[0057] 4· 8)根據(jù) Rosetta Score3 計算 Ptarget和 P trial的能量：E(P target)和 E(Ptrial);
[0058] 4. 9)若E (Ptoget) >E (Pw)則用Pw替換P toget，否則保持種群不變；
[0059] 5)得到更新種群Pupdata;
[0060] 6)對更新種群中的每個個體P1:
[0061] 6. 1)調(diào)用Monte Carlo方法對個體做局部增強；
[0062] 6. 2)計算增強過程中產(chǎn)生的構(gòu)象的能量E(MC);
[0063] 6. 3)若E (P1) >E (MC)，則更新種群，否則保持種群不變；
[0064] 7)得到局部增強后的種群Penhance;
[0065] 8)當(dāng)所有副本層的種群都完成一次更新，進行副本交換操作：
[0066] 8. 1)在相鄰的兩個副本層中各隨機選擇一個個體P_hange A、P_ha_ B，用于副本交 換；
[0067] 8. 2)根據(jù) Rosetta Score3 計算兩個個體 Pex(：hange_A、Pexchangeji的能量 E (P ex(：hange_A)、
E (Pexchange-ES)，
[0068] 8. 3)根據(jù)判決公另 判斷是否進行副本交換， 其中（kT)A、（印及別是個體P exchange_A'* -^exchange _B對應(yīng)副本層的能量參數(shù)，Judge為判決數(shù)；
[0069] 8. 4)根據(jù)判決結(jié)果，以一定的概率進行副本交換操作：交換這兩個個體；
[0070] 9)迭代的運行步驟4)~8)，至終止條件。
[0071] 本實施例以序列長度為54的蛋白質(zhì)IENH為實施例，一種基于副本交換和局部增 強策略的群體構(gòu)象空間搜索方法，其中包含以下步驟：
[0072] 1)給定輸入序列信息IENH ;
[0073] 2)設(shè)置系統(tǒng)參數(shù)：種群大小popSize = 30,算法的迭代次數(shù)T = 10000,交叉因子 CR = 0. 5,片段的長度L = 3,副本層數(shù)RE = 8,副本層溫度參數(shù)kT = [0. 67，0. 72, 0. 95， 1. 14, 1. 36, 1. 63, 1. 95, 2. 33]；
[0074] 3)種群初始化：在每個副本層，由輸入序列產(chǎn)生30個種群個體Pinit;
[0075] 4)開始迭代，在每個副本層執(zhí)行種群更新過程，對初始種群中的每個個體：
[0076] 4· 1)設(shè) i = 1，其中 i e {1，2, 3,…，30};令 Ptarget= P1，其中 i 為序號，Ptarget表 示目標(biāo)個體；
[0077] 4.2)隨機生成正整數(shù) randl，rand2，rand3，其中 randie{l，2,3，...，30}，randl^i，rand2^rand3，e{l，2，~，54};
[0078] 4. 3)針對個體 Pj做變異操作，其中：j = randl ;令 a = min (rand2, rand3)，b = max (rand2, rand3)，k G [a, b];
[0079] 4. 4)對蛋白質(zhì)鏈中第a到b個氨基酸做如下操作：
[0080] a :令 Ptarget. phi (k) = P」· phi (k);
[0081] b :令 Ptarget. psi (k) = Pj. psi (k);
[0082] c :令 Ptarget. omega (k) = P." omega (k);
[0083] 步驟a，b，c分別為：將Ptarget的氨基酸k所對應(yīng)的二面角phi、psi、omega替換為 P_j的相同位置所對應(yīng)的二面角phi、psi、omega ;
[0084] 4· 5)通過變異得到測試個體Ptrial;
[0085] 4. 6)生成隨機數(shù) rand4, rand5,其中 rand4 e (〇, I)，rand5 e (1，54);
[0086] 4. 7)根據(jù)
執(zhí)行交叉過程：若隨機數(shù) rand4〈 = 0. 5,個體Ptolal的片段rand5替換為個體P t"get中對應(yīng)的片段，否則直接繼承個體 Ptrial °
[0087] 4· 8)根據(jù) Rosetta Score3 計算 Ptarget和 P trial的能量：E(P target)和 E(Ptrial);
[0088] 4. 9)若E (Ptoget) >E (Pw)則用Pw替換P toget，否則保持種群不變；
[0089] 5)得到更新種群Pupdata;
[0090] 6)對更新種群中的每個個體P1:
[0091] 6. 1)調(diào)用Monte Carlo方法對個體做局部增強；
[0092] 6. 2)計算增強過程中產(chǎn)生的構(gòu)象的能量E(MC);
[0093] 6. 3)若E (P1) >E (MC)，則更新種群，否則保持種群不變；
[0094] 7)得到局部增強后的種群Penhance;
[0095] 8)當(dāng)所有副本層的種群都完成一次更新，進行副本交換操作：
[0096] 8. 1)在相鄰的兩個副本層中各隨機選擇一個個體P_hange A、P_ha_ B，用于副本交 換；
[0097] 8. 2)根據(jù) Rosetta Score3 計算兩個個體 Pexchange A、Pexchange B的能量 E (P exchange A)、
