CN105975806A - 一种基于距离约束副本交换的蛋白质结构预测方法 - Google Patents

Abstract

一种基于距离约束副本交换的蛋白质结构预测方法，首先在每个温度层通过对查询序列进行随机的折叠和变换生成一个初始种群；在种群更新中，以Rosetta Score3为优化目标函数，基于Anfinsen提出的蛋白质天然态结构时自由能最低的结构，在每一个温度层中依次将种群中的每个个体作为目标个体，然后随机选取和目标个体不一样的两个个体进行变异、交叉产生变异个体，再将另一个个体随机选取一段与变异个体进行交换产生测试个体，再将测试个体与目标个体进行能量值比较，对于能量升高的测试个体引入距离谱的知识，将相邻的温度层的对应个体进行副本交换。本发明构象空间采样能力较好、预测精度高。

Description

一种基于距离约束副本交换的蛋白质结构预测方法

技术领域

本发明涉及生物信息学、计算机应用领域，尤其涉及的是一种基于距离约束副本交换的蛋白质结构预测方法。

背景技术

蛋白质分子在生物细胞化学反应过程中起着至关重要的作用。它们的结构模型和生物活性状态对我们理解和治愈多种疾病有重要的意义。蛋白质只有折叠成特定的三维结构才能产生其特有的生物学功能。因此，要了解蛋白质的功能，就必须获得其三维空间结构。

蛋白质三级结构预测是生物信息学的一个重要任务。蛋白质构象优化问题现在面临最大的挑战是对极其复杂的蛋白质能量函数曲面进行搜索。蛋白质能量模型考虑了分子体系成键作用以及范德华力、静电、氢键、疏水等非成键作用，致使其形成的能量曲面极其粗糙，构象对应局部极小解数目随序列长度的增加呈指数增长。而蛋白质构象预测算法能够找到蛋白质稳定结构的机理是，大量的蛋白质亚稳定结构构成了低能量区域，所以能否找到蛋白质全局最稳定结构的关键是算法能够找到大量的蛋白质亚稳定结构，即增加算法的种群多样性。因此，针对更加精确的蛋白质力场模型，选取有效的构象空间优化算法，使新的蛋白质结构预测算法更具有普遍性和高效性成为生物信息学中蛋白质结构预测的焦点问题。

目前，蛋白质结构预测方法大致可以分为两类，基于模板的方法和不基于模板的方法。其中，不基于模板的从头预测(Ab-inito)方法应用最为广泛。它适用于同源性小于25％的大多数蛋白质，仅从序列产生全新结构，对蛋白质分子设计及蛋白质折叠的研究等具有重要意义。当前有以下几种比较成功的从头预测方法：张阳与Jeffrey Skolnick合作的TASSER(Threading/Assembly/Refinement)方法、David Baker及团队设计的Rosetta方法、Shehu等设计的FeLTr方法等。但是到目前还没有一种十分完善的方法来预测蛋白质的三维结构，即使获得了很好的预测结果，但也只是针对某些蛋白质而言的，目前主要的技术瓶颈在于两个方面，第一方面在于采样方法，现有技术对构象空间采样能力不强，另一方面在于构象更新方法，现有技术对构象的更新精度仍然不足。

因此，现有的构象空间优化方法存在采样效率、复杂度及预测精度方面存在不足，需要改进。

发明内容

为了克服现有群体构象空间优化方法的构象空间搜索维数较高、收敛速度较慢、预测精度较低的不足，本发明提出一种构象空间采样能力较好、预测精度高的基于距离约束副本交换的蛋白质结构预测方法。

本发明解决其技术问题所采用的技术方案是：

一种基于距离约束副本交换的蛋白质结构预测方法，所述优化方法包括以下步骤：

1)给定输入序列信息；

2)根据序列信息从QUARK服务器上获取距离谱文件DP，rp_k为距离谱中记录下的残基对，D_k为该残基对之间的距离，其中k∈(1,N)，N为距离谱中残基对数量；

3)初始化：设置群体规模popSize，交叉概率CR，8个温度层T，能量函数选用Rosetta Score3，首先在每个温度层通过对查询序列随机的折叠和变换，生成一个规模为popSize的初始种群，初始群体为P_T＝{xⁱ|i∈I}，计算能量函数值f_T(xⁱ),i∈I，并设其中i为种群个体编号，I为种群个体编号集合，I＝{1,2,...,popSize}，为对应温度层能量函数值中的最小值，T为温度层；

