1.一种基于二级结构知识的蛋白质构象空间优化方法，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；

3)选取能量函数E(x)；

4)参数初始化：设置种群规模Psize，最大遗传代数Gmax，初始种群搜索轨迹长度iter，交叉因子CR，变异计数器Co，最大计数值Comax，二级结构和能量的权重ws和we；

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

6)对每个目标个体xi,i∈{i＝1,2,. ..,Psize}进行如下操作：

6.1)随机选择一个个体xj,j∈{1,2,...,Psize}且j≠i，若r≤CR则对个体xi和xj进行如下操作，否则x′i＝xi转至步骤6.2)，其中r∈[0,1]是随机数；

6.1.1)在个体xj中，随机选择一个loop区域[a,b]，其中a是随机选取的loop区域对应的起点位置，b是终止位置；

6.1.2)用个体xj中[a,b]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x′i；

6.2)对个体x′i进行如下的变异操作：

6.2.1)对个体x′i进行片段组装生成，并利用Monte Carlo机制判断是否接收该片段的插入，如果接受则组装后的构象被记为变异个体x″i，转至步骤6.3)，否则转至步骤6.2.2)；

6.2.2)更新变异计数器，即Co＝Co+1；若Co＜Comax则返回步骤6.2.1)；

否则对个体x′i进行片段组装直接生成变异个体x″i，并设置Co＝0；

6.3)如果i＝Psize则执行步骤7)进行选择操作，否则转至步骤6.1)对下一个个体进行交叉和变异；

7)对每个目标个体xi,i∈{i＝1,2,.  ..,Psize}和变异个体x″i,i∈{i＝1,2,.  ..,Psize}进行如下操作：

7.1)根据预测的二级结构知识和能量函数计算目标个体xi的得分，过程如下：

7.1.1)利用DSSP测定目标个体xi的二级结构 l为目标序列的长度，是构象xi中第k个序列对应的二级结构类型，其中H,E和L分别代表α螺旋，β折叠和loop区域；

7.1.2)根据公式 计算目标个体xi的二级结构得分，其中， 代表在预测的二级结构知识中第k个序列对应的二级结构被预测为 型的置信度；

7.1.3)根据能量函数计算出目标个体xi的能量为Ei；

7.1.4)根据公式SEi＝ws·Si+we·Ei计算目标个体xi的总得分，其中ws和we是二级结构与能量的权重；

7.2)根据预测的二级结构知识和能量函数计算目标个体x″i的得分，过程如下：

7.2.1)与步骤7.1.1)同理测定变异个体x″i的二级结构 其中，是构象x″i中第k个序列的二级结构类型；

7.2.2)与步骤7.1.2)同理根据公式 计算变异个体x″i的二级结构质量分数；

7.2.3)根据能量函数计算出变异个体x″i的能量为E″i；

7.2.4)根据公式SE″i＝ws·S″i+we·E″i计算变异个体x″i的总得分；

7.3)根据目标个体xi,i∈{i＝1,2,.  ..,Psize}和变异个体x″i,i∈{i＝1,2,.  ..,Psize}的得分SEi,i∈{i＝1,2,.  ..,Psize}和SE″i,i∈{i＝1,2,.  ..,Psize}对所有的个体进行排名，选出得分最低的前Psize个个体进入下一代，并作为下一代的父代个体；

8)判断是否达到最大迭代代数Gmax，若达到最大迭代代数，则输出结果，否则转至步骤

6)。