1.一种基于蛋白质序列比对的分子虚拟筛选方法，其特征在于，所述方法包括以下步骤：

1)输入一个残基数目为L的待进行分子筛选的蛋白质序列P；

2)对蛋白质序列P，使用HHblits程序搜索蛋白质序列数据库UniRef90，生成一个包含M条序列的多序列联配信息，记作MSA；

3)对MSA文件，计算出大小为L×20的位置特异性频率矩阵，记作PSFM：其中，PSFMi,j表示PSFM中第i行第j列元素，i＝1,2,...,L,j＝1,2,...,20，Resj表示20种残基中第j种的残基类型，所述20种残基为：A、R、N、D、C、Q、E、G、H、I、L、K、M、F、P、S、T、W、Y、V， 表示MSA中第m条序列的第i个位置的残基类型， 表示当 与Resj相同时，则输出为1，否则输出为0；

4)对蛋白质‑配体相互作用数据库BioLiP中的每一条蛋白质序列按照步骤2)至步骤3)生成对应蛋白质的PSFM矩阵；

5)根据蛋白质序列P的PSFM矩阵与BioLiP库中每条蛋白质序列T的PSFM矩阵信息，计算出P与T的相似矩阵，记作S：

其中，Si,j表示P中的第i个残基与T中的第j个残基的对齐得分，i＝1,2,...,L，j＝1,

2,...,LT,LT表示蛋白质序列T的残基数目； 表示P的PSFM矩阵中第i行第k列的元素，表示T的PSFM矩阵中第j行第k列元素；当T的第j个残基为配体分子结合位点时，否则 表示P的第i个位置残基类型， 表示T的第j个位置残基类型，为根据 和 残基类型从BLOSUM62替换打分矩阵中查询的值；w1和w2为两个常数，分别对应的PSFM矩阵和配体位点所占的权重；计算由P与T中残基组成的所有残基对对齐得分；

6)根据步骤5)获得的P与T的相似矩阵，使用Needleman‑Wunsch动态规划算法计算出P中残基与T中残基的对齐信息，记作 i＝1,2,...,Lali，其中，Lali为P中残基与T中残基对齐的残基对数目， 表示第i对残基对中P中的残基在P中的位置， 表示第i对残基对中T中的残基在T中的位置；

LBS

7)计算蛋白质序列P与T的相似度匹配质量，记作Q ：其中， 表示P中的第 个残基与T中的第 个残基对齐的得分；

8)根据步骤5)至步骤7)，计算BioLiP中每条蛋白质序列T与输入蛋白质序列P的相似度LBS LBS

匹配质量Q ，从BioLiP中选择所有Q ≥0.5的蛋白质序列，并将BioLip中与这些蛋白质序列相互作用的配体小分子挑选出来组成分子集，记作 其中NTPD为TPD中的分子数目， 为TPD中第i个分子，i＝1,2,...,NTPD；这里TPD中的每个分子 可以理解为能与P发生相互作用的潜在分子；

9)对TPD中的每个分子 i＝1,2,...,NTPD，使用OpenBabel软件生成一个包含1024个比特位的分子指纹 其中，每一个比特位的值为0或1；

10)对待筛选的分子库DrugBank中的每个分子 j＝1,2,...,NDrugBank，亦使用OpenBabel软件生成一个包含1024个比特位的分子指纹 其中NDrugBank为分子库DrugBank中分子总数；

11)计算TPD中的每个分子 i＝1,2,...,NTPD，的分子指纹 和DrugBank中的每个分子 j＝1,2,...,NDrugBank，的分子指纹 之间的相似值TaniCoeffi,j：其中， 为 中第k个位置元素的值， 为 中第k个位置元素的值，k＝1,2,...,1024；

12)根据步骤11)计算得到所有值，计算DrugBank中每个分子 可能与输入蛋白质序列P发生相互作用的概率值VSscoj：其中，TaniCoeffi,j表示TPD中的第i分子 的分子指纹 和DrugBank中的第j个分子 的分子指纹 之间的相似值；

13)根据VSscoj值，对DrugBank中的所有分子从高到低进行排序，取排序靠前的x·NDrugBank个分子作为最终的虚拟筛选结果返回；其中，x为需要从待筛选分子数据库DrugBank中的筛选比率，取值范围为0到1。