E (Pexchange-ES)，
[0098] 8. 3)根據(jù)判決公式 I判斷是否進行副本交換， 其中（kT)A、（印及別是個體P exchange_A'* -^exchange _B對應(yīng)副本層的能量參數(shù)，Judge為判決數(shù)；
[0099] 8. 4)根據(jù)判決結(jié)果，以一定的概率進行副本交換操作：交換這兩個個體；
[0100] 9)迭代的運行步驟4)~8)，至終止條件。
[0101] 以序列長度為54的蛋白質(zhì)IENH為實施例，運用以上方法得到了該蛋白質(zhì)的近天 然態(tài)構(gòu)象，構(gòu)象系綜中構(gòu)象更新圖如圖1所示。
[0102] 以上闡述的是本發(fā)明給出的一個實施例表現(xiàn)出來的優(yōu)良效果，顯然本發(fā)明不僅適 合上述實施例，在不偏離本發(fā)明基本精神及不超出本發(fā)明實質(zhì)內(nèi)容所涉及內(nèi)容的前提下可 對其做種種變化加以實施。
【主權(quán)項】
1. 一種基于副本交換和局部增強策略的群體構(gòu)象空間搜索方法，其特征在于：所述構(gòu) 象空間搜索方法包括以下步驟： 1) 給定輸入序列信息； 2) 設(shè)置系統(tǒng)參數(shù)：種群大小popSize，算法的迭代次數(shù)T，交叉因子CR，片段的長度L， 副本層數(shù)RE，副本層溫度參數(shù)kT; 3) 種群初始化：在每個副本層，由輸入序列產(chǎn)生popSize個種群個體Pinit; 4) 開始迭代，在每個副本層執(zhí)行種群更新過程，對初始種群中的每個個體： 4. 1)設(shè)i= 1，其中iG{1，2, 3,…，popSize};令Ptarget=P;，其中i為序號，Ptarget表 示目標(biāo)個體； 4. 2)隨機生成正整數(shù)randl，rand2，rand3,其中randlG{1，2, 3,......popSize},ran dl辛i，rand2 辛rand3G{1, 2,…，Length}，Length為序列長度； 4.3)針對個體Pj做變異操作，其中：j=randl，令a = min (rand2, rand3)，b = max (rand2, rand3)，k G [a, b]; 4. 4)對蛋白質(zhì)鏈中第a到b個氨基酸做如下操作：aPtarget.phi(k) =Pj.phi(k); b:令Ptarget.psi(k) =Pj.psi(k); c:令Ptarget.omega(k) =Pj.omega(k); 步驟a，b，c分別為：將Ptargett的氨基酸k所對應(yīng)的二面角phi、psi、omega替換為P的相同位置所對應(yīng)的二面角phi、psi、omega; 4.5)通過變異得到測試個體P&lal; 4. 6)生成隨機數(shù)rand4,rand5,其中rand4G(0,I)，rand5G(1，Length);=CR，個體Pttlal的片段rand5替換為個體Pta_t中對應(yīng)的片段，否則直接繼承個體P&lal。 4. 8)根據(jù)RosettaScore3 計算Ptarget和Ptrial的能量：E(Ptarget)和E(Ptrial); 4. 9)若E(Pta_)>E(Ptolal)則用Ptolal替換Pta_，否則保持種群不變； 5) 得到更新種群Pupdata; 6) 對更新種群中的每個個體P1: 6. 1)調(diào)用MonteCarlo方法對個體做局部增強； 6.2)計算增強過程中產(chǎn)生的構(gòu)象的能量E(MC); 6. 3)若E(P1)>E(MC)，則更新種群，否則保持種群不變； 7) 得到局部增強后的種群POThanra; 8) 當(dāng)所有副本層的種群都完成一次更新，進行副本交換操作： 8. 1)在相鄰的兩個副本層中各隨機選擇一個個，用于副本交換； 8. 2)根據(jù)RosettaScore3 計算兩個個體Pexchange_ A、Pexchange-B的能量E(P exchange-A)、 E(Pexchange-B)，(kT)A、時)8分別是個體P exchange_A'* -^exchange_B對應(yīng)副本層的能量參數(shù)，Judge為判決數(shù)； 8. 4)根據(jù)判決結(jié)果，以一定的概率進行副本交換操作：交換這兩個個體； 9)迭代的運行步驟4)~8)，至滿足終止條件。
【專利摘要】一種基于副本交換和局部增強策略的群體構(gòu)象空間搜索方法，在差分進化算法框架下，采用Rosetta？Score3粗粒度知識能量模型來有效降低構(gòu)象空間搜索維數(shù)、提高算法的收斂速度；引入基于知識的片段組裝技術(shù)可以有效提高預(yù)測精度；利用Monte？Carlo算法良好的局部搜索性能對種群做局部增強，以得到更為優(yōu)良的局部構(gòu)象，結(jié)合差分進化算法較強的全局搜索能力，可以對構(gòu)象空間進行更為有效的采樣，副本交換策略的引入使得群體的多樣性以及空間采樣能力得到進一步增強。
【IPC分類】G06F19/16
【公開號】CN105046101
【申請?zhí)枴緾N201510310103
【發(fā)明人】張貴軍, 郝小虎, 俞旭鋒, 周曉根, 陳凱, 徐東偉
【申請人】浙江工業(yè)大學(xué)
【公開日】2015年11月11日
【申請日】2015年6月8日