真核蛋白质的亚细胞位点预测研究进展

研究真核蛋白质的亚细胞位点是了解真核蛋白质功能,深入研究蛋白质相关信号通路内在机制的基础。同时,可以为了解 疾病发病机制及为新药研发提供帮助。因此,研究真核蛋白质的亚细胞位点意义十分重大。随着基因组测序的完成,真核蛋白质 序列信息增长迅速,为真核蛋白质亚细胞位点的研究提出了更多的挑战。传统的实验法难以满足蛋白质信息量迅速增长的需求。 而采用生物信息学手段处理大规模数据的计算预测方法,可在较短时间内获得大量真核蛋白质亚细胞位点信息,弥补了实验法 的不足。因此,运用计算预测法预测真核蛋白质的亚细胞位点成为生物信息学领域的研究热点之一。本文主要从提取真核蛋白质 的特征信息、计算预测方法及预测效果的评价三个方面,介绍近年来真核蛋白质亚细胞位点预测的研究进展。     

癌症研究的生物信息学资源

随着癌症研究的发展,生物信息学成为癌症研究的一个非常重要的方法和手段,本文从微阵列芯片数据管理和分析软件、微阵列数据仓库、蛋白质功能预测工具和蛋白质结构预测工具等四个方面介绍癌症研究的生物信息学资源信息,以给相关研究提供帮助.     

基于SVM的蛋白质二级结构预测

蛋白质结构预测是现代计算生物领域最重要的问题之一,而蛋白质二级结构预测是蛋白质高级结构预测的基础。目前蛋白质二级结构的预测方法较多,其中SVM方法取得了较高的预测精度。重在阐述使用SVM用于蛋白质二级结构预测的步骤,以及与其他方法进行比较时应该注意的事项,为下一步的研究提供参考及启发。     

氨基酸邻域对二级结构的影响程度研究

通过研究神经网络权值矩阵的算法,挖掘蛋白质二级结构与氨基酸序列间的内在规律,提高一级序列预测二级结构的准确度。神经网络方法在特征分类方面具有良好表现,经过学习训练后的神经元连接权值矩阵包含样本的内在特征和规律。研究使用神经网络权值矩阵打分预测;采用错位比对方法寻找敏感的氨基酸邻域;分析测试集在不同加窗长度下的共性表现。实验表明,在滑动窗口长度L=7时,预测性能变化显著;邻域位置P=4的氨基酸残基对预测性能有加强作用。该研究方法为基于局部序列特征的蛋白质二级结构预测提供了新的算法设计。     

生物信息学在蛋白质组学研究中的应用进展

生物信息学是运用数学和信息学方法阐明和解释海量生物学数据所蕴含的生物学意义的重要手段和工具。随着蛋白质组学研究的不断发展和深入,大量的蛋白序列、结构、功能以及互作数据不断产生。面对海量蛋白质组数据的获取、处理、存储以及蛋白质组数据信息的挖掘,生物信息学已成为蛋白组学研究中不可或缺的组成部分。本文结合蛋白质组学的发展历程,简要综述了生物信息学技术在蛋白质谱数据处理、蛋白质鉴定和蛋白质翻译后修饰等方面的应用进展,并初步展望了其未来发展趋势。     

蛋白质序列中的关联规则发现及其应用

随着蛋白质序列-结构分析中使用的机器学习算法越来越复杂,其结果的解释和发现过程也随之复杂化,因此有必要寻找简单且理论上可靠的方法。通过引入原理简单、理论可靠、结果具有很强实际意义的关联规则发现算法,找到了蛋白质序列中数以万计的模式。结合实例演示了如何将这些模式应用于蛋白质序列分析中,如保守区域发现、二级结构预测等。同时根据这些结果构建了一个二级结构规则库和一种简单的二级结构预测算法,实验结果表明,约81%的二级结构可以由至少一条关联规则预测得到。     

小麦谷蛋白分子结构研究进展

小麦谷蛋白是影响面团弹性及烘焙品质的重要因素,有机大分子的结构决定其功能性,因此了解小麦谷蛋白的结构与组成是研究面粉品质的基础.本文综述了近年来国内外利用蛋白质分离技术、多肽合成技术、质谱光谱分析技术及扫描穿隧显微技术等对麦谷蛋白亚基分子结构研究取得的成果,介绍了利用此类技术所获得的麦谷蛋白分子一级、二级结构的特征以及这些特征对面筋功能的影响,并回顾了生物信息学中的蛋白质结构预测方法在麦谷蛋白分子结构研究领域的应用,在此基础上对麦谷蛋白亚基内或亚基问二硫键形成模式进行了讨论.     

