1.一种基于残基接触信息辅助评价的蛋白质结构预测方法，其特征在于，所述蛋白质结构预测方法包括以下步骤：

1)给定输入序列信息，利用Robetta服务器获得该序列的片段库；

2)利用RaptorX-Contact预测该序列的接触图，获得接触概率大于0.6的N个残基对，接触是指Cα-Cα欧氏距离小于 接触概率表示为Pk，k∈{1,...,N}；

3)初始化：种群规模NP，种群第一阶段和第二阶段最大迭代次数分别为G1,G2，根据输入序列，执行Rosetta Abinitio协议的第一与第二阶段NP次，产生初始构象种群P＝{C1,C2,...,CNP}，其中CNP表示第NP个个体，记当前代数g＝0；

4)进入种群进化第一阶段，过程如下：

4.1)对种群所有个体Ci，i∈{1,...,NP}进行片段组装，片段长度为9，得到候选个体C′i；

4.2)根据N个残基对的接触概率分别计算Ci和C′i的评分函数影响因子μ和μ′：其中dk和d′k分别是Ci和C′i的第k对残基间的Cα-Cα距离，μk和μ′k是对应评分函数影响因子的分项；

4.3)根据能量函数Rosetta score3计算Ci和C′i的能量值Escore3、E′score3：

4.4)利用评分影响因子计算Ci和C′i基于接触的评分s＝μEscore3，s′＝μ′E′score3，并利用Metropolis准则概率接受，若接受，则令Ci＝C′i；

4.5)遍历种群所有个体，得到下一代种群，令g＝g+1；

5)累计学习种群残基对距离分布，过程如下：

5.1)残基对间距离离散化：根据第k个残基对的Cα-Cα欧氏距离dk，满足 以为间隔将dk离散化为13个区域，每个区域对应相应的距离范围，规则如下：表示向下取整，B表示区域索引号，B∈{1,...,13}；

5.2)计算种群在第k个残基对落入第B块区域的比例qk,B；

5.3)学习当前种群的残基对的距离分布： 当g＝1，令 其中w是学习保守因子，0≤w≤1；

6)判断种群进化第一阶段是否结束，若g＞G1，则执行下一步；否则返回步骤4)；

7)记第一阶段最终学习得到的残基对距离分布 为Lk,B，并记g＝0；

8)进入种群进化第二阶段，过程如下：

8.1)对种群所有个体Ci，i∈{1,...,NP}进行片段组装，片段长度为3，得到候选个体C′i；

8.2)利用残基距离分布Lk,B建立残基对距离辅助的评分函数：分别计算Ci和Ci′的k个残基对距离落入的区域，记为b1,b2,...,bm...,bk和b1′,b2′,...,bn′...,bk′，bm∈{1,2...,

13}，bn′∈{1,2...,13}，m∈{1,2...,k}，n∈{1,2...,k}，该评分函数可以表示为：其中w是接触信息贡献因子，0≤w≤1；

9)利用Metropolis准则概率接受，若接受，则令Ci＝C′i；

10)遍历当前种群所有个体，得到下一代种群，令g＝g+1；判断种群进化第一阶段是否结束，若g＞G2，则执行下一步；否则返回步骤8)；

11)利用聚类工具SPICKER对Metropolis准则接受的所有过程点聚类，以最大类的类心构象为最终预测结果。