李 亭，刘 俊，周晓根，张贵军

1(浙江工业大学 信息工程学院，杭州 310023)2(密歇根大学 计算医学与生物信息学系，安娜堡 48109)

1 引 言

蛋白质是生命活动的主要承担者[1].蛋白质的三维结构则决定了其所具有的特定功能[2].获取蛋白质的三维结构是研究其生物机理的基础，对蛋白质功能注释、疾病研究、药物设计等方面有着重要的意义[3，4].目前主要通过生物实验测定方法获取蛋白质的三维结构，包括X-射线晶体衍射、核磁共振和冷冻电镜技术.这些实验测定方法耗时长且成本高昂[5-6].同时随着基因测序技术的快速发展，已测定蛋白质序列数目和已测定蛋白质结构数目之间存在巨大差距，并且这种差距正在逐年扩大.在理论探索和应用需求的推动下，根据Anfinsen法则[7]，从氨基酸序列出发，利用计算机技术结合优化算法的从头蛋白质三维结构预测成为了生物信息学领域的研究热点[8].

从头蛋白质结构预测主要有两大难点：1)构建合适的能量函数，引导构象向天然态结构(即能量最低点状态)折叠；2)设计高效的构象搜索方法，在复杂的能量景观中探索低能量区域[9].传统的能量函数[10，11]是基于理化模型构建的，没有考虑到不同蛋白质的特殊性，因此很难准确地引导构象向天然态结构折叠.近几年，得益于已测定蛋白质序列的快速增长和深度学习技术的不断完善，根据目标序列的进化信息提取先验知识辅助结构预测取得了巨大进展[12-17].尤其是残基-残基接触……