4)开始迭代，依次对每个温度层种群中的每个个体进行以下操作：

4.1)设i＝1，其中i∈{1,2,3,…,NP}；令P_target＝P_i，其中i为序号，P_target表示目标个体；

4.2)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；

4.3)针对个体P_rand1做变异操作；

4.3.1)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；

4.3.2)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进行片段组装得到变异个体P_mutant；

4.4)针对变异个体P_mutant做交叉操作；

4.4.1)生成随机数rand4，rand5，其中rand4∈(0,1)，rand5∈(1,Length)；

4.4.2)若随机数rand4<＝CR，则使用目标个体P_target的片段rand5替换变异个体P_mutant中对应的片段生成测试个体P_trail，否则P_trail直接等于变异个体P_mutant；

4.5)针对每个温度层中的目标个体P_target和测试个体P_trail进行选择操作；

4.5.1)计算P_target和P_trail的能量：E(P_target)和E(P_trail)；

4.5.2)若E(P_target)>E(P_trail)则用P_trail替换P_target，并且进入4.6)；否则继续执行4.5.3)；

4.5.3)计算目标个体P_target和测试个体P_trail在残基对rp_i的距离相对于距离谱中D_i之间的距离差和

4.5.4)判断和的值，若大于6，则令其等于6，从而去除一些距离差值较大的异常数值；

4.5.5)计算距离谱中所有位置的目标个体和测试个体的距离差值总和 $\&dtri;D_{t\arg et}=\underset{i=1}{\overset{N}{\&Sigma;}}\&dtri;{\mathrm{targetD}}_i,\&dtri;D_{trail}=\underset{i=1}{\overset{N}{\&Sigma;}}\&dtri;{\mathrm{trailD}}_i;$

4.5.6)若则进入5)；

4.5.7)若则产生一个(0,1)之间的随机数rand6，若rand6小于0.2，则用P_trail替换P_target，否则进行5)；

5)在每个温度层都进行变异、交叉和选择更新完种群后，将相邻的温度层的对应个体进行副本交换：

5.1)首先选择种群中第i个个体，i∈I(i＝1,2，…，popSize)；

5.2)选择两个相邻的温度层T_j和T_j+1，j＝1,2，…，7；

5.3)产生一个随机数randx∈(0,1)，和判别数judge

$judge=e^{(\frac{1}{(K\&times;\left(T_{j+I}\right))}-\frac{1}{K\&times;T_j})\&times;(f\left(x_{T_{j+1}}^i\right)-f\left(x_{T_j}^i\right)))}---\left(1\right)$

其中(i＝1,2,···,popSize)为种群个体的能量值，K为玻尔兹曼常数，T_j(j＝1,2,…,7)为第j个温度层的开尔文温度，j为索引编号，e为自然常数；

5.4)若randx＜judge，将相邻温度层中的和个体进行交换；

6)判断是否满足终止条件，如不满足则转至4)；若满足则输出结果。

进一步，所述步骤3)中，设置最大迭代次数iteration；所述步骤6)中，对每个温度层种群中的每个个体都执行完步骤4)-5)以后，迭代次数G＝G+1，终止条件为迭代次数G达到预设最大迭代次数iteration。

本发明的技术构思为：在基本DE算法的框架下，首先在每个温度层通过对查询序列进行随机的折叠和变换生成一个初始种群；在种群更新中，以Rosetta Score3为优化目标函数，基于Anfinsen提出的蛋白质天然态结构时自由能最低的结构，在每一个温度层中依次将种群中的每个个体作为目标个体，然后随机选取和目标个体不一样的两个个体进行变异、交叉产生变异个体，再将另一个个体随机选取一段与变异个体进行交换产生测试个体，再将测试个体与目标个体进行能量值比较，对于能量升高的测试个体引入距离谱的知识，使得种群中保留能量虽高但结构更为合理的构象。在更新完种群后，将相邻两个温度层之间种群个体进行副本交换来增加种群的多样性，通过不断更新种群以及副本交换获得一系列亚稳态构象。本发明提供了一种预测精度较高、复杂度较低的构象空间优化方法。

