一種基于距離約束副本交換的蛋白質結構預測方法
【專利摘要】一種基于距離約束副本交換的蛋白質結構預測方法，首先在每個溫度層通過對查詢序列進行隨機的折疊和變換生成一個初始種群；在種群更新中，以Rosetta Score3為優化目標函數，基于Anfinsen提出的蛋白質天然態結構時自由能最低的結構，在每一個溫度層中依次將種群中的每個個體作為目標個體，然后隨機選取和目標個體不一樣的兩個個體進行變異、交叉產生變異個體，再將另一個個體隨機選取一段與變異個體進行交換產生測試個體，再將測試個體與目標個體進行能量值比較，對于能量升高的測試個體引入距離譜的知識，將相鄰的溫度層的對應個體進行副本交換。本發明構象空間采樣能力較好、預測精度高。
【專利說明】
一種基于距離約束副本交換的蛋白質結構預測方法
技術領域
[0001] 本發明涉及生物信息學、計算機應用領域，尤其涉及的是一種基于距離約束副本 交換的蛋白質結構預測方法。
【背景技術】
[0002] 蛋白質分子在生物細胞化學反應過程中起著至關重要的作用。它們的結構模型和 生物活性狀態對我們理解和治愈多種疾病有重要的意義。蛋白質只有折疊成特定的三維結 構才能產生其特有的生物學功能。因此，要了解蛋白質的功能，就必須獲得其三維空間結 構。
[0003] 蛋白質三級結構預測是生物信息學的一個重要任務。蛋白質構象優化問題現在面 臨最大的挑戰是對極其復雜的蛋白質能量函數曲面進行搜索。蛋白質能量模型考慮了分子 體系成鍵作用以及范德華力、靜電、氫鍵、疏水等非成鍵作用，致使其形成的能量曲面極其 粗糙，構象對應局部極小解數目隨序列長度的增加呈指數增長。而蛋白質構象預測算法能 夠找到蛋白質穩定結構的機理是，大量的蛋白質亞穩定結構構成了低能量區域，所以能否 找到蛋白質全局最穩定結構的關鍵是算法能夠找到大量的蛋白質亞穩定結構，即增加算法 的種群多樣性。因此，針對更加精確的蛋白質力場模型，選取有效的構象空間優化算法，使 新的蛋白質結構預測算法更具有普遍性和高效性成為生物信息學中蛋白質結構預測的焦 點問題。
[0004] 目前，蛋白質結構預測方法大致可以分為兩類，基于模板的方法和不基于模板的 方法。其中，不基于模板的從頭預測(Ab-inito)方法應用最為廣泛。它適用于同源性小于 25%的大多數蛋白質，僅從序列產生全新結構，對蛋白質分子設計及蛋白質折疊的研究等 具有重要意義。當前有以下幾種比較成功的從頭預測方法:張陽與Jeffrey Skolnick合作 的TASSER(Threading/Assembly/Refinement)方法、David Baker及團隊設計的Rosetta方 法、Shehu等設計的FeLTr方法等。但是到目前還沒有一種十分完善的方法來預測蛋白質的 三維結構，即使獲得了很好的預測結果，但也只是針對某些蛋白質而言的，目前主要的技術 瓶頸在于兩個方面，第一方面在于采樣方法，現有技術對構象空間采樣能力不強，另一方面 在于構象更新方法，現有技術對構象的更新精度仍然不足。
[0005] 因此，現有的構象空間優化方法存在采樣效率、復雜度及預測精度方面存在不足， 需要改進。
【發明內容】
[0006] 為了克服現有群體構象空間優化方法的構象空間搜索維數較高、收斂速度較慢、 預測精度較低的不足，本發明提出一種構象空間采樣能力較好、預測精度高的基于距離約 束副本交換的蛋白質結構預測方法。
[0007] 本發明解決其技術問題所采用的技術方案是：
[0008] -種基于距離約束副本交換的蛋白質結構預測方法，所述優化方法包括以下步 驟：
[0009] 1)給定輸入序列信息；
[0010] 2)根據序列信息從QUARK服務器上獲取距離譜文件DP，rpk為距離譜中記錄下的殘 基對，Dk為該殘基對之間的距離，其中k e (1，N)，N為距離譜中殘基對數量；
[0011] 3)初始化：設置群體規模popSize，交叉概率CR，8個溫度層T，能量函數選用 Rosetta Score3,首先在每個溫度層通過對查詢序列隨機的折疊和變換，生成一個規模為 popSize的初始種群，初始群體為Ρτ= {x11 i e 1}，計算能量函數值f^x1)，i e I，并設 ?/P =min/C〇，其中i為種群個體編號，I為種群個體編號集合，1 = {1，2,. . .，popSize}，/；： 為對應溫度層能量函數值中的最小值，T為溫度層；
[0012] 4)開始迭代，依次對每個溫度層種群中的每個個體進行以下操作：
[0013] 4.1)設i = l，其中斤{1，2,3，."，陬};令卩響(^ = ?1，其中1為序號，？恤_表示目標 個體；
