1.一种群体爬山迭代蛋白质构象空间优化方法，其特征在于：所述构象空间优化方法包括以下步骤：

1)输入目标蛋白质的序列信息；

2)设置参数：种群规模NP，迭代次数Gmax，交叉迭代次数HC，变异迭代次HM；

3)种群初始化：迭代Rosetta协议第一、二、三、四阶段，产生具有NP个个体的种群P＝{P1,P2,...,PNP}；

4)迭代爬山搜索，过程如下：

4.1)设g＝1，其中g∈{1,2,...,Gmax}；

4.2)从种群P中随机选择两个个体P1,P2，并选择P1,P2中Rosetta score3能量最低的个体作为交叉阶段最优个体Pcbest；

4.3)迭代交叉阶段，过程如下：

4.3.1)设hc＝1，其中hc∈{1,2,...,HC}；

4.3.2)生成均匀随机整数rand1，rand1∈[1,L]，其中L表示目标蛋白质的序列的长度；

4.3.3)以第rand1号残基为交叉点，交换P1,P2交叉点前后的结构，生成交叉后的个体Pc1,Pc2，并选择Pc1,Pc2中Rosetta score3能量最低的个体作为测试个体Pctrial；

4.3.4)根据Metropolis准则决定个体Pctrial是否替换Pcbest，过程如下：

4.3.4.1)用Rosetta score3能量函数计算Pcbest和Pctrial的能量 和 令

4.3.4.2)按如下公式计算替换概率p，其中KT为温度参数，默认设置为2；

4.3.4.3)生成随机均匀小数rand2，rand2∈[0,1]；

4.3.4.4)若rand2≤p，用Pctrial替换Pcbest；否则，保持Pcbest不变；

4.3.5)hc＝hc+1；

4.3.6)若hc≤HC，转至步骤4.3.2)；否则，结束迭代交叉阶段，进入迭代变异阶段；

4.4)迭代变异阶段，过程如下：

4.4.1)令 其中 和 分别表示变异阶段的最优个体和目标个体；

4.4.2)设hm＝1，其中hm∈{1,2,...,HM}；

4.4.3)对 的每一个片段窗口执行变异操作，选出最优的变异个体，过程如下：

4.4.3.1)设片段窗口号hw＝1，其中hw∈{1,2,...,L-2}，L表示预测蛋白质的序列的长度；

4.4.3.2)从第hw号窗口对应的片段库中随机选择一个片段，用该片段替换第hw号窗口的片段，生成变异个体

4.4.3.3)根据Metropolis准则决定是否用个体 替换

4.4.3.4)hw＝hw+1；

4.4.3.5)若hw≤L-2，转至步骤4.4.3.2)；否则，转至步骤4.4.4)；

4.4.4)若在步骤4.4.3)中 被成功替换过，则令

4.4.5)hm＝hm+1；

4.4.6)若hm≤HM，转至步骤4.4.3)；否则，结束迭代变异阶段，进入选择阶段；

4.5)选择阶段，过程如下：

4.5.1)根据Rosetta score3能量函数从种群P中选择能量最高的两个个体

4.5.2)分别用Pcbest和 替换 和

4.6)g＝g+1；

4.7)若g≤Gmax，转至步骤4.2)；否则，结束迭代爬山搜索；

5)根据Rosetta聚类算法对种群P中的个体聚类，选出最大类的类心构象个体作为最终预测结果。