1.一种基于有偏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；

2)利用PSIPRED平台预测目标蛋白的二级结构信息，利用ROSETTA平台构建9片段的片段库；

3)选取Rosetta score3能量函数E(x)；

4)参数初始化：设置种群规模Ps，迭代计数器g，最大遗传代数Gmax，初始种群搜索轨迹长度N，交叉片段长度c；

5)初始化种群：启动Ps条Monte Carlo轨迹，每条轨迹搜索N次，即生成Ps个初始个体；

6)对每个目标个体xi,i∈{i＝1,2,. ..,Ps}进行如下操作：

6.1)随机选择一个个体xj,j∈{1,2,...,Ps}且j≠i，进行交叉操作：

6.1.1)产生一个随机整数r∈[1,l‑c]，确定出交叉区域[r,c+r]，其中l为序列长度；

6.1.2)根据预测的二级结构知识，确定出目标蛋白在区域[r,c+r]中对应的二级结构Src＝{qk|r≤k≤r+c}，其中，qk∈{H,E,L}是在目标蛋白中预测的第k氨基酸对应的二级结构类型；

6.1.3)利用DSSP测定个体xi的二级结构，并确定出交叉区域对应的二级结构序列其中， 是构象xi中第k个残基对应的二级结构类型；

6.1.4)根据公式 计算个体xi中交叉片段的得分，其中，f(k)根据如下公式计算：

其中，pk代表在预测的二级结构知识中第k个氨基酸的二级结构被预测为qk的置信度；

6.1.5)与步骤6.1.3)同理，确定出个体xj中区域[r,c+r]对应的二级结构序列

6.1.6)与步骤6.1.4)同理，计算个体xj中交叉片段的二级结构得分 6.1.7)比较与 的大小，如果 则xi′＝xi,并进入步骤6.2)，否则，执行步骤6.1.8)；

6.1.8)用个体xj中[r,c+r]区域的扭转角度依次替换个体xi中对应区域的扭转角，生成交叉个体xi′；

6.2)对个体x′i进行如下的变异操作：

6.2.1)随机产生一个整数u∈[1,l‑9]，进而确定出个体x′i的片段插入窗口[u,9+u]以及片段库中对应的片段 其中h是片段库中对每一个片段的编号；

6.2.2)根据片段库中的信息确定出在第u个位置处，每个片段 的二级结构其中， 是片段库中第h个片段的第t个氨基酸对应的二级结构类型；

6.2.3)与步骤6.1.4)同理计算得到在第u个位置处，片段库中每个片段 的二级结构得分

6.2.4)根据公式 计算在第u个位置处每个片段的适应值；

6.2.5)以 为每个片段的适应值，利用轮盘赌的方式随机选取一个片段，并用该片段的扭转角替换个体x′i中的扭转角，生成变异分体x″i；6.3)根据能量和二级结构得分进行如下的选择操作：

6.3.1)利用DSSP分别测定出个体xi和x″i的二级结构序列 和

6.3.2)与步骤6.1.4)同理，分别计算个体xi和x″i的二级结构得分ssi和ss″i；

6.3.3)比较ssi和ss″i的大小，如果ssi＜ss″i，则变异个体x″i换个体xi，并作为下一代的目标个体，执行步骤7)，否则执行步骤6.3.4)和步骤6.3.5)；

6.3.4)根据Rosetta score3函数分别计算个体xi和x″i的能量E(xi)和E(x″i)；

6.3.5)比较E(xi)和E(x″i)的大小，如果E(x″i)＜E(xi)，则变异个体x″i换个体xi，并作为下一代的目标个体，执行步骤7)，否则个体xi被保留，并作为下一代的目标个体，执行步骤7)；

7)对种群中的每一个个体都执行完步骤6)以后，迭代次数g＝g+1，判断g是否大于Gmax，若g＞Gmax，则停止迭代并退出，否则返回步骤6)。