[0014] 4.2)隨機生成正整數randl，rand2，rand3e {1，2,3,......NP}，且randl辛rand2 辛rand3辛i ;再生成4個隨機整數randrangel，randrange2，randrange3，randrange4;其中 randrangel辛randrange2，randrange3辛randrange4G {1，2，···，Length}，Length為序列長 度；
[0015] 4.3)針對個體?進(11做變異操作；
[0016] 4·3· 1)令a=min(randrangel，randrange2)，b=max(randrangel，randrange2)，k e [a,b] ；^c = min(randrange3,randrange4) ,d=max(randrange3,randrange4) ,pe [c, d];其中min表示取兩個數的最小值，max表示取兩個數的最大值；
[0017] 4.3.2)用卩-2上位置&至丨」位置13的片段的氨基酸所對應的二面角口11；[、口8；[、011^&替 換Prandl的相同位置所對應的二面角口11；^8；[、011^3;再使用?-3上位置0到位置(1的片段的 氨基酸所對應的二面角口11；[48；[、01]1683替換？1^(]1上相同位置所對應的二面角口11；[、口8；[、 omega，再將所得Prandl進行片段組裝得到變異個體Pmutant;
[0018] 4.4)針對變異個體Pmutant做交叉操作；
[0019] 4·4· 1)生成隨機數rand4，rand5,其中rand4e (〇, 1)，rand5e (1，Length);
[0020] 4.4.2)若隨機數rand4〈 = CR，則使用目標個體ptarget的片段rand5替換變異個體 P?tant中對應的片段生成測試個體Ptraii，否則Ptraii直接等于變異個體P? tant;
[0021 ] 4.5)針對每個溫度層中的目標個體Ptarg(3t和測試個體Ptrall進行選擇操作；
[0022] 4 · 5 · 1)計算Ptarget和Ptraii的能量:E(Ptarget)和E(P trai 1);
[0023] 4.5.2)若E(Ptarget)>E(Ptrail)則用P trail替換Ptarget，并且進入4.6);否則繼續執行 4.5.3)；
[0024] 4.5.3)計算目標個體Ptarget和測試個體Ptrail在殘基對rPi的距離相對于距離譜中 Di 之間的距離差▽ targc'tD,·和▽丨.railD,·:;.
[0025] 4.5.4)判斷▽ targetD,和▽ trailD,的值，若大于6，則令其等于6，從而去除一些距離 差值較大的異常數值；
[0026] 4. 5. 5)計算距離譜中所有位置的目標個體和測試個體的距離差值總和
[0027] 4 · 5 · 6)若'_ > 響，則進入5);
[0028] 4.5 · 7)若vA?a <vAa,get，則產生一個(0，1)之間的隨機數 rand6，若rand6 小于0 · 2， 貝1J用Ptraii替換Ptarget，否則進行5);
[0029] 5)在每個溫度層都進行變異、交叉和選擇更新完種群后，將相鄰的溫度層的對應 個體進行副本交換：
[0030] 5.1)首先選擇種群中第i個個體，ie I(i = l，2,…，popSize);
[0031] 5.2)選擇兩個相鄰的溫度層Tj和Tj+1，j = 1，2，…，7;
[0032] 5.3)產生一個隨機數randxe (〇，1)，和判別數judge
[0033]
[0034] 其中/(x()(i = l，2, · · ·，p〇pSiZe)為種群個體的能量值，K為玻爾茲曼常數， 1. .1 1'心=1，2，~，7)為第」個溫度層的開爾文溫度，」為索引編號^為自然常數；
[0035] 5.4)若randx< judge，將相鄰溫度層中的么和七.個體進行交換；
[0036] 6)判斷是否滿足終止條件，如不滿足則轉至4);若滿足則輸出結果。
[0037] 進一步，所述步驟3)中，設置最大迭代次數iteration;所述步驟6)中，對每個溫度 層種群中的每個個體都執行完步驟4)_5)以后，迭代次數G = G+1，終止條件為迭代次數G達 到預設最大迭代次數iteration。
