一种基于两阶段差分进化算法的蛋白质结构预测方法

摘要

一种基于两阶段差分进化算法的蛋白质结构预测方法，在差分进化算法(DE)的框架下，首先，对输入的查询序列进行随机的折叠、扰动，生成具有多样化折叠类型的初始构象种群；然后，根据迭代次数将构象搜索分为两个阶段，第一个阶段从种群中随机选取一个构象作为目标个体，第二个阶段根据能量将种群分为两个部分，从能量低的前50％的种群中随机选取一个个体作为目标个体；之后，随机选取与目标个体不一样的三个构象个体经过变异、交叉和片段组装策略生成测试个体；在种群更新时，根据构象的能量判断是否接受测试个体；在两阶段策略的指导下，通过不断更新种群获得预测精度较高、复杂度较低的一系列亚稳态构象。本发明预测精度较高、复杂度较低。

主权项

一种基于两阶段差分进化算法的蛋白质结构预测方法，其特征在于：所述预测方法包括以下步骤：1)给定查询序列信息；2)初始化：设置群体规模NP，变异因子F，交叉概率CR，迭代次数iteration，片段长度为L，能量函数选用Rosetta Score3，首先通过对查询序列随机的折叠和变换，生成一个规模为NP的初始种群，初始群体为P＝{xⁱ|i∈I}，计算初始种群个体的能量值f(xⁱ),i∈I，其中i为种群个体编号，I为种群个体编号集合，I＝{1,2,...,NP}；3)开始迭代，令g＝1，g为迭代计数器，依次对种群中每个个体进行以下操作：3.1)如果g<iteration/2，则执行如下操作：随机选取种群中的一个构象个体P_i，i∈{1,2,3,…,NP}，令P_target＝P_i，P_target表示目标构象个体，跳转至3.3)，执行以下操作得到变异构象P_mutant；3.2)如果iteration/2<g<iteration，则执行如下操作：根据能量对整个种群中的构象进行降序排列，然后从能量低的前50％的NP个构象个体中随机选出一个构象记为P_pbest，令P_target＝P_pbest，P_target表示目标构象个体，执行以下操作得到变异构象P_mutant；3.3)随机生成正整数rand1,rand2,rand3∈{1,2,3,......NP}，且rand1≠rand2≠rand3≠i；再生成4个随机整数randrange1,randrange2,randrange3,randrange4；其中randrange1≠randrange2，randrange3≠randrange4∈{1,2,…,Length},Length为序列长度；3.4)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；3.5)用P_rand2上位置a到位置b的片段的氨基酸所对应的二面角phi、psi、omega替换P_rand1的相同位置所对应的二面角phi、psi、omega；再使用P_rand3上位置c到位置d的片段的氨基酸所对应的二面角phi、psi、omega替换P_rand1上相同位置所对应的二面角phi、psi、omega，再将所得P_rand1进行片段组装得到测试个体P_trail；3.6)针对测试个体P_trail做交叉操作，过程如下：3.6.1)生成随机数rand4，rand5，其中rand4∈(0,1)，rand5∈(1,Length)；3.6.2)根据执行交叉过程：若随机数rand4<＝CR，个体P_trail的片段rand5替换为个体P_target中对应的片段，否则直接继承个体P_trail；3.7)针对目标个体P_target和测试个体P_trail进行选择操作，过程如下：3.7.1)计算P_target和P_trail的能量：E(P_target)和E(P_trail)；3.7.2)若E(P_target)>E(P_trail)则用P_trail替换P_target，进入3.8)；3.8)i＝i+1；3.9)迭代的运行3.1)～3.8)，至满足终止条件。