蛋白质二级结构预测方法初探

蛋白质二级结构的预测是生物信息学中一个重要的研究课题,在对蛋白质组的研究中也是最具难度的一个问题。进行二级结构预测对于理解蛋白质结构与功能的关系,以及分子设计、生物制药等领域都有重要的现实意义。同时也是一级结构与三级结构所联系的媒介,也为三级结构的研究打下基础。虽然目前预测的方法有几十种,但准确率最高的也只有70%多,本文对于目前方法进行分析,希望从中得到更加准确的方法。     

SGTA基因及其蛋白的生物信息学分析

[目的]对SGTA基因及其蛋白的结构和特征进行生物信息学分析,为研究SGTA与肿瘤形成和发展的相关性提供理论基础。[方法]运用生物信息学数据库和软件对SGTA基因的结构、单核苷酸多态性位点(SNP)、SGTA基因与其他基因的相互作用网络、SGTA蛋白的理化性质、二级结构、蛋白结构域、蛋白翻译后修饰、蛋白质之间相互作用网络进行分析。[结果]人SGTA基因有5种可变剪接产物,编码区存在78个SNP位点,其中错义突变31个,无义突变1个。人SGTA蛋白由313个氨基酸组成,是稳定性不高的亲水蛋白,α-螺旋是其主要二级结构元件,属于TRP超家族,预测有3个磷酸化激酶修饰位点和数个潜在泛素化修饰位点。与SGTA存在相互作用的基因和蛋白多数与维持体内蛋白质稳定的分子伴侣功能相关。[结论]SGTA基因及其蛋白的生物信息学分析为进一步实验研究其在肿瘤形成和发展中的地位及调控机制奠定了基础。     

源于红树林的新型脂肪酶Lip906生物信息学分析

本研究利用生物信息学在线软件对脂肪酶Lip906的二级结构和模体信息进行预测,同时对其三级结构进行同源建模和模建结果质量评价,预测该蛋白质的活性位点信息,旨在从蛋白质序列特征和分子结构水平理解其在酯类水解过程中的作用。结果表明,模建的Lip906蛋白结构品质较高,具有7段α-螺旋和2组β-折叠结构,是一个典型的α/β类蛋白,表面呈弱负电势分布;Lip906蛋白具有5个不同模体,可能参与不同生化反应或执行不同的功能。这些研究结果对理解Lip906蛋白功能以及配基结合位点定位非常重要,也为脂肪酶Lip906的突变设计提供了理论基础。     

蛋白质二级结构指定

蛋白质二级结构是指蛋白质骨架结构中有规律重复的构象。由蛋白质原子坐标正确地指定蛋白质二级结构是分析蛋白质结构与功能的基础,二级结构的指定对于蛋白质分类、蛋白质功能模体的发现以及理解蛋白质折叠机制有着重要的作用。并且蛋白质二级结构信息广泛应用到蛋白质分子可视化、蛋白质比对以及蛋白质结构预测中。目前有超过20种蛋白质二级结构指定方法,这些方法大体可以分为两大类:基于氢键和基于几何,不同方法指定结果之间的差异较大。由于尚没有蛋白质二级结构指定方法的综述文献,因此,本文主要介绍和总结已有蛋白质二级结构指定方法。     

用人工神经网络方法预测蛋白质超二级结构

蛋白质超二级结构,即由α－螺旋和β－折叠等二级结构单元和连接短肽组成的超二级结构,是蛋白质结构研究中的一个重要层次。目前蛋白质超二级结构的预测工作尚属摸索阶段,还没有成熟的方法。人工神经网络预测方法是近年来在二级结构预测中发展起来的新方法。本文成功的将人工神经网络引入蛋白质超二级结构的预测工作中,结果表明蛋白质的超二级结构的发生与其局域的氨基酸的序列模式有重要联系,可以由蛋白质的一级结构序列预测该     

蛋白质结构预测进展

蛋白质的序列决定结构,结构决定功能。新一代准确的蛋白质结构预测工具为结构生物学、结构生物信息学、药物研发和生命科学等许多领域带来了全新的机遇与挑战,单链蛋白质结构预测的准确率达到与试验方法相媲美的水平。本综述概述了蛋白质结构预测领域的理论基础、发展历程与最新进展,讨论了大量预测的蛋白质结构和基于人工智能的方法如何影响实验结构生物学,最后,分析了当前蛋白质结构预测领域仍未解决的问题以及未来的研究方向。     

