1.一种基于差分进化局部扰动的蛋白质构象空间优化方法，其特征在于，所述构象空间优化方法包括以下步骤：

1)输入预测蛋白质的序列信息；

2)设置参数，过程如下：

2.1)构象搜索差分进化参数：种群规模NP，迭代次数G；

2.2)二面角扰动差分进化参数：种群规模NP′，迭代次数G′，交叉概率CR，变异算子F；

3)种群初始化：迭代Rosetta协议第一、二、三阶段，产生具有NP个个体的种群P＝{P1,P2,...,PNP}，其中Pn表示种群P中的第n个个体，n∈{1,2,...,NP}；

4)设g＝1，其中g∈{1,2,...,G}；

5)设n＝1，其中n∈{1,2,...,NP}；

6)变异操作，过程如下：

6.1)从种群P中随机选择三个互不相同的个体Pselect1、Pselect2、Pselect3；

6.2)在[0,L‑3]内生成两个不同的均匀随机整数rand1和rand2，其中L表示氨基酸序列的长度；

6.3)将Pselect1的第rand1至rand1+2号残基的二面角值替换成Pselect2对应残基的二面角值，将Pselect1的第rand2至rand2+2号残基的二面角值替换成Pselect3对应残基的二面角值，形mutate

成变异后的个体P ；

7)交叉操作，过程如下：

7.1)在[0,L‑3]内生成与rand1和rand2不同的均匀随机整数rand3；

mutate

7.2)将P 的第rand3至rand3+2号残基的二面角值替换成Pn对应残基的二面角值，形cross

成交叉后的个体P ；

cross

8)利用Psipred算法获取P 的二级结构信息，随机选择一段二级结构为loop且长度大于4的区域，记作[b,e]，其中b和e分别表示该区域第一个残基和最后一个残基的残基号；

cross

9)利用Rosetta协议第四阶段使用的片段组装技术对P 的[b,e]区域执行一次片段assem

组装，得到片段组装后的个体P ；

assem

10)对P 的[b,e]区域进行局部扰动，过程如下：assem

10.1)以P 第b至e号残基二面角 和ψ对应的键作为旋转轴，取键方向上的单位向量得到旋转轴坐标，记作Ω＝{ω1,ω2,...,ωS}，其中S表示旋转轴数量，ωs＝(xs,ys,zs)表示第s个旋转轴的坐标，s∈{1,2,...,S}；

10.2)记旋转角度Φ＝{φ1,φ2,...,φS}，其中φs表示第s个旋转轴对应的旋转角度，assem

即P 的[b,e]区域第s个二面角的扰动角度；

assem

10.3)以P 第e至L号残基的Cα原子作为旋转点，记作X＝{χ1,χ2,...,χK}，其中K表示旋转点数量，χk＝(xk,yk,zk)表示第k个旋转点的坐标，k∈{1,2,...,K}；

10.4)模型评估，过程如下：

10.4.1)将X中的旋转点χk依次按照旋转角φs绕旋转轴ws旋转，其中k∈{1,2,...,K}，s∈{S,S‑1,...,1}；得到旋转后的X′＝{χ′1,χ′2,...,χ′K}，χ′k＝(x′k,y′k,z′k)；

10.4.2)打分函数，按如下公式计算Φ对应的得分：

10.5)求解最优的Φ，使其得分最低，过程如下：

10.5.1)初始化：生成初始种群Γ＝{Φ1,Φ2,...,ΦNP′}，其中

10.5.2)设g′＝1，其中g′∈{1,2,...,G′}；

10.5.3)设n′＝1，其中n′∈{1,2,...,NP′}；

10.5.4)变异操作，过程如下：

10.5.4.1)从种群Γ中选择得分最低的个体，记作Φbest；再随机选择两个互不相同且与Φbest不同的个体，记作Φselect1、Φselect2；

mutate

10.5.4.2)按如下方式生成变异后的个体Φ ：

10.5.5)交叉操作，过程如下：

10.5.5.1)在[1,S]内生成均匀随机整数srand；

10.5.5.2)生成S个均匀随机小数Rs，Rs∈[0,1]，s∈{1,2,...,S}；

cross

10.5.5.3)按如下方式生成交叉后的个体Φ ：

10.5.6)选择操作，过程如下：cross n′ cross

10.5.6.1)根据步骤10.4)计算Φn′和Φ 的得分D 和D ；

cross n′ cross

10.5.6.2)若D ＜D ，用Φ 替换种群Γ中的个体Φn′；

10.5.7)n′＝n′+1；若n′≤NP′，转至步骤10.5.4)；

10.5.8)g′＝g′+1；若g′≤G′，转至步骤10.5.3)；

10.5.9)从种群中选择五个能量最低的个体作为候选扰动角度，记作Η＝{Φ1,Φ2,Φ3,Φ4,Φ5}；

10.6)选择扰动，过程如下：

10.6.1)设i＝1，其中i∈{1,2,3,4,5}；

assem

10.6.2)将H中的第i个个体Φi的扰动角度添加到P 对应的二面角上，形成扰动后的perturb

个体P ；

assem perturb assem perturb

10.6.3)用Rosetta score3能量函数计算P 和P 的能量E 和E ，并按照如下公式计算接收扰动的概率：trial perturb

10.6.4)生成均匀随机小数rand4，rand4∈[0,1]；若pacc＜rand4，令P ＝P ，转至步骤11)；否则，转至步骤10.6.5)；

trial assem

10.6.5)i＝i+1；若i≤5，转至步骤10.6.2)；否则，令P ＝P ；

trial

11)用Rosetta score3能量函数计算P 和Pn的能量，根据Metropolis准则决定是否trial

用P 替换种群P中的个体Pn；

12)n＝n+1；若n≤NP，转至步骤6)；

13)g＝g+1；若g≤G，转至步骤5)；

14)利用SPICKER聚类算法输出最终的预测结果。