1.一种基于两阶段采样的蛋白质结构预测方法，其特征在于：所述方法包括以下步骤：

1)给定输入序列信息，选择Rosetta score3为能量函数E(x)；

2)参数初始化：设置种群规模NP，初始构象迭代次数Iter，最大迭代次数Gmax，变异连续拒绝最大值Cmax，状态估计阈值H，温度常数KT，温度变化值t；

3)初始化种群：启动NP条Monte Carlo轨迹，每条轨迹搜索Iter次，即生成NP个初始个体；

4)对种群中每个个体 g∈N+进行全局探测，使其形成稳定的拓扑结构，其中g为迭代代数，过程如下：

4.1)对个体 进行如下的变异操作生成变异个体 过程如下：

4.1.1)利用能量函数计算目标个体 的能量值

4.1.2)对个体 进行9片段组装，生成新个体 利用能量函数计算 的能量值并计算目标个体 与新个体 的能量变化即

4.1.3)根据Monte Carlo机制判断是否接收个体 如果ΔE＜0，则接受个体 为变异个体，并转至步骤4.2)进行选择操作，否则进行步骤4.1.4)；

4.1.4)根据公式p＝e-ΔE/kT计算接受概率p，如果p＞random，则接受个体 为变异个体转至步骤4.2)，否则更新变异拒绝次数，进行步骤4.1.5)，其中random是随机数random∈[0,1]；

4.1.5)如果连续拒绝了Cmax次，则增大温度常数，即KT＝KT+t，否则温度常数保持不变；

4.2)对目标个体 和变异个体 进行选择操作，能量较低的一个个体进入下一代；

4.3)如果i＝NP，则进入步骤5)进入状态估计，否则转至步骤4.1)；

5)根据相邻两代种群的信息，进行状态估计，过程如下：

5.1)计算相邻两代对应个体 和 之间基于Cα原子的均方根偏差R，如果R＜H,则fg(i)＝1，否则fg(i)＝0；其中，fg(i)是状态估计函数；

5.2)根据公式 计算状态估计值，如果状态估计值Fg＝NP则转至步骤6)进入局部增强阶段，否则转至步骤4.1)继续进行全局探测；

6)设置迭代计数器g＝0；

7)对每个个体 进行loop区域的局部增强，使其形成更加紧密的三维结构，操作如下：

7.1)利用能量函数计算目标个体 的能量值

7.2)随机选择一个loop区域，并且在该区域进行3片段组装，生成新个体 并计算个体 的能量值

7.3)计算目标个体 与个体 的能量变化值即 如果ΔE＜0，则接受个体 为变异个体并转至步骤7.2)进行选择操作，否则按概率p接受个体，其中p＝e-ΔE/kT；

7.4)如果连续拒绝Cmax次，如果是则增大温度常数，即KT＝KT+t，否则温度常数保持不变；

7.5)对目标个体 和变异个体 进行选择操作，能量较低的一个个体进入下一代；

8)判断是否满足终止条件g＞Gmax，若满足终止条件，则停止迭代，否则进入下一代，返回步骤7)。