神经网络在蛋白质二级结构预测中的应用

介绍了蛋白质二级结构预测的研究意义,讨论了用在蛋白质二级结构预测方面的神经网络设计问题,并且较详尽地评述了近些年来用神经网络方法在蛋白质二级结构预测中的主要工作进展情况,展望了蛋白质结构预测的前景。     

二级结构组件与蛋白质耐热性的关系研究

挑选了NCBI COG数据库中具有全基因组的单细胞微生物,选择其中三维结构已知的蛋白质作为研究对象,研究了不同类型的二级结构含量和长度对古细菌和细菌类蛋白质耐热性的影响作用。结果表明:耐热的古细菌类蛋白质中含有相当数量的短的3_(10)螺旋,而耐热的细菌蛋白质中含有较短的loop环。这不仅说明二级结构对蛋白质耐热性有重要的影响,还表明二级结构对古细菌和细菌类蛋白质耐热性的影响作用是不同的。     

蛋白质空间结构属性与全基因组微生物耐热性的关系

 溶剂接触表面积、空腔个数和体积、紧密度、疏水性以及温度因子是影响蛋白质耐热的主要三维结构参数.挑选NCBI COG数据库中具有全基因组的单细胞微生物,选择其中三维结构已知的蛋白质作为研究对象,分析这些因素对细菌类和古细菌类微生物耐热性的影响.结果表明：（1）古细菌类蛋白质的空腔个数和体积与耐热性无关,极性面积和表面残基个数随耐热性增加而降低;（2）超高温细菌类蛋白质的分子量比较小,空腔个数和体积都小于常温蛋白质,而且空腔个数对稳定性的贡献大于空腔体积;（3）无论是古细菌还是细菌类蛋白质,疏水性和紧密度都不随耐热性变化,但暴露残基个数越多,蛋白质的耐热性越差;（4）两类蛋白质侧链的温度因子都高于主链,这与侧链的运动性（柔性）一般比主链高的实验结果一致;另外,超高温细菌类蛋白质的温度因子明显高于常温蛋白质.     

支持向量机在PPⅡ二级结构预测中的应用

PPⅡ二级结构是一种稀有的蛋白质结构类型。目前使用机器学习方法预测此二级结构的工作还比较少见。引入一种新的方法———支持向量机 (SVM)来预测PPII二级结构 ,并与神经网络方法进行了比较 ,结果表明 ,SVM方法在预测PPII结构上表现良好 ,预测精度达到 76 .5 2 %。     

产甲烷常温古细菌和嗜热古细菌代谢网络拓扑结构与功能间的关联性研究

根据从KEGG数据库获得的产甲烷的常温古细菌Methanosarcina acetivorans(MAC)和嗜热古细菌Methanopyrus kandleri(MKA)的代谢网络,通过不同的网络属性特征的比较,发现常温古细菌MAC的代谢网络比嗜热古细菌MKA有更长的平均路径长度,更大的直径,这表明常温古细菌MAC的总体结构是相对低密度、松散的网络结构.同时为了从系统水平上分析这些特征蕴含的功能意义,采用了Grivan和Newman提出的模块算法(简称GN算法)分析这两个生物体的功能模块,并将所得的结果与KEGG数据库中的途径信息进行比较研究,发现大部分模块对应2~4个KEGG途径,表明这些网络模块均具有一定功能意义.     

半胱氨酸氧化还原状态的协同性

以2002年4月份的Culled Protein Data Bank数据库中的639条蛋白质多肽链为研究对象,统计分析了其含有的584条二硫键的形成特征,发现半胱氨酸氧化还原状态表现出明显的协同性现象：含有二硫键的蛋白质中几乎所有的半胱氨酸都以氧化态形式存在。这一协同性可以通过蛋白质全局水平上的20种氨基酸组分的百分含量很好地加以说明,由此来预测半胱氨酸的氧化还原状态准确率最高可达84．5％。结果表明半胱氨酸是否形成二硫键主要取决于蛋白质全局的而非局部的结构信息。     

氨基酸组成对蛋白质耐热性的影响

为了研究一级结构对蛋白质耐热性的影响,利用软件DNAMAN对16个家族32种蛋白质序列进行了氨基酸含量分析,并统计分析了氨基酸组成对蛋白质耐热性的影响。通过比较同一家族的高低温蛋白质序列及16个家族中所有高温和低温蛋白质序列中氨基酸含量的变化可以推断(从低温到高温)：Ser、Cys．含量降低显著,Arg、Ile、Pro含量升高显著。由此可知高温蛋白质倾向于含有疏水性氨基酸而避免亲水性氨基酸。     

数据挖掘在生物信息学中的应用

借助各种应用数学和计算机技术 ,将大量积累并急需处理的生物信息数据利用起来 ,探索生物信息中的规律 ,是当前国内国际生物信息学研究的热点和重点。其中数据挖掘技术在生物信息研究中发挥着巨大的作用。