1.一种全局和局部下界估计协同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，片段长度l，温度因子KT，全局斜率控制因子M，局部斜率控制因子M′，邻近个体的数量N，最大迭代次数Gmax，并初始化迭代次数g＝0；

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P＝{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 socre3能量函数计算当前种群中每个构象的能量值；

5)根据每个构象Ci，i∈{1,2,…,NP}的碳α原子坐标表示其空间位置坐标并计算每个构象Ci的支撑向量li：

其中，E(Ci)为构象Ci的能量， 为构象Ci位置坐标的第t维元素，为松弛变量，M为斜率控制因子；

6)对种群中的每个构象Ci,i∈{1,2,…,NP}执行如下操作：

6.1)将构象Ci看作目标构象，根据空间位置坐标计算Ci与其它NP-1个构象之间的欧氏距离；

6.2)选出与目标构象距离最近的N个构象，从这N个邻近构象中随机选取两个不同的构象Ca和Cb，并从其余NP-N-1个构象中随机选取一个与Ci不同的构象Cc；

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

6.4)随机生成一个0和1之间的小数R，如果R

6.5)根据Ctrial的空间位置坐标计算它与种群中所有构象之间的欧氏距离，并选出与其最近的构象Cnb；

6.6)计算构象Cnb的抽象凸下界估计支撑向量l：其中，E(Cnb)为构象Cnb的能量， 为构象Cnb空间位置坐标的第t维元素，为松弛变量；

6.7)计算测试构象Ctrial的能量局部下界估计值 其中为支撑向量lnb的第t维元素， 为测试构象Ctrial位置坐标的第t维元素；

6.8)计算测试构象Ctrial的能量全局下界估计值 其中 为支撑向量li的第t维元素；

6.9)计算构象Ctrial的能量下界估计值

6.10)如果U(Ctrial)>E(Ci)，则构象Ci保持不变，其中E(Ci)为目标构象的能量值；

6.11)如果U(Ctrial)≤E(Ci)，根据Rosetta score3能量函数计算测试构象Ctrial的能量值E(Ctrial)；如果E(Ctrial)

7)g＝g+1，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)。