,…,NP}，令C_target＝Cⁱ，C_target表示目标构象个体，执行如下操作生成测试构象个体C_trial：5.1)用C_rand2上位置a到位置b的片段的氨基酸k所对应的二面角替换C_rand1的相同位置所对应的二面角；再使用C_rand3上位置c到位置d的片段的氨基酸p所对应的二面角替换C_rand1上相同位置所对应的二面角，然后将所得C_rand1进行片段组装得到变异构象个体C_mutant；5.2)生成随机数rand4，rand5，其中rand4∈(0,1)，rand5∈(1,L)，若rand4≤CR，则利用目标构象C_target中的rand5片段替换变异构象C_mutant中的rand5片段，从而生成测试构象C_trial；若rand4＞CR，则C_trial直接等于变异构象C_mutant；6)如果G>0，则执行如下阶段性操作：6.1)计算第G‑1次迭代中生成的每个测试构象个体的能量下界估计值：6.1.1)计算当前种群中每个构象个体到测试构象个体之间的距离其中表示第i个构象Cⁱ的第j维坐标，表示测试构象C_trial的第j维坐标，dⁱ表示第i个构象Cⁱ到测试构象的距离；6.1.2)根据距离对所有构象进行升序排列，选取前两个构象个体并记为并计算其下界估计支撑面：其中，为所选构象的能量函数值，为所选构象个体的第j维坐标，为辅助变量，M为支撑面斜率控制因子；6.1.3)计算测试构象C_trial的能量下界估计值其中max表示求最大值，min表示求最小值，为测试构象向量的第j维元素，为下界估计支撑面l^t的第j维元素；6.2)计算所有测试构象的平均估计误差其中表示第i个测试构象的能量下界估计值，表示第i个测试构象的实际能量函数值，如果G＝0，则最大平均估计误差为UE_max；6.3)对平均估计误差UE进行归一化处理，UE的归一化值为其中UE_min＝0为最小平均估计误差；6.4)根据归一化平均估计误差值判断算法所处的阶段，并采样不同的策略生成变异构象C_mutant：6.4.1)如果则用C_rand1上位置a到位置b的片段的氨基酸k所对应的二面角替换C_target的相同位置所对应的二面角；再使用C_rand2上位置c到位置d的片段的氨基酸所对应的二面角替换C_target上相同位置所对应的二面角，然后将所得C_target进行片段组装得到变异构象C_mutant，其中μ为阶段控制参数；6.4.2)如果则根据如下操作生成变异构象C_mutant：a)根据能量函数值对当前种群中的构象个体进行降序排列，选取前NP/5个构象并计算所选构象的质心构象C_centroid＝(x_centroid,1,x_centroid,2,…,x_centroid,N)，其中，构象C_centroid的第j维元素表示第m个选取构象的第N维坐标，为构象的实际能量函数值；b)从当前种群中随机选取两个不同的构象C_rand1和C_rand2，其中rand1,rand2均∈[1,NP]，rand1≠rand2，提取构象C_rand1位置a到位置b的片段的氨基酸所对应的二面角替换质心构象C_centroid的相同位置所对应的二面角，同时使用C_rand2上位置c到位置d的片段的氨基酸所对应的二面角替换质心构象C_centroid相同位置所对应的二面角，然后将所得C_centroid进行片段组装得到变异构象个体C_mutant；6.4.3)如果找出当前种群中能量最低的构象C_best，用C_best上位置a到位置b的片段的氨基酸k所对应的二面角替换C_target的相同位置所对应的二面角；再使用C_rand1上位置c到位置d的片段的氨基酸p所对应的二面角替换C_target上相同位置所对应的二面角，然后将所得C_target进行片段组装得到变异构象个体C_mutant；6.4.4)根据步骤5.2)生成测试构象个体C_trial；7)分别计算目标构象和测试构象的能量函数值f(C_target)和f(C_trial)，如果f(C_trial)＜f(C_target)，则测试构象个体替换目标构象个体；8)判断是否满足终止条件，若满足则输出结果并退出，否则返回步骤4)。