[0038]本發明的技術構思為:在基本DE算法的框架下，首先在每個溫度層通過對查詢序 列進行隨機的折疊和變換生成一個初始種群;在種群更新中，以Rosetta Sc〇re3為優化目 標函數，基于Anf insen提出的蛋白質天然態結構時自由能最低的結構，在每一個溫度層中 依次將種群中的每個個體作為目標個體，然后隨機選取和目標個體不一樣的兩個個體進行 變異、交叉產生變異個體，再將另一個個體隨機選取一段與變異個體進行交換產生測試個 體，再將測試個體與目標個體進行能量值比較，對于能量升高的測試個體引入距離譜的知 識，使得種群中保留能量雖高但結構更為合理的構象。在更新完種群后，將相鄰兩個溫度層 之間種群個體進行副本交換來增加種群的多樣性，通過不斷更新種群以及副本交換獲得一 系列亞穩態構象。本發明提供了一種預測精度較高、復雜度較低的構象空間優化方法。
【附圖說明】：
[0039]圖1是測試序列2頂U在種群更新過程中RMSD和能量值的關系示意圖。
[0040] 圖2是測試序列2IMU在本算法預測所得誘導構象與基本差分進化預測所得構象的 采樣概率分布圖。
【具體實施方式】：
[0041] 下面結合附圖對本發明作進一步描述。
[0042] 參照圖1和圖2,一種基于距離約束副本交換的蛋白質結構預測方法，所述構象空 間優化方法包括以下步驟：
[0043] 1)給定輸入序列信息；
[0044] 2)根據序列信息從QUARK服務器上獲取距離譜文件DP，rpk為距離譜中記錄下的殘 基對，Dk為該殘基對之間的距離，其中k e (1，N)，N為距離譜中殘基對數量；
[0045] 3)初始化：設置群體規模popSize，交叉概率CR，8個溫度層T，能量函數選用 Rosetta Score3,首先在每個溫度層通過對查詢序列隨機的折疊和變換，生成一個規模為 popSize的初始種群，初始群體為Ρτ= {x11 i e 1}，計算能量函數值f^x1)，i e I，并設 ^ ，其中i為種群個體編號，〗為種群個體編號集合^ = …，popSize}，< 為對應溫度層能量函數值中的最小值，T為溫度層；
[0046] 4)開始迭代，依次對每個溫度層種群中的每個個體進行以下操作：
[0047] 4.1)設1 = 1，其中斤{1，2,3，."，陬};令?恤_ = ?1，其中1為序號，卩*_表示目標 個體；
[0048] 4.2)隨機生成正整數randl，rand2，rand3e {1，2,3,......NP}，且randl辛rand2 辛rand3辛i ;再生成4個隨機整數randrangel，randrange2，randrange3，randrange4;其中 randrangel辛randrange2，randrange3辛randrange4G {1，2，···，Length}，Length為序列長 度；
[0049] 4.3)針對個體?^"(11做變異操作；
[0050] 4·3· 1)令a=min(randrangel，randrange2)，b=max(randrangel，randrange2)，k e [a,b] ；^c = min(randrange3,randrange4) ,d=max(randrange3,randrange4) ,pe [c, d];其中min表示取兩個數的最小值，max表示取兩個數的最大值；
[0051 ] 4.3.2)用Prand2上位置a到位置b的片段的氨基酸所對應的二面角ph i、p s i、ome ga替 換Prandl的相同位置所對應的二面角口11；^8；[、011^3;再使用?-3上位置0到位置(1的片段的 氨基酸所對應的二面角口11；[48；[、01]1683替換？1^(]1上相同位置所對應的二面角口11；[、口8；[、 omega，再將所得Prandl進行片段組裝得到變異個體Pmutant;
[0052] 4.4)針對變異個體Pmutant做交叉操作；
[0053] 4·4· 1)生成隨機數rand4，rand5,其中rand4e (〇, 1)，rand5e (1，Length);
[0054] 4.4.2)若隨機數rand4〈 = CR，則使用目標個體Ptarget的片段rand5替換變異個體 Pmutant中對應的片段生成測試個體Ptraii，否則Ptraii直接等于變異個體P mutant;;
[0055] 4.5)針對每個溫度層中的目標個體?__和測試個體?^11進行選擇操作；
[0056] 4 · 5 · 1)計算Ptarget和Ptraii的能量:E(Ptarget)和E(P traii);
