1.一种基于残基特征距离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；

2)根据QUARK获得目标蛋白的初始残基特征距离集V＝{vk,k+n|k∈[1,L-n]}，其中vk,k+n是目标蛋白中第k个残基的Cα原子和第k+n个残基的Cα原子之间的距离，L是序列长度，残基的片段长度n；

3)参数初始化：设置构象集规模NP，初始构象中采样次数iter，迭代计数器co，最大搜索迭代次数Cmax，概率参数p；

4)初始化构象集：启动NP条Monte Carlo轨迹，每条轨迹搜索iter次，即生成NP个初始构象；

5)对每个目标构象xi,i∈{1,...,NP}进行如下操作：

5.1)构建轮盘赌采样机制，过程如下：

5.1.1)依次计算出目标构象xi的第k个氨基酸的Cα原子和第k+n个氨基酸的Cα原子之间的欧式距离 进而构建残基特征距离集

5.1.2)构建残基距离集Vi与初始特征集V对应元素间的差值构成的特征距离误差集

5.1.3)根据 计算每个残基对被选中的概率作为适应度；

5.1.4)利用轮盘赌的方式选出特征距离误差集Di中三个元素 和 其中g∈[1,k],h∈[1,k],y∈[1,k]且g≠h≠y，进而确定出 和 分别对应的残基区域，并分别设置为采样范围 和

5.2)针对构象xi启动三条Monte Carlo搜索轨迹，在不同的搜索轨迹中设定不同的残基采样范围，过程如下：

5.2.1)利用Rosetta Score3函数计算得到构象xi的能量值Ei；

5.2.2)在第一条轨迹中设置残基的采样范围为

5.2.3)在相应的采样范围 内进行片段组装，生成构象x′i，并利用Rosetta Score3函数计算得到构象x′i的能量值E′i；

5.2.4)根据Monte Carlo机制判断是否接收构象x′i，如果接收，则 否则然后输出搜索后的构象

5.2.5)在第二条轨迹中设置残基的采样范围为

5.2.6)在相应的采样范围 内对构象xi依次进行步骤4.2.3)和4.2.4)中所述的片段组装技术和Monte Carlo机制，然后输出搜索后的构象 5.2.7)在第三条轨迹中设置残基的采样范围为

5.2.8)在相应的采样范围 内对构象xi依次进行步骤4.2.3)和4.2.4)中所述的片段组装技术和Monte Carlo机制，然后输出搜索后的构象

5.3)随机生成rand∈[0,1]，若rand≤p，则执行步骤4.4)，否则执行步骤4.5)；

5.4)分别计算出构象xi、 和 的能量值Ei、 和 选出能量最小的构象为潜在构象进入下一代，并作为下一代的父代个体；

5.5)根据构象 和 对应的Manhattan距离选出潜在构象，并判断是否替换目标构象，过程如下：

5.5.1)根据步骤4.1.1)和4.1.2)中所述分别计算出构象 和 对应的特征集和

5.5.2)根据公式 计算出目标构象xi对应的Manhattan距离值simob；

5.5.3)与步骤4.5.2)同理分别计算出构象xg,xh,xy对应的Manhattan距离值simg,simh,simy；

5.5.4)选出Manhattan距离值最小的构象为潜在构象X∈{xg,xh,xy}以及相应的Manhattan距离值sim，并比较潜在构象的Manhattan距离值sim和目标构象的Manhattan距离值simob的大小，若sim＜simob，则潜在构象X进入下一代，否则目标构象进入下一代；

6)判断是否满足终止条件co＞Cmax，若满足终止条件则停止迭代，否则进入下一代，返回步骤4)。