一种多模态蛋白质构象空间搜索方法技术

本发明专利技术提出了一种多模态蛋白质构象空间搜索方法，即在排挤差分进化算法的基础上，综合了空间局部性原理和集结过程思想，并采用能量极小化过程对实验所得蛋白质构象进行处理。空间局部性原理提升了算法的收敛速度，并有效地平衡了多模态优化问题的局部收敛性和模态多样性；集结过程通过随机选取不同的交叉策略，避免了构象中较好片段被算法破坏，改善了蛋白质构象群体的多样性；能量极小化过程降低了蛋白质构象空间求解的复杂度，有效缩小了其可行域的搜索空间。本发明专利技术以脑啡肽为例，不仅得到了其公认的全局最稳定结构，还获得了一系列高质量的局部稳定结构，解决了传统针对单一靶点的单模态研究方法所不能解决的疾病多基因和多靶点通路的问题，满足了现阶段计算机辅助药物设计中对于蛋白质结构多模态的需求。

【技术实现步骤摘要】

本专利技术设计涉及蛋白质构象空间搜索
，特别是涉及一种基于排挤差分进化算法的多模态蛋白质构象空间搜索方法，属于生物信息技术、现代智能优化方法和计算机虚拟现实技术综合交叉的技术。
技术介绍
2003年4月14日，美国人类基因组研究项目首席科学家Collins F博士在华盛顿隆重宣布人类基因组序列图绘制成功，人类基因组计划(Human Genome Project, HGP)的所有目标全部实现，这标志着人类基因组计划胜利完成和后基因组时代(Post GenomeEra,PGE)已来临。在当今分子生物学领域中，蛋白质分子空间结构与功能的研究无疑是最具有挑战性的问题，虽然三联密码的破译让人们了解了分子生物学的中心法则，但这些有一定的氨基酸顺序排列的多肽链如何形成具有一定空间结构的蛋白质分子的，这是生物学中心法则中目前还没解决的问题。基因组测序计划产生了大量的氨基酸序列，然而要了解蛋白质在生物体中的具体作用，仅有这些序列是不够的，还必须找到蛋白质的结构和功能。蛋白质的结构和功能是统一的，一种特定的蛋白质结构是真正理解其机理所不可缺少的。因此，根据蛋白质分子的氨基酸序列预测其三维空间结构本文档来自技高网...

【技术保护点】
一种多模态蛋白质构象空间搜索方法，其特征是：在排挤差分进化算法的基础上综合了空间局部性原理、集结过程、能量极小化过程，对蛋白质构象进行优化处理，具体实现如下：1)、确定优化目标，选取蛋白质构象能量函数E(x)；2)、设定差分进化算法各控制参数：种群大小P，变异因子F，交叉因子CR，种群迭代最大次数CG，并采用均匀分布函数随机法生成初始种群，其中N为优化问题的维数，P为种群大小；3)、根据能量函数E(x)对初始种群进行能量极小化预处理，并按能量从小到大进行排序，选取种群前M个蛋白质构象作为种子个体；4)、变异操作：对每个目标个体（其中i、m表示第m个目标个体的第i维，i∈{1,2,……,N}）做...

【技术特征摘要】
1.一种多模态蛋白质构象空间搜索方法，其特征是:在排挤差分进化算法的基础上综合了空间局部性原理、集结过程、能量极小化过程，对蛋白质构象进行优化处理，具体实现如下: 1)、确定优化目标，选取蛋白质构象能量函数E(X)； 2)、设定差分进化算法各控制参数:种群大小P，变异因子F，交叉因子CR，种群迭代最大次数CG，并采用均匀分布函数随机法生成初始种群PW= {.<,.<，……，xf }，其中N为优化问题的维数，P为种群大小； 3)、根据能量函数EU)对初始种群进行能量极小化预处理，并按能量从小到大进行排序，选取种群前M个蛋白质构象作为种子个体； 4)、变异操作:对每个目标个体<(其中1、m表示第m个目标个体的第i维，ie {1，2，……，N})做以下处理:` ` 4.1)初始化:令G=I (G为迭代次数)，i=l ; ` 4.2)计算种群中非亲代￥和亲代个体4的距离，其中m古n e {I...

【专利技术属性】
技术研发人员：张贵军，程正华，邓勇跃，周晓根，何阳军，姚春龙，张贝金，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：