人转录因子FoxM1B的生物信息学分析

目的:分析预测人转录因子FoxM1B启动子及蛋白结构和功能。方法:运用生物信息学软件对人FoxM1B基因的启动子区域及其蛋白的理化性质、跨膜区、信号肽和亲疏水性进行预测分析;利用软件模拟生成人FoxM1B蛋白质的三级结构图像,了解与其相互作用的蛋白网络。结果:采用生物信息学软件预测出人FoxM1B基因5'侧翼存在转录起始位点及启动子,且启动子(1300~1900bp)的侧翼有1个CpG岛。人FoxM1B蛋白是亲水性蛋白,且不包含跨膜结构域和信号肽;在二级结构中,无规卷曲是其主要折叠方式,模拟生成蛋白质三级结构图像与二级结构预测一致。人FoxM1B蛋白与CCNB1、CCNA2、MYBL2、CDK1和PLK1等蛋白存在相互作用,可能通过这些蛋白参与细胞周期和DNA损伤修复过程。结论:对人FoxM1B基因及其编码蛋白的性质、结构和互作蛋白等进行了预测分析,为后续实验研究提供了依据和线索,奠定了重要的信息基础。     

生物序列比对算法的研究现状

序列比对是生物信息学研究的一个重要工具,它在序列拼接、蛋白质结构预测、蛋白质结构功能分析、系统进化分析、数据库检索以及引物设计等问题的研究中被广泛使用。本文详细介绍了在生物信息学中常用的一些序列比对算法,比较了这些算法所需的计算复杂度,优缺点,讨论了各自的使用范围,并指出今后序列比对研究的发展方向。     

蛋白质功能预测方法概述

蛋白质是生物体内最必需也是最通用的大分子,对它们功能的认识对于科学领域和农业领域的发展有着至关重要的作用。随着后基因组时代的发展,NCBI数据库中迅速涌现出大量不明结构与功能的蛋白质序列,这些蛋白质序列甚至一跃成了研究的热点。近几十年来蛋白质功能预测的方法不断被完善。由最初的仅基于蛋白质序列或3D结构信息的方法衍生出更多的基于序列相似性、基于结构基序、基于相互作用网络等新方法,这些新型方法采用新的算法、新的研究思路和技术手段,力求得到准确性与普遍性并存,能够被广泛应用的蛋白质功能预测方法。本文综述了近年来蛋白质功能预测的方法,并将这些研究方法分类归纳,各自阐明了每类方法的优缺点。     

一个识别蛋白质折叠模式的SVM分类器

蛋白质折叠模式识别是一种分析蛋白质结构的重要方法。以序列相似性较低的蛋白质为训练集,提取蛋白质序列信息频数及疏水性等信息作为折叠类型特征,从SCOP数据库中已分类蛋白质构建1 393种折叠模式的数据集,采用SVM预测蛋白质1 393种折叠模式。封闭测试准确率达99.612 2%,基于SCOP的开放测试准确率达79.632 9%。基于另一个权威测试集的开放测试折叠准确率达64.705 9%,SCOP类准确率达76.470 6%,可以有效地对蛋白质折叠模式进行预测,从而为蛋白质从头预测提供参考。     

非编码RNA的生物信息学研究方法:RNA结构预测及其应用

近10多年来的研究逐步揭示了RNA的各种生物学功能。RNA不仅是信息从DNA传递到蛋白质的中间体,还直接参与基因沉默、表观遗传学修饰等生物学过程。单链的RNA在体内通过碱基配对折叠成一定的二级结构。介绍了现在预测RNA二级结构的主要算法及其应用,其中包括基于热力学、同源比对和统计学习的各种算法,以及如何引入实验数据辅助预测。二级结构预测算法被广泛用于寻找RNA功能单元和预测新非编码RNA等各种问题。如何利用高通量实验数据帮助结构预测,探索长非编码RNA功能,研究RNA与蛋白质相互作用,是RNA二级结构预测算法和应用的一些前沿方向。     

生物信息学方法预测蛋白质相互作用网络中的功能模块

蛋白质相互作用是大多数生命过程的基础。随着高通量实验技术和计算机预测方法的发展,在各种生物中已获得了数目十分庞大的蛋白质相互作用数据,如何从中提取出具有生物学意义的数据是一项艰巨的挑战。从蛋白质相互作用数据出发获得相互作用网络进而预测出其中的功能模块,对于蛋白质功能预测、揭示各种生化反应过程的分子机理都有着极大的帮助。我们分类概括了用生物信息学预测蛋白质相互作用功能模块的方法,以及对这些方法的评价,并介绍了蛋白质相互作用网络比较的一些方法。     

评估蛋白质相互作用可信度的生物信息学方法

随着基因组规模的高通量实验鉴定技术和计算预测方法的发展,出现了大量蛋白质相互作用数据,但大规模蛋白质相互作用数据中的较高比例的假阳性影响了相互作用数据的质量。生物信息学方法能够从已有的数据和知识出发,通过计算方法系统评估大规模蛋白质相互作用的可信度。本文从过程模型设计、数据集构建、特征选择与综合属性抽取、一些算法使用、实例概述等方面介绍了生物信息学方法评估蛋白质相互作用可信度的研究特点与进展。