[0057] 4.5.2)若E(Ptarget)>E(Ptrail)則用P trail替換Ptarget，并且進入4.6);否則繼續執行 4.5.3)；
[0058] 4.5.3)計算目標個體Ptarget和測試個體Ptrail在殘基對r Pi的距離相對于距離譜中 Di之間的距離差▽ targetD,.和▽ trailD,.;
[0059] 4.5.4)判斷▽ targetD,:和▽ trailD,·的值，若大于6，則令其等于6，從而去除一些距離 差值較大的異常數值；
[0060] 4. 5. 5)計算距離譜中所有位置的目標個體和測試個體的距離差值總和
[0061 ] 4 · 5 · 6)若▽lu > ▽&輛，則進入5);
[0062] 4.5.7)若ν%?Γ< _￥，則產生一個(0，1)之間的隨機數rand6，若rand6小于0.2， 貝1J用Ptraii替換Ptarget，否則進行5);
[0063] 5)在每個溫度層都進行變異、交叉和選擇更新完種群后，將相鄰的溫度層的對應 個體進行副本交換：
[0064] 5.1)首先選擇種群中第i個個體，ie I(i = l，2,…，popSize);
[0065] 5 · 2)選擇兩個相鄰的溫度層Tj和Tj+1，j = 1，2，…，7;
[0066] 5.3)產生一個隨機數randxe (〇, 1)，和判別數judge
[0067]
[0068] 其中/(<)(i = l，2, · · ·，p〇pSiZe)為種群個體$的能量值，K為玻爾茲曼常 數，L(j = l，2,…，7)為第j個溫度層的開爾文溫度，j為索引編號，e為自然常數；
[0069] 5.4)若randx< judge，將相鄰溫度層中的'和·個體進行交換；
[0070] 6)判斷是否滿足終止條件到達迭代次數iteration，如不滿足則轉至4);若滿足則 輸出結果。
[0071] 進一步，所述步驟3)中，設置最大迭代次數iteration;所述步驟6)中，對每個溫度 層種群中的每個個體都執行完步驟4)_5)以后，迭代次數G = G+1，終止條件為迭代次數G達 到預設最大迭代次數iteration。
[0072] 本實施例以序列長度為46的蛋白質2MU為實施例，一種基于距離約束副本交換的 蛋白質結構預測方法，其中包含以下步驟：
[0073] 1)輸入蛋白質序列2頂U;
[0074] 2)根據序列信息從QUARK服務器上獲取距離譜文件DP，rpk為距離譜中記錄下的殘 基對，Dk為該殘基對之間的距離，其中ke (1，N)，N為距離譜中殘基對數量，測試序列2MU的 距離譜的N=38;
[0075] 3)初始化:設置群體規模popSize = 50，交叉概率CR = 0.5，8個溫度層T，每個溫度 層的溫度參數分別為200，239，286，342，409，489，585，700，單位為開爾文，最大迭代次數 iteration = 10000，能量函數選用Rosetta Score3，首先在每個溫度層通過對查詢序列隨 機的折疊和變換，生成一個規模為popSize的初始種群，初始群體為Ρτ= {χ11 i e 1}，計算能 量函數值fVU1)，i e I，并設./丨=mip /YV)，其中i為種群個體編號，I為種群個體編號集合， 1 = {1，2,. . .，p〇pSiZe}，./；*為對應溫度層能量函數值中的最小值，T為溫度層；
[0076] 4)開始迭代，依次對每個溫度層種群中的每個個體進行以下操作：
[0077] 4.1)設1 = 1，其中1￡{1，2,3，."，陬};令?恤_ =卩1，其中1為序號上虹_表示目標 個體；
[0078] 4.2)隨機生成正整數randl，rand2，rand3e {1，2,3,......NP}，且randl辛rand2 辛rand3辛i ;再生成4個隨機整數randrangel，randrange2，randrange3，randrange4;其中 randrangel辛randrange2，randrange3辛randrange4G {1，2，···，Length}，Length為序列長 度；
[0079] 4.3)針對個體?進(11做變異操作；
[0080] 4·3· 1)令a=min(randrangel，randrange2)，b=max(randrangel，randrange2)，k e [a,b] ；^c = min(randrange3,randrange4) ,d=max(randrange3,randrange4) ,pe [c, d];其中min表示取兩個數的最小值，max表示取兩個數的最大值；
