1.一种双重分布估计引导的蛋白质构象空间搜索方法，其特征在于：所述方法包括以下步骤：

1)给定输入序列信息；

2)参数初始化：设置Monte Carlo轨迹条数K、迭代次数G和能量平衡因子δ；

3)构象初始化：根据给定输入序列，生成K个伸展链初始个体；

4)对步骤3)中的K个个体根据RosettaScore3分别计算能量，加上能量平衡因子δ后，存入能量列表EnergyList中；

5)对EnergyList中的所有元素求和得到能量总和Esum；

6)对EnergyList执行反转操作，即将其中所有元素逆序排列；

7)对EnergyList中的元素执行以下操作：EnergyList[i]/Esum，其中i表示列表索引值，i的取值从0到K-1；

8)将EnergyList[i]/Esum存入对应位置的能量分布概率列表pCur中；

9)创建接收列表AcceptList；

10)计算总评价次数Asum；

11)对AcceptList中的每个元素做以下操作：AcceptList[i]＝1，其中i表示列表索引值，i的取值从0到K-1；

12)将1/Asum存入对应位置的接受分布概率列表pHis中；

13)开始迭代：

13.1)根据pCur和pHis这两个概率分布，选出一条Monte Carlo轨迹，执行片段组装过程，生成新的构象pMC；

13.2)根据RosettaScore3计算新生成构象的能量E(pMC)；

13.3)依据Bolztmann准则接受新生成的构象，如果没有接收当前构象，直接转到步骤

14)，如果接受当前构象，则取得该轨迹在列表中的索引值j；

13.4)EnergyList[j]更新为E(pMC)+δ，重新计算Esum，Asum增加1，AcceptList[j]增加1；

13.5)重新计算pCur和pHis：pCur[i]＝EnergyList[i]/Esum，pHis[i]＝AcceptList[i]/Asum；

14)判断是否达到最大迭代次数G；

14.1)若当前迭代次数小于G，返回步骤13)；

14.2)若当前迭代次数等于G，结束。