一种基于多阶段子群协同进化策略的差分进化蛋白质结构从头预测方法与流程

技术特征：

1.一种基于多阶段子群协同进化策略的差分进化蛋白质结构从头预测方法，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)设置系统参数：种群大小popSize，算法的迭代次数T，第一阶段迭代次数T₁，第二阶段迭代次数T₂，第三阶段迭代次数T₃，变异因子MU，交叉因子CR，子种群个数N_Sub，片段的长度L，其中T₁+T₂+T₃＝T；

3)种群初始化：由输入序列产生popSize个种群个体P_init；

4)子种群划分：将种群平均划分为N_Sub个子种群；

5)开始迭代，执行种群进化过程：

5.1)第一阶段：迭代次数为T₁，对初始种群中的每个个体做如下操作：

5.1.1)设i＝1，j＝1,其中i∈{1,2,3,…,N_sub},j∈{1,2,3,…,N_subpopSize}；令P_target＝P_ij，其中i,j为序号，N_subpopSize表示子种群中个体的数目，P_target表示目标个体；

5.1.2)针对个体P_target做变异操作：从L＝9的片段库中随机选择片段进行片段组装，得到中间个体P_trial′；

5.1.3)随机生成正整数rand1，rand2，rand3，其中rand1∈{1,2,3,...,N_subpopSize}，rand1≠j，rand2≠rand3,∈{1,2,…,Length}，生成随机数rand4∈(0,1)，其中Length为序列长度；

5.1.4)若随机数rand4<＝CR，针对P_trial′做交叉操作：令l＝rand1；令a＝min(rand2,rand3),b＝max(rand2,rand3)，k∈[a,b]；

a：令P_trial′.phi(k)＝P_l.phi(k)；

b：令P_trial′.psi(k)＝P_l.psi(k)；

c：令P_trial′.omega(k)＝P_l.omega(k)；

步骤a，b，c分别为：将P_trial′的氨基酸k所对应的二面角phi、psi、omega替换为P_l的相同位置所对应的二面角phi、psi、omega；令P_trial＝P_trial′；

5.1.5)通过交叉操作得到测试个体P_trial；

5.1.6)执行更新操作：根据Rosetta Score3能量函数计算P_target和P_trial的能量：E(P_target)和E(P_trial)；若E(P_target)>E(P_trial)则用P_trial替换P_target，否则保持种群不变；

5.1.7)得到更新后的种群P_update；

5.1.8)迭代运行步骤5.1.1)～5.1.7)至第一阶段结束；

5.2)第二阶段：迭代次数为T₂，对步骤5.1)得到的种群中的每个个体做如下操作：

5.2.1)设i＝1，j＝1,其中i∈{1,2,3,…,N_sub},j∈{1,2,3,…,N_subpopSize}；令P_target＝P_ij，其中i,j为序号，N_subpopSize表示子种群中个体的数目，P_target表示目标个体；

5.2.2)针对个体P_target做变异操作：从L＝3的片段库中随机选择片段进行片段组装，得到中间个体P_trial′；

5.2.3)随机生成正整数rand2，rand3，其中，rand2≠rand3,∈{1,2,…,Length}，生成随机数rand4∈(0,1)，其中Length为序列长度；

5.2.4)找到当前子种群中能量最低的个体P_local；

5.2.5)若随机数rand4<＝CR，针对P_trial′做交叉操作：令a＝min(rand2,rand3),b＝max(rand2,rand3)，k∈[a,b]；

a：令P_trial′.phi(k)＝P_local.phi(k)；

b：令P_trial′.psi(k)＝P_local.psi(k)；

c：令P_trial′.omega(k)＝P_local.omega(k)；

步骤a，b，c分别为：将P_trial′的氨基酸k所对应的二面角phi、psi、omega替换为P_local中相同位置所对应的二面角phi、psi、omega；令P_trial＝P_trial′；

5.2.6)通过交叉操作得到测试个体P_trial；

5.2.7)执行更新操作：根据Rosetta Score3能量函数计算P_target和P_trial的能量：E(P_target)和E(P_trial)；若E(P_target)>E(P_trial)则用P_trial替换P_target，否则保持种群不变；

5.2.8)得到更新后的种群P_update；

5.2.9)迭代运行步骤5.2.1)～5.2.7)至第二阶段结束；

5.3)第三阶段：迭代次数为T₃，对步骤5.2)得到的种群中的每个个体做如下操作：

5.3.1)设i＝1，j＝1,其中i∈{1,2,3,…,N_sub},j∈{1,2,3,…,N_subpopSize}；令P_target＝P_ij，其中i,j为序号，N_subpopSize表示子种群中个体的数目，P_target表示目标个体；

5.3.2)针对个体P_target做变异操作：从L＝3的片段库中随机选择片段进行片段组装，得到中间个体P_trial′；

5.3.3)随机生成正整数rand2，rand3，其中，rand2≠rand3,∈{1,2,…,Length}，生成随机数rand4∈(0,1)，其中Length为序列长度；

5.3.4)找到种群中能量最低的个体P_global；

5.3.5)若随机数rand4<＝CR，针对P_trial′做交叉操作：令a＝min(rand2,rand3),b＝max(rand2,rand3)，k∈[a,b]；

a：令P_trial′.phi(k)＝P_global.phi(k)；

b：令P_trial′.psi(k)＝P_global.psi(k)；

c：令P_trial′.omega(k)＝P_global.omega(k)；

步骤a，b，c分别为：将P_trial′的氨基酸k所对应的二面角phi、psi、omega替换为P_global中相同位置所对应的二面角phi、psi、omega；令P_trial＝P_trial′；

5.3.6)通过交叉操作得到测试个体P_trial；

5.3.7)执行更新操作：根据Rosetta Score3能量函数计算P_target和P_trial的能量：E(P_target)和E(P_trial)；若E(P_target)>E(P_trial)则用P_trial替换P_target，否则保持种群不变；

5.3.8)得到更新后的种群P_update；

5.3.9)迭代运行步骤5.3.1)～5.3.7)至第三阶段结束。