[0081 ] 4.3.2)用Prand2上位置a到位置b的片段的氨基酸所對應的二面角phi、psi、omega替 換Prandl的相同位置所對應的二面角口11；^8；[、011^3;再使用?-3上位置0到位置(1的片段的 氨基酸所對應的二面角口11；[48；[、01]1683替換？1^(]1上相同位置所對應的二面角口11；[、口8；[、 omega，再將所得Prandl進行片段組裝得到變異個體Pmutant;
[0082] 4.4)針對變異個體Pmutant做交叉操作；
[0083] 4·4· 1)生成隨機數rand4，rand5,其中rand4e (〇, 1)，rand5e (1，Length);
[0084] 4.4.2)若隨機數rand4〈 = CR，則使用目標個體Ptarget的片段rand5替換變異個體 P?tant中對應的片段生成測試個體Ptraii，否則Ptraii直接等于變異個體P? tant;
[0085] 4.5)針對每個溫度層中的目標個體?__和測試個體?^11進行選擇操作；
[0086] 4 · 5 · 1)計算Ptarget和Ptraii的能量:E(Ptarget)和E(P traii);
[0087] 4.5.2)若E(Ptarget)>E(Ptrail)則用P trail替換Ptarget，并且進入4.6);否則繼續執行 4.5.3)；
[0088] 4.5.3)計算目標個體Ptarget和測試個體Ptrail在殘基對r Pi的距離相對于距離譜中 Di之間的距離差▽ targeiD,.fllV trailDy
[0089] 4.5.4)判斷▽ targets和▽ trailD,的值，若大于6，則令其等于6，從而去除一些距離 差值較大的異常數值；
[0090] 4. 5. 5)計算距離譜中所有位置的目標個體和測試個體的距離差值總和
[0091] 4 · 5 · 6)若'_ > 響，則進入5);
[0092] 4.5.7)若，則產生一個(0，1)之間的隨機數rand6，若rand6小于0.2， 貝1J用Ptraii替換Ptarget，否則進行5 );
[0093] 5)在每個溫度層都進行變異、交叉和選擇更新完種群后，將相鄰的溫度層的對應 個體進行副本交換：
[0094] 5.1)首先選擇種群中第i個個體，ie I(i = l，2,…，popSize);
[0095] 5.2)選擇兩個相鄰的溫度層Tj和Tj+1，j = 1，2，…，7;
[0096] 5.3)產生一個隨機數randxe (〇，1)，和判別數judge
[0097] (1)
[0098] 其中/C4,)(i = l，2, · · ·，p〇pSiZe)為種群個體4的能量值，K為玻爾茲曼常數， 1'心=1，2，~，7)為第」個溫度層的開爾文溫度，」為索引編號^為自然常數；
[0099] 5 · 4)若randx< judge，將相鄰溫度層中的'和4;個體進行交換；
[0100] 6)對每個溫度層種群中的每個個體都執行完步驟4)-5)以后，迭代次數G = G+1，終 止條件為迭代次數G達到預設最大迭代次數iteration，判斷是否滿足終止條件，如不滿足 則轉至4);若滿足則輸出結果。
[0101]以上闡述的是本發明給出的一個實施例表現出來的優良效果，顯然本發明不僅適 合上述實施例，在不偏離本發明基本精神及不超出本發明實質內容所涉及內容的前提下可 對其做種種變化加以實施。
【主權項】
1. 一種基于距離約束副本交換的蛋白質結構預測方法，其特征在于:所述預測方法包 括W下步驟： 1) 給定輸入序列信息； 2) 根據序列信息從卵A服服務器上獲取距離譜文件DP，rpk為距離譜中記錄下的殘基對， Dk為該殘基對之間的距離，其中ke(l，N)，N為距離譜中殘基對數量； 3) 初始化：設置群體規模popSize，交叉概率CR，8個溫度層T，能量函數選用Rosetta Score3,首先在每個溫度層通過對查詢序列隨機的折疊和變換，生成一個規模為popSize的 初始種群，初始群體為Ρτ= {χ? I i e 1}，計算能量函數值?·τ(χ?)，i e I，并設.片=min/CO，其 中i為種群個體編號，I為種群個體編號集合，1 = {1，2,. . .，popSize}，若為對應溫度層能量 函數值中的最小值，T為溫度層； 4) 開始迭代，依次對每個溫度層種群中的每個個體進行W下操作： 4.1) 設1 = 1，其中1￡{1，2,3，。'