[发明专利]一种基于粒子群优化算法的蛋白质结构从头预测方法

摘要

一种基于粒子群优化算法的蛋白质结构从头预测方法，根据当前个体的二面角与历史最优个体的二面角的差值，以及当前个体的二面角与种群最优个体的二面角的差值引导下一代构象搜索，并利用片段组装进行随机扰动，提高了全局探测能力，加快了收敛速度，降低了计算代价。本发明提供了一种预测精度高、计算代价低的基于粒子群优化算法的蛋白质结构从头预测方法。

主权项

1.一种基于粒子群优化算法的蛋白质结构从头预测方法，其特征在于：所述蛋白质结构从头预测方法包括以下步骤：1)选取Rosetta Score3作为蛋白质力场模型，即能量函数E(X)；2)给定输入序列信息；3)参数初始化：设置粒子群规模NP、惯性权重ω、加速度加速度和最大迭代次数Gmax；4)用二面角对表示蛋白质构象Cⁱ(G)，其中，L为蛋白序列长度，表示第G代种群中第i个个体的第j个二面角对，为便于描述，将其记为其中表示构象Cⁱ(G)的第k维分量，k∈{1,...,2L}；5)构象初始化：根据给定输入序列，生成NP个伸展链构象，作为初始粒子群P＝{C¹(G),C²(G),...,C^NP(G)}，令G＝0；6)对粒子群中的构象Cⁱ(G)依次进行L次片段组装，用E(X)计算新生成构象的能量值，并将当前构象作为个体Cⁱ(G)的历史最优构象表示p_bestⁱ的第k维分量，k∈{1,2,...,2L}，选取当前粒子群中能量最低构象作为粒子群全局最优构象g_best＝{Y₁,Y₂,...,Y_k,...,Y_2L}，Y_k表示g_best的第k维分量，k∈{1,2,...,2L}；7)对粒子群中的每个个体迭代的执行下述步骤：7.1)根据计算构象的各个残基二面角增量其中ω是惯性权重因子，是加速度常数，均为非负值， rand(0,a₁)和rand(0,a₂)为[0,a₁]、[0,a₂]范围内具有均匀分布的随机数，a₁与a₂为控制参数，表示第G代种群中第i个个体的第k维分量，k∈{1,2,...,2L}；7.2)更新构象：根据计算每个构象的各个残基二面角；7.3)采用片段组装对生成的个体执行随机扰动；7.4)根据E(X)计算新生成构象的能量，并与其历史最优个体的能量进行比较，若能量降低，则更新个体Cⁱ(G)的历史最优个体p_bestⁱ；7.5)新生成的构象能量与全局最优个体g_best的能量进行比较，若能量降低，则用当前个体替换g_best；8)判断是否满足终止条件：8.1)若G＝Gmax，则输出结果并退出；8.2)若G<Gmax，则令G＝G+1，返回步骤7)。