蛋白质结构从头预测方法研究进展

蛋白质结构从头预测是不依赖模板仅从氨基酸序列信息得到天然结构。它的关键是正确定义能量函数、精确选用计算机搜索算法来寻找能量最低值。基于此,本文系统介绍了能量函数和构象搜索策略,并列举了几种比较成功的从头预测方法,通过比较得出结论:基于统计学知识的能量函数是近年来从头预测发展的主要方向,现有从头预测的构象搜索都用到Monte Carlo法。这表明随着蛋白质结构预测研究的深入,能量函数的构建、构象搜索方法的选择、大分子蛋白质结构的从头预测等关键性问题都取得了突破性进展。     

同源建模关键步骤的研究动态

应用同源建模的蛋白质结构预测已经成为一种快速获得蛋白质结构的技术,这种技术也将成为完成结构基因组计划的有力工具.同源建模是指寻找与目标序列同源而且有实验测定结构的蛋白质作为模板,从而构建目标序列的结构模型的方法.限制这种方法的应用主要是同源建模的关键步骤,即目标与模板之间序列比对和环区建模的准确性.当模型的准确性达到令人信服的程度时,更为精确的计算机辅助药物设计和改造蛋白质,甚至设计全新功能的蛋白质将成为可能.综述了从算法和策略上提高同源建模关键步骤准确性的研究进展.     

基于模板的蛋白质结构预测

基于模板的蛋白结构预测和不依赖模板的蛋白结构预测是计算预测蛋白质三维结构的两种方法,前者由于具有快速和较高准确性的优点,而得到了广泛的应用.基于模板的结构预测是通过寻找与目标蛋白序列相似并且有实验测定的结构作为模板,进而构建目标序列的结构模型的方法.文章详细综述了基于模板的结构预测方法的步骤、关键环节,并对影响结构预测...     

蛋白质结构预测方法探析

首先介绍了蛋白质结构预测中的三种理论方法,然后对同源蛋白质结构预测中侧链构造和环区构建中涉及到的主要方法进行了探讨,对非同源蛋白质结构预测中空间构象搜寻涉及到的主要算法进行了分析比较。     

α-葡萄糖苷酶三维结构的同源模建与分子设计

目的:该文预测了来源于嗜热脂肪芽孢杆菌(Bacillus stearothermophilus)ATCC 12016编码α-葡萄糖苷酶序列的三维结构,设计突变位点,构建突变体模型,并对预测三维结构与突变体进行了评估与分析.方法:分析了α-葡萄糖苷酶的核酸序列与蛋白序列,确定了α-葡萄糖苷酶蛋白序列的同源性与保守区特征;利用来源于蜡状芽胞杆菌(Bacillus cereus)ATCC 7064寡聚-1,6-葡萄糖苷酶三维蛋白结构作为模板,同时基于同源模建方法对α-葡萄糖苷酶序列的三维结构与突变突变体模型进行了结构预测.结果:对预测的三维结构与突变体进行评估与分析,表明预测与设计的结构达到合理化标准.结论:基于以上研究结果,构建α-葡萄糖苷酶的三维结构模型是合理的,为蛋白质工程应用建立了理论研究平台.     

Profile-profile比对方法用于发现远距离同源模板

基于模板的模建方法是蛋白质结构预测领域中最为准确有效的方法,该类方法的成功与否对模板质量的要求较高。为待预测序列找寻合适的模板,本文提出了一种profile-profile比对的方法将查询序列同模板库中的已知结构蛋白进行比对,然后根据比对结果的Z-score得分高低顺序挑选出合适的模板。结果表明:本文的profile-profile比对方法在测试集上的性能明显优于PSI-BLAST,相比PSI-BLAST在测试集上的准确度提高了约14.3%,配对t检验的结果表明准确度的提高具有统计显著性。从而得出如下结论:本文的profile-profile比对方法可以用于为序列相似性较低的待预测序列搜索远距离同源模板,并用于指导后续的三级结构预测。     

运用PDB中的同源信息提高NetTurnP的蛋白质β转角预测精度

β转角作为一种蛋白质二级结构类型在蛋白质折叠、蛋白质稳定性、分子识别等方面具有重要作用．现有的β转角预测方法,没有将PDB等结构数据库中先前存在的同源序列的结构信息映射到待预测的蛋白质序列上．PDB存储的结构已超过70 000,因此对一条新确定的序列,有较大可能性从PDB中找到其同源序列．本文融合PDB中提取的同源结构信息(对每一待测序列,仅使用先于该序列存储于PDB中的同源信息)与NetTurnP预测,提出了一种新的β转角预测方法BTMapping,在经典的BT426数据集和本文构建的数据集EVA937上,以马修斯相关系数表示的预测精度分别为0.56、0.52,而仅使用NetTurnP的为0.50、0.46,以Q_total表示的预测精度分别为81.4%、80.4%,而仅使用NetTurnP的为78.2%、77.3%．结果证实同源结构信息结合先进的β转角预测器如NetTurnP有助于改进β转角识别．BTMapping程序及相关数据集可从http://www.bio530.weebly.com获得．     

蛋白质的二级结构预测研究进展

认识蛋白质的二级结构是了解蛋白质的折叠模式和三级结构的基础,并为研究蛋白质的功能以及它们之间的相互作用模式提供结构基础,同时还可以为新药研发提供帮助。故研究蛋白质的二级结构具有重要的意义。随着后基因组时代的到来,越来越多的蛋白质序列不断被发现,给蛋白质的二级结构研究带来巨大的挑战和研究空间。而依靠传统的实验方法很难获取大规模蛋白质的二级结构信息。目前,采用生物信息学手段仍然是获得大部分蛋白质二级结构的途径。近年来,许多研究者通过构建用于二级结构预测的蛋白质数据集,计算、提取蛋白质的各种特征信息,并采用不同的预测算法预测蛋白质的二级结构得到了快速的发展。本文拟从蛋白质的特征信息的提取与筛选、预测算法以及预测效果的检验方法等方面进行综述,介绍蛋白质二级结构预测领域的研究进展。相信随着基因组学、蛋白质组学和生物信息学的不断发展,蛋白质二级结构预测会不断取得新突破。     

二级结构形成：蛋白质折叠起始过程的框架模型

框架模型认为二级结构形成是蛋白质起始过程的结构基础.文章介绍蛋白质同源片段的溶液构象及其构象研究法和多肽二级结构的从头设计,并综述这些研究成果应用于折叠起始过程的理论模型和蛋白质折叠起始过程的最新研究进展.     

基于知识的蛋白质结构预测

介绍了近几年基于知识的蛋白质三维结构预测方法及其进展．目前,基于知识的结构预测方法主要有两类,一类是同源蛋白模建,这种技术比较成熟,模建的结果可靠性比较高,但只适用于同源性比较高的目标序列的模建;另一类方法即蛋白质逆折叠技术,主要包括3D profile方法和基于势函数的方法,给出的是目标蛋白质的空间走向,它主要可用于序列同源性比较低的蛋白质的结构预测．