附图说明：

图1是测试序列2IMU在种群更新过程中RMSD和能量值的关系示意图。

图2是测试序列2IMU在本算法预测所得诱导构象与基本差分进化预测所得构象的采样概率分布图。

具体实施方式：

下面结合附图对本发明作进一步描述。

参照图1和图2，一种基于距离约束副本交换的蛋白质结构预测方法，所述构象空间优化方法包括以下步骤：

1)给定输入序列信息；

2)根据序列信息从QUARK服务器上获取距离谱文件DP，rp_k为距离谱中记录下的残基对，D_k为该残基对之间的距离，其中k∈(1,N)，N为距离谱中残基对数量；

3)初始化：设置群体规模popSize，交叉概率CR，8个温度层T，能量函数选用Rosetta Score3，首先在每个温度层通过对查询序列随机的折叠和变换，生成一个规模为popSize的初始种群，初始群体为P_T＝{xⁱ|i∈I}，计算能量函数值f_T(xⁱ),i∈I，并设其中i为种群个体编号，I为种群个体编号集合，I＝{1,2,...,popSize}，为对应温度层能量函数值中的最小值，T为温度层；

4)开始迭代，依次对每个温度层种群中的每个个体进行以下操作：

4.1)设i＝1，其中i∈{1,2,3,…,NP}；令P_target＝P_i，其中i为序号，P_target表示目标个体；

4.2)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；

4.3)针对个体P_rand1做变异操作；

4.3.1)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；

4.3.2)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进行片段组装得到变异个体P_mutant；

4.4)针对变异个体P_mutant做交叉操作；

4.4.1)生成随机数rand4，rand5，其中rand4∈(0,1)，rand5∈(1,Length)；

4.4.2)若随机数rand4<＝CR，则使用目标个体P_target的片段rand5替换变异个体P_mutant中对应的片段生成测试个体P_trail，否则P_trail直接等于变异个体P_mutant；；

4.5)针对每个温度层中的目标个体P_target和测试个体P_trail进行选择操作；

4.5.1)计算P_target和P_trail的能量：E(P_target)和E(P_trail)；

4.5.2)若E(P_target)>E(P_trail)则用P_trail替换P_target，并且进入4.6)；否则继续执行4.5.3)；

4.5.3)计算目标个体P_target和测试个体P_trail在残基对rp_i的距离相对于距离谱中D_i之间的距离差和

4.5.4)判断和的值，若大于6，则令其等于6，从而去除一些距离差值较大的异常数值；

4.5.5)计算距离谱中所有位置的目标个体和测试个体的距离差值总和 $\&dtri;D_{t\arg et}=\underset{i=1}{\overset{N}{\&Sigma;}}\&dtri;{\mathrm{targetD}}_i,\&dtri;D_{trail}=\underset{i=1}{\overset{N}{\&Sigma;}}\&dtri;{\mathrm{trailD}}_i;$

4.5.6)若则进入5)；

4.5.7)若则产生一个(0,1)之间的随机数rand6，若rand6小于0.2，则用P_trail替换P_target，否则进行5)；

5)在每个温度层都进行变异、交叉和选择更新完种群后，将相邻的温度层的对应个体进行副本交换：

5.1)首先选择种群中第i个个体，i∈I(i＝1,2，…，popSize)；

5.2)选择两个相邻的温度层T_j和T_j+1，j＝1,2，…，7；

5.3)产生一个随机数randx∈(0,1)，和判别数judge

$judge=e^{(\frac{1}{(K\&times;\left(T_{j+I}\right))}-\frac{1}{K\&times;T_j})\&times;(f\left(x_{T_{j+1}}^i\right)-f\left(x_{T_j}^i\right)))}---\left(1\right)$

其中(i＝1,2,···,popSize)为种群个体的能量值，K为玻尔兹曼常数，T_j(j＝1,2,…,7)为第j个温度层的开尔文温度，j为索引编号，e为自然常数；

5.4)若randx＜judge，将相邻温度层中的和个体进行交换；

6)判断是否满足终止条件到达迭代次数iteration，如不满足则转至4)；若满足则输出结果。

进一步，所述步骤3)中，设置最大迭代次数iteration；所述步骤6)中，对每个温度层种群中的每个个体都执行完步骤4)-5)以后，迭代次数G＝G+1，终止条件为迭代次数G达到预设最大迭代次数iteration。

