首页 > 文献资料
-
蛋白质序列信息的提取与蛋白质结构预测
蛋白质结构预测是生物信息学的一项重要任务.本文介绍了目前在蛋白质结构预测中,基于人工神经网络和小波分析蛋白质序列信息的提取方法.从蛋白质序列提取更多的生物学特征和机器学习相结合的方法将有效提高蛋白质结构预测的精度.
-
一个基于知识的蛋白质结构预测评分函数
评分函数设计是预测蛋白质结构的关键之一.本研究采用pdb_select 25列表中的蛋白质结构作为学习样本,并按照结构测定方法的不同将其分成X-Team和NMR-Team两组.根据学习样本中两两氨基酸残基的距离分布,分别求出两组评分函数.然后使用公认的测试样本数据评估上述评分函数的性能.结果 表明:两组评分函数在识别结果上存在一致性,且总体性能较高,但X-Team评分函数的识别质量高于NMR-Team评分函数.
-
基于支持向量回归方法的蛋白残基可溶性预测
介绍了一种从蛋白质序列预测残基相对可溶性的新方法.该方法基于支持向量回归,并将序列局部信息作为输入.不同于先前的大部分预测方法仅对特定的蛋白残基相对可溶性进行状态分类,该方法预测了相对可溶性的连续值,从而比状态分类保留了蛋白质三维结构的更多信息.本研究对RS-126,Manesh-215和CB-513三个数据集进行了测试,通过比较不同的参数及窗宽模型来获得佳结果,采用平均绝对误差、相关系数等参数来衡量预测效果,同时与多层反馈神经网络方法(RVP-Net)的实验结果比较,在3-fold情况下三个数据集预测结果的平均绝对误差均有降低,相关系数均有提高.另外,该算法采用了多序列比对作为输入,效果比单序列有所提高.采用该方法,对CB-513数据集平均绝对误差可以达到16.8%、相关系数为0.562,而用RVP-Net方法分别为18.8%和0.480.这些结论表明支持向量回归方法是蛋白质序列分析的一种有效工具.
-
寡发酵链球菌乳酸脱氢酶蛋白质结构的预测
目的 探讨寡发酵链球菌和口腔中不同产酸能力的细菌乳酸脱氢酶(lactatedehydrogenase,LDH)基因序列和蛋白质各级结构的差异,为进一步研究寡发酵链球菌糖代谢的生化机制提供依据.方法 寡发酵链球菌LDH的基因序列由中科院微生物所测出.通过美国国家生物技术信息中心的Genbank数据库查找变形链球菌、血链球菌和干酪乳杆菌LDH的基因序列,用BLAST软件对各细菌LDH的基因序列和氨基酸序列进行比对.采用蛋白分析专家系统(Expert Protein Analysis System,ExPASy)对寡发酵链球菌、变形链球菌、血链球菌和干酪乳杆菌LDH蛋白质的理化性质、二级结构、结构域和空间结构进行预测并比较.结果 寡发酵链球菌LDH的基因序列共987个碱基对,与血链球菌相似性高(89％),与变形链球菌的相似性为81％,与干酪乳杆菌相似性低(70％)；寡发酵链球菌LDH氨基酸序列与血链球菌的相似性高达96％,与变形链球菌相似性较低(86％),与干酪乳杆菌的相似性仅为66％；寡发酵链球菌LDH蛋白质的理化性质、跨膜区数目、二级结构的比例、结构域位置与其他3种细菌均相近,LDH的空间结构与变形链球菌、干酪乳杆菌明显不同,与血链球菌也有差异.结论 寡发酵链球菌LDH在基因序列、氨基酸序列及空间结构上与变形链球菌和干酪乳杆菌的差异,可能是导致其LDH生物学功能改变,不能产生乳酸的一个内在原因.
-
军事医学科学院生物医学超级计算中心的计算资源与应用
生物信息学是生命科学和信息科学的有机结合,其发展和应用离不开高性能计算资源、技术和方法的支持.本文介绍了我院生物医学超级计算中心的主要计算资源--星盈万亿次超级刀片计算机、支撑软件和生物信息学应用软件,以及我们利用该系统进行大规模生物信息学数据分析的实际计算效果,旨在探讨如何充分挖掘我院生物医学计算资源的潜力,为深入规划我院生物医学研究需要的高性能计算方向提供重要参考.
