1.一种基于动态片段长度的群体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)输入待测蛋白质的序列信息，并从ROBETTA服务器上得到片段库；

2)参数设置：设置种群规模NP，交叉概率CR，温度因子KT，最大迭代次数Gmax，片段长度集l＝{l1,l2,...,lM}，每个片段长度的选择概率pm,m＝1,2,...,M，并初始化迭代次数g＝

0，其中M为片段长度集的规模；

3)从各残基位对应的片段库中随机选择片段组装生成初始构象种群Pinitial＝{C1,C2,...,CNP}，其中，Ci,i＝{1,2,…,NP}为种群P中的第i个构象个体；

4)根据Rosetta Score3计算当前种群中每个构象个体的能量值；

5)对种群中的每个构象Ci,i∈{1,2,…,NP}执行如下操作：

5.1)将构象Ci看作目标构象，从当前种群中随机选出NP/2个构象组建子种群，然后根据能量从低到高对该子种群进行排序；

5.2)从排序后的子种群的前NP/5个构象中，随机选择一个与Ci不同的构象，记作Clbest；

5.3)从当前种群中随机选择三个互不相同且与Ci和Clbest均不同的构象Ca、Cb和Cc；

5.4)利用轮盘赌算法，根据每个片段长度的选择概率，从片段长度集中选取一个片段长度lm；

5.5)分别从Ca、Cb和Cc中随机选择一个残基位不同的长度为lm的片段替换构象Clbest中对应位置的片段，生成变异构象Cmutant；

5.6)随机生成一个0和1之间的小数R，如果R

5.7)根据Rosetta score3能量函数计算测试构象Ctrial的能量值；

5.8)如果Ctrial的能量值小于Ci的能量值，则Ctrial替换Ci；否则根据玻尔兹曼概率接受Ctrial，其中ΔE为Ctrial的能量值与Ci的能量值误差的绝对值；

5.9)如果Ctrial在步骤5.8)中被接受，则第m个片段长度在第g代中的成功次数

6)g＝g+1，如果g>20，则根据公式(1)更新每个片段长度的选择概率pm,m＝1,2,...,M；

7)如果g>Gmax，则输出能量最低的构象作为最终预测结构，否则返回步骤5)。