SCOP数据库蛋白质折叠类型的自动分类分析

蛋白质折叠规律研究是生命科学领域重要的前沿课题之一,蛋白质折叠类型分类是折叠规律研究的基础。本研究以SCOP数据库的蛋白质折叠类型分类为基础、以Astral SCOPe 2.05数据库中相似性小于40%的α、β、α+β及α/β类所属的折叠类型为研究对象,完成了989种蛋白质折叠类型的模板构建并形成模板数据库;基于折叠类型设计模板建立了蛋白质折叠类型分类方法,实现了SCOP数据库蛋白质折叠类型的自动化分类。家族模板自洽性检验与独立性检验所得的敏感性、特异性以及MCC的平均值分别为:95.00%、99.99%、0.94与90.00%、99.97%、0.92,折叠类型模板自洽性检验与独立性检验所得的敏感性、特异性以及MCC的平均值分别为:93.71%、99.97%、0.91与86.00%、99.93%、0.87。结果表明:模板设计合理,可有效用于对已知结构的蛋白质进行分类。     

枯草杆菌蛋白酶嗜热性改造单突变效果评判方法研究

对蛋白质进行嗜热性改造是蛋白质工程的主要问题之一,残基突变方法被广泛运用于其中。本文以枯草杆菌蛋白酶（SUBTILISIN BPN＇）为研究对象,旨在建立评判嗜热性改造效果的方法,选取了有可靠实验资料的9个突变点,运用分子动力学模拟方法,在四种不同模拟条件下,对其中的6个突变体和1个野生型蛋白进行了多种参量的对比分析,提取4个特征有效参量,建立了蛋白酶嗜热性改造单突变效果评判方法;利用该方法对其它3个突变效果进行评判,评判结果与实验资料完全吻合,证明该方法可用于枯草杆菌蛋白酶嗜热性改造单突变效果的评判。     

综合多组学数据的肝细胞癌分层策略及进展

肝细胞癌（hepatocellular carcinoma,HCC）是最常见和致命的肝脏恶性肿瘤。这种疾病的治疗一直受到其异质性的阻碍,极大限制了其个性化治疗的进展。因此,将高度异质的HCC分成具有相似特征的分子亚类对其临床治疗有着重要意义。随着高通量技术的不断发展,多种组学数据的关联研究可以加深了解HCC发生背后的生物学机制,也为HCC分层研究打开了新的思路。本文对当前HCC多组学分层策略及其相关研究进行了综述,并总结了当前HCC亚型的多组学特征。     

基于设计模板的BRD-like折叠类型综合分类方法

蛋白质折叠规律研究是生命科学重大前沿课题,折叠类型分类是蛋白质折叠研究的基础。构建BRD-like折叠类型模板数据库,建立了基于多模板的综合分类方法,并用于该折叠类型的分类。对实验集的12 117个样本进行检验,结果的敏感性、特异性分别为0.923和0.997,MCC值为0.72;对独立检验集2 260个样本的检验,结果发现:敏感性、特异性分别为0.941和0.998,MCC值为0.86.结果表明:基于多模板的综合分类方法可用于蛋白质折叠类型分类。     

双绕蛋白质的分类与识别

蛋白质折叠识别是蛋白质结构研究的重要内容。双绕是α/β蛋白质中结构典型的常见折叠类型。选取22个家族中序列一致性小于25%的79个典型双绕蛋白质作为训练集,以RMSD为指标进行系统聚类,并对各类建立基于结构比对的概形隐马尔科夫模型(profile-HMM)。将Astral1.65中序列一致性小于95%的9 505个样本作为检验集,整体识别敏感性为93.9%,特异性为82.1%,MCC值为0.876。结果表明:对于成员较多,无法建立统一模型的折叠类型,分类建模可以实现较高准确率的识别。     

蛋白质结构型的定义和识别

提出紧结构域的概念,由二级结构序列中一段或几段连续的α螺旋和β折叠构成的空间紧密堆集的最大折叠体称为紧结构域.利用3种紧结构域（α域,β域和α/β域）定义球蛋白的5种结构型：α型蛋白,β型蛋白,α/β型蛋白,多域蛋白和ζ型蛋白.将1 261个代表性的蛋白质(1 022家族)进行分类,并和SCOP库的分类做了比较.进行了删去序列冗余的分析.在此基础上提出结构型的预测方案,成功率在82%～85%.     

蛋白质结构型的识别方法

给出了α型、β型、α/β型、多域型蛋白质二级结构主序列六联体的分布规律.提出了根据蛋白质二级结构主序列对蛋白质结构型进行识别(分类)的方法.以蛋白质二级结构主序列三联体为参数,利用Mahalanobis距离方法对上述4种结构型的蛋白质进行识别,分类的总体准确率为81%;以二级结构主序列中六联体的频数构成蛋白质结构的多样性源,利用多样性增量极小化对上述4种结构型进行识别,分类的总体准确率为83%. 同时也给出了对紧结构域的识别途径.     

蛋白质结构型的定义和识别

提出紧结构域的概念,由二级结构序列中一段或几段连续的α螺旋和β折叠构成的空间紧密堆集的最大折叠体称为紧结构域.利用3种紧结构域(α域,β域和α/β域)定义球蛋白的5种结构型:α型蛋白,β型蛋白,α/β型蛋白,多域蛋白和ζ型蛋白.将1 261个代表性的蛋白质(1 022家族)进行分类,并和SCOP库的分类做了比较.进行了删去序列冗余的分析.在此基础上提出结构型的预测方案,成功率在82%～85%.     

α/β类蛋白质折叠类型的分类方法研究

蛋白质折叠规律的研究是生命科学重大前沿课题之一,折叠分类是蛋白质折叠研究的基础。本文基于LIFCA数据库,选取样本量大于2的55种α/β类蛋白质折叠类型为研究对象。结合蛋白质折叠类型的定义及其保守拓扑结构特征,确定了55种蛋白质折叠类型的模板及其对应的特征参数。建立了基于模板的打分函数Mul-Fscore,并结合二级结构参数信息,给出了55种α/β类蛋白质折叠类型的多模板分类方法。用此方法对LIFAC数据库中的931个样本进行检验,分类结果的平均特异性、平均敏感性、MCC值分别为99.58%、79.47%、79.39%。与TM-score分类结果对比发现,Mul-Fscore分类的敏感性与MCC值好于TM-score的相应结果,平均特异性相近。     

基于多组学数据的早期宫颈鳞状细胞癌分类

从分子层面对泛癌进行研究已经得到了很大的进展，但是对宫颈鳞状细胞癌的分子分类研究仍然需要更多的探索. 为了找到宫颈鳞状细胞癌潜在的子类，本文提出了一个基于多维组学数据的癌症亚型分类分析流程. 通过统计学方法对癌症基因组图谱（The Cancer Genome Atlas，TCGA）宫颈鳞状细胞癌的mRNA表达数据、小分子核糖核酸（microRNA，miRNA）表达数据、DNA甲基化数据以及拷贝数变异数据4个维度包含的分子进行筛选，然后对筛选后的分类特征进行整合聚类，进一步筛选能够区分不同子类的关键分类特征，并使用这些关键分类特征建立宫颈鳞状细胞癌分类模型. 本研究为宫颈鳞状细胞癌分子层面子类的识别提供了分析流程，得到了两个临床生存水平具有显著性差异的宫颈鳞状细胞癌子类，并确定了8个宫颈鳞状细胞癌的关键分类特征. 本研究中识别的宫颈鳞状细胞癌子类和关键分类特征为宫颈鳞状细胞癌早期分类及分类标志物的鉴定提供了重要参考.