-
人冠状病毒HKU1 Spike蛋白受体结合域结构预测
[目的]探索人冠状病毒HKU1(human HKU1 coronavirus,hHKU1-CoV)Spike蛋白受体结合域(receptor binding domain,RBD)蛋白结构.[方法]利用已经发表的hHKU1-CoV Spike基因序列,通过蛋白建模获得该冠状病毒Spike空间结构,运用PDBsum平台进行蛋白结构分析.[结果]人冠状病毒HKU1-CoV Spike氨基酸序列(No.AGW27881.1) 535 ～673位可能存在RBD,二级结构显示该区域共有4个β折叠股、6个α螺旋,2个β-α-β单元.蛋白质空间结构分析显示RBD可分为核心区和Loop区.核心区由2个平行的β折叠股和4个α螺旋顺序链接组成,Loop区位于核心区外围,由ASN589-PRO673之间氨基酸构成1个含有3个边缘的柔性区域和2个反向平行的β折叠共同组成的腔隙结构,该区域可能是hHKU1-CoV与宿主受体作用的关键部位.[结论]hHKU1-CoV Spike蛋白与宿主受体作用的关键部位可能位于SER606～PRO673,这与已知结构的β冠状病毒相同区域在Loop区存在差异,但冠状病毒受体尚需进一步探索.
-
简单的一致性方法预测蛋白质二级结构
蛋白质二级结构预测对于我们了解蛋白质空间结构是至关重要的一步.文章提出了一种简单的二级结构预测方法,该方法采用多数投票法将现有的3种较好的二级结构预测方法的预测结果汇集形成一致性预测结果.从PDB数据库中随机选取近两年新测定结构的57条相似性小于30%的蛋白质,对该方法的预测结果进行测试,其Q3准确率比3种独立的方法提高了1.12-2.29%,相关系数及SOV准确率也有相应的提高.并且各项准确率均比同样采用一致性方法的Jprea二级结构预测程序准确率要高.这种预测方法虽然原理简单,但无须使用额外的参数,计算量小,易于实现,重要的前提就是必须选用目前准确性比较出色的蛋白质二级结构预测方法.
-
一个有效的蛋白质结构预测评分函数
目的 设计一个预测蛋白质结构的评分函数.方法 根据蛋白质两两残基中Cα-Cα、N-N、C′-C′的空间距离分布及主链二面角(φ, ψ)的分布构建该评分函数.结果 通过国际共享的评估数据证明,该评分函数的各个组成部分是协同一致的.结论 所设计的评分函数能有效地识别蛋白质的天然结构.
-
一种快速比较蛋白质结构预测模型相似性的方法
根据相同立体结构中的各部分只需一个旋转矩阵就能将两者叠合在一起的基本原理,对原有的结构比较方法作了改进,使其比较速度得到很大提高.尤其是对相似蛋白质结构的比较,速度的提高更为显著.由于在蛋白质天然构象的一致性分析中,模型结构之间的比较是其计算时间的瓶颈,因此本法对提高一致分析方法的计算效率有着重要的意义.
-
基于折叠识别法的蛋白质天然构象的一致性预测法Pcons2与聚类分析的理论研究
在蛋白质天然构象预测中,折叠识别法中一致性预测Pcons2和从头预测法中的Rosetta在CASP5中获得了很大的成功.在Rosetta法中,先用Monte Carlo搜索法产生大量低能量的预测模型,然后依据模型之间相似性分数,用聚类分析法选择质量好的模型.而Pcons2则是基于线性回归来预测模型的质量.人们通常认为Pcons2和聚类分析是两个完全不同的方法.本文通过理论研究和实际数据计算发现:在聚类分析中,模型之间的相似性分数与模型质量存在着较强的线性关系,这也是聚类分析的工作基础.因此,如果不考虑预测模型的来源,聚类分析和Pcons2的基本原理和算法是相同的.据此可以将Pcons2中的优势转移到聚类分析中,为从头预测终选择较高质量的模型提供一些新途径.
-
重组人白细胞介素2-干扰素γ融合蛋白结构建模与活性分析
目的 验证重组人白细胞介素2(IL-2)-干扰素γ(IFN-γ)融合蛋白的生物活性.方法 应用同源建模,构建了该融合蛋白的三维结构模型,并进行能量优化.结果 通过与天然蛋白的三维结构比对,证明各组份在融合蛋白的折叠中,其骨架基本没改变;各组份活性部位并未被屏蔽,且可以与相应的受体对接,终的结构可靠性评分较高,为其生物学活性提供了结构学依据.分子动力学模拟显示,融合蛋白的连接肽具有一定柔性,为融合蛋白两个组份分别行使各自功能提供了基础.结论 重组人IL-2-IFN-γ融合蛋白具有天然的IL-2和IFN-γ的生物学活性.
-
基于空间约束的蛋白质结构预测方法概述
基于空间约束的蛋白质结构预测方法是一种以已知结构为模板预测蛋白质结构的方法。其中﹐它提取了模板结构中的同源约束﹐结合力场中的立体化学约束﹐作为优化初始结构的条件﹐从而对初始结构进行调整﹐终得到模型。本文主要综述了基于空间约束的蛋白质结构预测方法的原理﹐所涉及的空间约束﹐以及应用与软件。
-
同源模建及其分析工具的研究进展
蛋白质的三级结构预测可通过同源模建、折叠识别、从头预测等方法进行，但同源模建应用广泛，且成熟。文章详述了同源模建的原理、方法步骤、常用工具，并对其应用前景进行了分析和讨论。
