1.一种基于差分进化的蛋白质二聚体结构预测方法，其特征在于，所述预测方法包括以下步骤：

1)输入待预测蛋白质二聚体中的两条链的序列信息，分别记作Chain1与Chain2；

2)对于输入的序列信息Chain1与Chain2，使用I-TASSER服务器预测出对应的三维空间结构信息，分别记作T1与T2；

3)计算T1与T2的中心点坐标，分别记作o1与o2：

其中，N1与N2分别表示T1与T2中含有的氨基酸数目， 与 分别表示T1与T2中的第i个氨基酸的中心碳原子Cα的坐标；

4)计算T1中每个氨基酸的Cα的坐标 与o1之间的欧氏距离 并在所有氨基酸对应的 计算得到后，选择最大的 记作

5)计算T2中每个氨基酸的Cα的坐标 与o2之间的欧氏距离 并在所有氨基酸对应的 计算得到后，选择最大的 记作

6)参数设置：设置种群规模NP，突变因子F，交叉概率CR，最大迭代次数Gmax，初始化迭代次数G＝0；

7)种群初始化：随机生成初始化种群P＝{S1,S2,...,Si,...,SNP}，Si＝(si,1,si,2,si,3,si,4,si,5,si,6)为种群P中的第i个个体，si,1、si,2、si,3、si,4、si,5与si,6为Si的6个元素，其中si,1与si,2的取值范围为0到1，si,3的取值范围为0到 si,4、si,5与si,6的取值范围为0到2π；

8)对于种群中的每个个体Si，根据如下方式组装T1与T2，并计算该个体的得分score(Si)：

8.1)根据Si中的后三个元素si,4、si,5与si,6，计算出一个三维空间旋转矩阵R：

8.2)固定T1，将T2中的所有原子坐标信息，根据旋转矩阵R进行旋转，将旋转后的T2记作

8.3)根据Si中的前三个元素与o1，计算出一个新的三维空间点onew：其中ζ＝1-2·si,1， T表示向量的转置；

8.4)固定T1，将 平移，使得平移后的 的中心点与onew重合，记平移后的 为此时，T1与 形成的复合物被看作为个体Si对应的蛋白质二聚体空间构象，记作

8.5)在 中，根据T1与 之间的交互残基对数目ninter与冲突残基对的数目nclash，计算得分score(Si)：score(Si)＝ninter-nclash

其中，当分别来自T1与 的残基AA1,k与AA2,l的Cα原子之间的欧氏距离处于区间[dlow,dhigh]时，交互残基对数目ninter加1，当分别来自T1与 的残基AA1,k与AA2,l的Cα原子之间的欧氏距离处于区间[0,dlow)时，冲突残基对数目nclash加1；

9)根据差分进化算法，对种群P中的每个个体Si,i∈{1,2,…,NP}作如下处理：

9.1)从当前种群中P随机选择三个不同的个体Sa、Sb与Sc，其中a≠b≠c≠i，根据如下等式生成一个突变个体Smutant：Smutant＝Sa+F·(Sb-Sc)

9.2)将Si中的元素信息复制到交叉个体Scross中，再在Scross的6个元素中随机选择一个元素scross,j，使用Smutant中对应的元素smutant,j替换，最后，对于Scross中的每一个元素，使用随机生成的0到1之间的随机数R来控制是否使用Smutant中对应的元素来替换：若R＜CR，则替换，否则不替换；

9.3)根据步骤8)，分别计算Scross与Si对应的得分score(Scross)与score(Si)；

9.4)如果score(Scross)＞score(Si)，则使用Scross替换种群P中的Si，否则Si保留在种群P中；

10)G＝G+1，如果G＞Gmax，则根据当前种群P中得分最高的个体Sbest，使用步骤8)组装T1与T2，生成的新空间构象decoybest作为最终的预测结构输出，否则返回步骤9)。