A protein conformational space optimization method based on quantum evolutionary algorithm, which comprises the following steps: quantum evolutionary algorithm framework based on Rosetta Score3 as optimal objective function model based on the amino acid sequence of coarse granularity expression, the energy calculation model is converted to the dihedral angle optimization space energy model; using solid phase angle encoding of amino acid sequences of the expression of dihedral angle individual encoding, assembled by quantum mutation fragments, to improve the prediction precision, application of quantum rotation gate individual quantum update, in order to adjust the angle of the local objective, through the evolution process of iteration, algorithm will result in lower energy, the reasonable structure of protein conformation. The present invention can predict the conformation of protein structure quickly and can obtain the conformation with higher prediction precision.
【技术实现步骤摘要】
一种基于量子进化算法的蛋白质构象空间优化方法
本专利技术涉及生物信息学、计算机应用领域,尤其涉及的是一种基于量子进化算法的蛋白质构象空间优化方法。
技术介绍
生物信息学是生命科学和计算机科学交叉领域的一个研究热点。目前,根据Anfinsen假设,直接从氨基酸序列出发,基于势能模型,采用全局优化方法,搜索分子系统的最小能量状态,从而高通量、廉价地预测肽链的天然构象,已经成为生物信息学最重要的研究课题之一。对于序列相似度低或多肽来说,从头预测方法是唯一的选择。从头预测方法必须考虑以下两个因素:(1)蛋白质结构能量函数;(2)构象空间搜索方法。第一个因素本质上属于分子力学问题,主要是为了能够计算得到每个蛋白质结构对应的能量值;第二个因素本质上属于全局优化问题,通过选择一种合适的优化方法,对构象空间进行快速搜索,得到与某一全局最小能量对应的构象。而蛋白质构象空间优化属于一类非常难解的NP-Hard问题,是制约着蛋白质结构从头预测方法预测精度的瓶颈问题。因此,现有的构象空间优化方法存在采样效率及预测精度方面存在不足,需要改进。
技术实现思路
为了克服现有的蛋白质构象优化方法的采样效率低、预测精度低的不足,本专利技术提出一种采样效率、预测精度较高的基于量子进化算法的蛋白质构象空间优化方法。本专利技术解决其技术问题所采用的技术方案是:一种基于量子进化算法的蛋白质构象空间优化方法,所述构象空间优化方法包括以下步骤:1)给定输入序列:2)设置参数:种群规模pop_size;3)种群初始化:根据给定的输入序列,生成pop_size个种群个体p,组成初始种群,表示为:需满足|αi| ...
【技术保护点】
一种基于量子进化算法的蛋白质构象空间优化方法,其特征在于:所述构象空间优化方法包括以下步骤:1)给定输入序列:2)设置参数:种群规模pop_size;3)种群初始化:根据给定的输入序列,生成pop_size个种群个体p,组成初始种群,表示为:
【技术特征摘要】
1.一种基于量子进化算法的蛋白质构象空间优化方法,其特征在于:所述构象空间优化方法包括以下步骤:1)给定输入序列:2)设置参数:种群规模pop_size;3)种群初始化:根据给定的输入序列,生成pop_size个种群个体p,组成初始种群,表示为:需满足|αi|2+|βi|2=1,令αi=sinζi,βi=cosζi,其中ζ∈[-120°,120°]表示输入序列中氨基酸的二面角ψ,当i为奇数时当i为偶数时ζi=ψj,i,j为序号索引值,n为序列长度;4)对初始种群中的每一个个体执行初始量子观测:4.1)令i=1,i∈{1,2,3,…,2n};4.2)在[0,1]上生成一个随机数rand;4.3)比较|αi|2与rand的大小,若rand>|αi|2,则取ζi=arcsinα,否则,取ζi=arccosβ;4.4)令i=i+1;4.5)若i<2n,返回步骤4.2),否则转步骤4.6);4.6)根据RosettaScore3能量函数计算当前个体的适应度E(p);5)开始迭代,对种群中的每个个体做如下操作:5.1)令k=1,其中k∈{1,2,…,pop_size...
【专利技术属性】
技术研发人员:张贵军,郝小虎,周晓根,王柳静,李章维,
申请(专利权)人:浙江工业大学,
类型:发明
国别省市:浙江,33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。