，肥};令口*3巧日* = 口1，其中1為序號，口*3巧日*表示目標個體； 4.2) 隨機生成正整數randl ,rand2 ,rand3 e {1,2,3 ,......NP}，且randl聲rand2聲 rand3 聲 i ;再生成4個隨機整數ran化ange 1, randrange2 , ran化ange3 , randrange4;其中 r曰ndr曰ngel聲r曰ndr曰nge2，r曰ndr曰nge3聲r曰ndr曰nge4E (1,2,·.. .Length} .Length為序列長 度； 4.3 )針對個體Prandl做變異操作； 4.3.1) 令a = min(randrangel ,randrange2)，b = max(randrangel ,randrange2)，kE [曰，b]；令c=min(r曰ndr曰nge3,r曰ndr曰nge4)，d=m曰x(r曰ndr曰nge3,r曰ndr曰nge4)，pE k，d]; 其中min表示取兩個數的最小值，max表示取兩個數的最大值； 4.3.2) 用Prand2上位置a到位置b的片段的氨基酸所對應的二面角phi、psi、omega替換 Prandl的相同位置所對應的二面角地1、931、01116旨日;再使用?望(13上位置(3到位置(1的片段的氨 基酸所對應的二面角曲1、口3；[、0111日旨日替換?望(11上相同位置所對應的二面角地：[、93；[、01116邑日， 再將所得Prandl進行片段組裝得到變異個體Pmutant; 4.4)針對變異個體Pmutant做交叉操作； 4.4.1) 生成隨機數rand4，rands，其中rand4 e (0,1 )，rands e (1, Length); 4.4.2) 右隨機數rand4〈 = CR,則使用目柄;個體Ptarget的片段rands替換變異個體Pmutant 中對應的片段生成測試個體Ptrail，否則Ptrail直接等于變異個體Pmutant; 4.5 )針對每個溫度層中的目標個體Ptarget和測試個體Ptrail進行選擇操作； 4.5.1 )計算Ptarget和Ptrail的能里：E ( Ptarget)和E ( Ptrail); 4.5.2) 若E(Ptarget)〉E(Ptrail)則用Ptrail替換Ptarget，并且進入4.6);否則繼續執行 4.5.3); 4.5.3) 計算目標個體Ptarget和測試個體Ptrail在殘基對巧1的距離相對于距離譜中化之間 的距離差▽化巧et化和▽trailDi; 4.5.4) 判斷Vtarget化和▽化ailDi的值，若大于6，則令其等于6，從而去除一些距離差 值較大的異常數值； 4.5.5) 計算距離譜中所有位置的目標個體和測試個體的距離差值總和4.5.6) 右〉7013,861:,則進入5); 4.5.7) 若▽Dtrail<VDtarget，則產生一個(0,1 )之間的隨機數 Γ3Π (16，若 Γ3Π (16小于0.2， 貝ij用Ptrail替換Ptarget,否則進化5 ); 5) 在每個溫度層都進行變異、交叉和選擇更新完種群后，將相鄰的溫度層的對應個體 進行副本交換： 5.1) 首先選擇種群中第i個個體，ie I(i = l，2,…，popSize); 5.2) 選擇兩個相鄰的溫度層Tj和Tj+i，j = 1，2，…，7; 5.3) 產生一個隨機數randx e (0，1)，和判別數化dge(1) 其中，/(.卻）α = l，2，...，popSize)為種群個體馬的能量值，K為玻爾茲曼常數，TJ (j = l，2,…，7)為第j個溫度層的開爾文溫度，j為索引編號，e為自然常數； 5.4) 若randxC ^dge，將相鄰溫度層中的持和為，個體進行交換； 6) 判斷是否滿足終止條件，如不滿足則轉至4);若滿足則輸出結果。2.如權利要求1所述的一種基于距離約束副本交換的蛋白質結構預測方法，其特征在 于:所述步驟3)中，設置最大迭代次數iteration;所述步驟6)中，對每個溫度層種群中的每 個個體都執行完步驟4)-5)?后，迭代次數G = G+1，終止條件為迭代次數G達到預設最大迭 代次數 iteration。
【文檔編號】G06F19/16GK105975806SQ201610268630
【公開日】2016年9月28日
【申請日】2016年4月26日
【發明人】張貴軍, 俞旭鋒, 周曉根, 郝小虎, 王柳靜, 張丹
【申請人】浙江工業大學