本实施例以序列长度为46的蛋白质2IMU为实施例，一种基于距离约束副本交换的蛋白质结构预测方法，其中包含以下步骤：

1)输入蛋白质序列2IMU；

2)根据序列信息从QUARK服务器上获取距离谱文件DP，rp_k为距离谱中记录下的残基对，D_k为该残基对之间的距离，其中k∈(1,N)，N为距离谱中残基对数量，测试序列2IMU的距离谱的N＝38；

3)初始化：设置群体规模popSize＝50，交叉概率CR＝0.5，8个温度层T，每个温度层的温度参数分别为200，239，286，342，409，489，585，700，单位为开尔文，最大迭代次数iteration＝10000，能量函数选用Rosetta Score3，首先在每个温度层通过对查询序列随机的折叠和变换，生成一个规模为popSize的初始种群，初始群体为P_T＝{xⁱ|i∈I}，计算能量函数值f_T(xⁱ),i∈I，并设其中i为种群个体编号，I为种群个体编号集合，I＝{1,2,...,popSize}，为对应温度层能量函数值中的最小值，T为温度层；

4)开始迭代，依次对每个温度层种群中的每个个体进行以下操作：

4.1)设i＝1，其中i∈{1,2,3,…,NP}；令P_target＝P_i，其中i为序号，P_target表示目标个体；

4.2)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；

4.3)针对个体P_rand1做变异操作；

4.3.1)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；

4.3.2)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进行片段组装得到变异个体P_mutant；

4.4)针对变异个体P_mutant做交叉操作；

4.4.1)生成随机数rand4，rand5，其中rand4∈(0,1)，rand5∈(1,Length)；

4.4.2)若随机数rand4<＝CR，则使用目标个体P_target的片段rand5替换变异个体P_mutant中对应的片段生成测试个体P_trail，否则P_trail直接等于变异个体P_mutant；

4.5)针对每个温度层中的目标个体P_target和测试个体P_trail进行选择操作；

4.5.1)计算P_target和P_trail的能量：E(P_target)和E(P_trail)；

4.5.2)若E(P_target)>E(P_trail)则用P_trail替换P_target，并且进入4.6)；否则继续执行4.5.3)；

4.5.3)计算目标个体P_target和测试个体P_trail在残基对rp_i的距离相对于距离谱中D_i之间的距离差和

4.5.4)判断和的值，若大于6，则令其等于6，从而去除一些距离差值较大的异常数值；

4.5.5)计算距离谱中所有位置的目标个体和测试个体的距离差值总和 $\&dtri;D_{t\arg et}=\underset{i=1}{\overset{N}{\&Sigma;}}\&dtri;{\mathrm{targetD}}_i,\&dtri;D_{trail}=\underset{i=1}{\overset{N}{\&Sigma;}}\&dtri;{\mathrm{trailD}}_i;$

4.5.6)若则进入5)；

4.5.7)若则产生一个(0,1)之间的随机数rand6，若rand6小于0.2，则用P_trail替换P_target，否则进行5)；

5)在每个温度层都进行变异、交叉和选择更新完种群后，将相邻的温度层的对应个体进行副本交换：

5.1)首先选择种群中第i个个体，i∈I(i＝1,2，…，popSize)；

5.2)选择两个相邻的温度层T_j和T_j+1，j＝1,2，…，7；

5.3)产生一个随机数randx∈(0,1)，和判别数judge

$judge=e^{(\frac{1}{(K\&times;\left(T_{j+I}\right))}-\frac{1}{K\&times;T_j})\&times;(f\left(x_{T_{j+1}}^i\right)-f\left(x_{T_j}^i\right)))}---\left(1\right)$

其中(i＝1,2,···,popSize)为种群个体的能量值，K为玻尔兹曼常数，T_j(j＝1,2,…,7)为第j个温度层的开尔文温度，j为索引编号，e为自然常数；

5.4)若randx＜judge，将相邻温度层中的和个体进行交换；

6)对每个温度层种群中的每个个体都执行完步骤4)-5)以后，迭代次数G＝G+1，终止条件为迭代次数G达到预设最大迭代次数iteration，判断是否满足终止条件，如不满足则转至4)；若满足则输出结果。

以上阐述的是本发明给出的一个实施例表现出来的优良效果，显然本发明不仅适合上述实施例，在不偏离本发明基本精神及不超出本发明实质内容所涉及内容的前提下可对其做种种变化加以实施。

