1.一种蛋白质结构预测算法评价指标构建方法，其特征在于：所述评价指标构建方法包括以下步骤：

1)给定输入序列信息，利用Robetta服务器获得该序列的片段库；

2)对搜索空间初步探索并建立Markov状态模型，过程如下：

2.1)获取m个背景点：运行Rosetta Abinitio协议m次，记录每次运行的构象结果，作为背景点；

2.2)计算m个背景点之间的方均根差距离，组成距离矩阵D；

2.3)根据距离矩阵D，利用k‑mediods聚类方法对m个背景点分类，得到k个簇心，作为k个Markov状态，其中k

2.3.1)从m个背景点中随机选取k个点作为当前的簇心；

2.3.2)对每个背景点bi,i∈{1,...,m}分类：计算背景点与k个簇心的距离则该背景点所属类别号为ci,ci满足条件

2.3.3)找出每一类别背景点的簇心，计算每个点距离同一类别其他所有点的距离之和，距离之和最短的对应点为该类的簇心；

2.3.4)如果簇心改变，则返回步骤2.3.2)，继续聚类迭代过程；否则，簇心不变，执行下一步；

3)评价基于种群的蛋白质结构预测方法，过程如下：

3.1)对初始化种群进行分类，表示初始状态：种群规模为NP，种群表示为P＝{C1,C2,...,CNP}，Cn,n∈{1,...,NP}为第n个种群个体，计算个体Cn与k个簇心的均方根偏差(RMSD)距离，若Cn与第p个簇心距离最近，那么该个体当前状态staten＝p，p∈{1,...,k}，表明个体Cn属于第p类，整个种群的状态表示为statelast＝{state1,state2,...,stateNP}，statelast表示上一代种群状态；

3.2)对种群执行下一次迭代过程得到下一代种群，其中迭代过程的步骤由算法决定；

3.3)计算当前种群状态：对当前种群中个体Cn，n∈{1,...,NP}分类，计算个体Cn与k个簇心的RMSD距离，若Cn与第q个簇心距离最近，那么该个体当前状态state′n＝q，q∈{1,...,k}，表明个体Cn属于第q类，整个种群的状态表示为state′now＝{state′1,state′2,...,state′NP}，state′now表示当前种群状态；

3.4)根据前后两代的状态统计得出Markov状态转移矩阵T：对构象Cn,n∈{1,...,NP}的前后两次状态staten＝p和state′n＝q表明一次从状态p到状态q的转移，则tpq＝tpq+1/k，tpq为矩阵T第p行第q列的数值，表示该状态转移频率，其初始值为0；

3.5)根据状态转移矩阵T计算香农熵值Entropy＝∑‑tpq ln tpq；

3.6)更新当前种群状态statelast＝state'now；

3.7)判断算法迭代过程是否结束，若结束，输出最后预测结果和历代熵值并结束以上步骤；否则，返步骤3.2)。