Claims (2)

1.一种基于距离约束副本交换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)给定输入序列信息；

2)根据序列信息从QUARK服务器上获取距离谱文件DP，rp_k为距离谱中记录下的残基对，D_k为该残基对之间的距离，其中k∈(1,N)，N为距离谱中残基对数量；

3)初始化：设置群体规模popSize，交叉概率CR，8个温度层T，能量函数选用RosettaScore3，首先在每个温度层通过对查询序列随机的折叠和变换，生成一个规模为popSize的初始种群，初始群体为P_T＝{xⁱ|i∈I}，计算能量函数值f_T(xⁱ),i∈I，并设其中i为种群个体编号，I为种群个体编号集合，I＝{1,2,...,popSize}，为对应温度层能量函数值中的最小值，T为温度层；

4)开始迭代，依次对每个温度层种群中的每个个体进行以下操作：

4.1)设i＝1，其中i∈{1,2,3,…,NP}；令P_target＝P_i，其中i为序号，P_target表示目标个体；

4.2)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；

4.3)针对个体P_rand1做变异操作；

4.3.1)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；

4.3.2)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进行片段组装得到变异个体P_mutant；

4.4)针对变异个体P_mutant做交叉操作；

4.4.1)生成随机数rand4，rand5，其中rand4∈(0,1)，rand5∈(1,Length)；

4.4.2)若随机数rand4<＝CR，则使用目标个体P_target的片段rand5替换变异个体P_mutant中对应的片段生成测试个体P_trail，否则P_trail直接等于变异个体P_mutant；

4.5)针对每个温度层中的目标个体P_target和测试个体P_trail进行选择操作；

4.5.1)计算P_target和P_trail的能量：E(P_target)和E(P_trail)；

4.5.2)若E(P_target)>E(P_trail)则用P_trail替换P_target，并且进入4.6)；否则继续执行4.5.3)；

4.5.3)计算目标个体P_target和测试个体P_trail在残基对rp_i的距离相对于距离谱中D_i之间的距离差▽targetD_i和▽trailD_i；

4.5.4)判断▽targetD_i和▽trailD_i的值，若大于6，则令其等于6，从而去除一些距离差值较大的异常数值；

4.5.5)计算距离谱中所有位置的目标个体和测试个体的距离差值总和

$\&dtri;D_{t\arg et}=\underset{i=1}{\overset{N}{\&Sigma;}}\&dtri;{\mathrm{targetD}}_i,\&dtri;D_{trail}=\underset{i=1}{\overset{N}{\&Sigma;}}\&dtri;{\mathrm{trailD}}_i;$

4.5.6)若▽D_trail＞▽D_target，则进入5)；

4.5.7)若▽D_trail＜▽D_target，则产生一个(0,1)之间的随机数rand6，若rand6小于0.2，则用P_trail替换P_target，否则进行5)；

5)在每个温度层都进行变异、交叉和选择更新完种群后，将相邻的温度层的对应个体进行副本交换：

5.1)首先选择种群中第i个个体，i∈I(i＝1,2，…，popSize)；

5.2)选择两个相邻的温度层T_j和T_j+1，j＝1,2，…，7；

5.3)产生一个随机数randx∈(0,1)，和判别数judge

$judge=e^{(\frac{1}{(K\&times;(T_{j+I}\left)\right)}-\frac{1}{K\&times;T_j})\&times;\left(f\left(x_{T_{j+1}}^i\right)-f\left(x_{T_j}^i\right)\right))}---\left(1\right)$

其中，(i＝1,2,···,popSize)为种群个体的能量值，K为玻尔兹曼常数，T_j(j＝1,2,…,7)为第j个温度层的开尔文温度，j为索引编号，e为自然常数；

5.4)若randx＜judge，将相邻温度层中的和个体进行交换；

6)判断是否满足终止条件，如不满足则转至4)；若满足则输出结果。

2.如权利要求1所述的一种基于距离约束副本交换的蛋白质结构预测方法，其特征在于：所述步骤3)中，设置最大迭代次数iteration；所述步骤6)中，对每个温度层种群中的每个个体都执行完步骤4)-5)以后，迭代次数G＝G+1，终止条件为迭代次数G达到预设最大迭代次数iteration。