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。     

蛋白质二级结构在线服务器预测评估

蛋白质二级结构的预测,对于研究蛋白质的功能和人类生命科学意义非凡。1951年开始提出预测蛋白质二级结构,1983年对于二级结构的预测只有50%的准确率。经过多年的发展,预测方式不断的改进和完善,到如今准确率已经超过80%。但目前预测在线服务器繁多,连续自动模型评估(CAMEO)也只给出服务器三级结构的预测评估,二级结构评估还未实现。针对上述问题,选取了以下6个服务器:PSRSM、MUFOLD、SPIDER、RAPTORX、JPRED和PSIPRED,对其预测的二级结构进行评估。并且为保证测试集不在训练集内,实验数据选取蛋白质结构数据库(Protein Data Bank,PDB)最新发布的蛋白质。在基于蛋白质同源性30%、50%和70%的实验中,PSRSM取得Q3的准确率分别为91.44%、88.12%和90.17%,比其他预测服务器中最高的MUFOLD分别高出3.19%、1.33%和2.19%,证明在同一类同源性数据中PSRSM比其他服务器有更好的预测效果。除此之外实验也得到其预测的Sov准确度也比其他服务器要高。比较各类服务器的方法与结果,得出今后蛋白质二级结构预测应当重点从大数据、模板和深度学习的角度进行研究。     

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。     

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。     

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Jpred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,最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。     

基于离散增量的支持向量机算法预测蛋白质中四类简单超二级结构

蛋白质超二级结构预测是三级结构预测的一个非常重要的中间步骤。本文从蛋白质的一级序列出发,对5793个蛋白质中的四类简单超二级结构进行预测,以位点氨基酸为参数,采用3种片段截取方式,分别用离散增量算法预测的结果不理想,将组合的离散增量值作为特征参数输入支持向量机,取得了较好的预测结果,5交叉检验的平均预测总精度达到83.0%,Matthew’s相关系数在0.71以上。     

氨基酸组成聚类、蛋白质结构型和结构型的预测

用信息聚类方法对蛋白质的氨基酸组成进行聚类,发现存在梯级成团（大集团分解成小集团）现象,６４５个蛋白质可分成１５个小集团,每一个小集团与蛋白质二级结构含量决定的结构型有一定相关性,但与蛋白质五大结构型相关性不明显。指出了由氨基酸成分和二级结构含量预测结构型的方案中存在的问题。提出了由蛋白质二级结构序列预测蛋白质结构型的新方法,并给出了预测蛋白质结构型的简明预测规则     

结核分枝杆菌rpoB基因的生物信息学分析

通过生物信息学的方法对rpoB基因及其蛋白质序列的理化性质、亲/疏水性、信号肽、糖基化位点、磷酸化位点、二级结构和三级结构等进行预测分析。结果表明,RNA聚合酶β亚基为富含Val、Glu及Leu的非稳定亲水性蛋白,其中不含信号肽,磷酸化程度较高。α螺旋和无规则卷曲是RNA聚合酶β亚基的主要二级结构元件。用同源建模方法构建三维结构,通过Ramachandran Plot对模型进行评估得到了合理的RNA聚合酶β亚基结构模型。分析rpoB基因及其编码蛋白质的特征对于研究结核杆菌致病及耐利福平药物机理有着重要的意义。     

基于序列疏水值震荡的折叠速率预测

蛋白质折叠速率的正确预测对理解蛋白质的折叠机理非常重要。本文从伪氨基酸组成的方法出发,提出利用序列疏水值震荡的方法来提取蛋白质氨基酸的序列顺序信息,建立线性回归模型进行折叠速率预测。该方法不需要蛋白质的任何二级结构、三级结构信息或结构类信息,可直接从序列对蛋白质折叠速率进行预测。对含有62个蛋白质的数据集,经过Jack．knife交互检验验证,相关系数达到0．804,表示折叠速率预测值与实验值有很好的相关性,说明了氨基酸序列信息对蛋白质折叠速率影响重要。同其他方法相比,本文的方法具有计算简单,输入参数少等特点。     

人基因中密码子前后碱基使用与蛋白质结构

对６２个人基因中编码蛋白质各类二级结构（α－螺旋、β－折叠片、无规卷曲和回折）的密码子前后碱基的使用情况进行统计分析和比较,发现多数密码子前后碱基的使用有一定偏向,而且这些偏向与蛋白质的二级结构有关联。这同时亦提示,同义密码子的选用与蛋白质的二级结构有一些关联。结果对于蛋白质结构预测算法以及基因工程的研究有辅助作用。     

基于 RBF 神经网络的蛋白质二级结构预测

蛋白质二级结构对于研究其功能具有重要作用。采用主成分分析方法对氨基酸的基本物化属性及其二级结构倾向性进行降维降噪处理,使用径向基神经网络对蛋白质二级结构进行预测。主成分分析使得之前 20 ×12 矩阵变为 20 ×4 矩阵,极大地减少了神经网络输入端的维数。在仿真过程中,当窗口大小为 21,扩展函数为 7 时,预测精确度达到了 71. 81%。实验结果表明 RBF 神经网络可以有效的用于蛋白质二级结构的预测。     

蛋白质二级结构预测服务器PSRSM

蛋白质二级结构预测是蛋白质结构研究的一个重要环节,大量的新预测方法被提出的同时,也不断有新的蛋白质二级结构预测服务器出现。试验选取7种目前常用的蛋白质二级结构预测服务器:PSRSM、SPOT-1D、MUFOLD、Spider3、RaptorX,Psipred和Jpred4,对它们进行了使用方法的介绍和预测效果的评估。随机选取了PDB在2018年8月至11月份发布的180条蛋白质作为测试集,评估角度为:Q3、Sov、边界识别率、内部识别率、转角C识别率,折叠E识别率和螺旋H识别率七种角度。上述服务器180条测试数据的Q3结果分别为:89.96%、88.18%、86.74%、85.77%、83.61%,79.72%和78.29%。结果表明PSRSM的预测结果最好。180条测试集中,以同源性30%,40%,70%分类的实验结果中,PSRSM的Q3结果分别为:89.49%、90.53%、89.87%,均优于其他服务器。实验结果表明,蛋白质二级结构预测可从结合多种深度学习方法以及使用大数据训练模型方向做进一步的研究。     

大肠杆菌基因中密码子前后碱基的使用与蛋白质结构

对一组E.coli基因中编码蛋白质各类二级结构（α-螺旋、β－折叠片、无规卷曲和回折）的密码子前后碱基的使用情况进行统计分析和比较,发现一些密码子前后碱基的使用有偏向,而且这些偏向与蛋白质的二级结构有关联,这同时亦表明,E.coli基因中同义密码子的选用与蛋白质的二级结构有一些关联。模型对于蛋白质结构预测算法的改进以及基因工程的研究有辅助作用。     

用模式识别方法预测膜蛋白RC、BR和RH的二级结构

膜蛋白的结构预测在目前比较困难.本文利用已建立的模式识别方法预测了三个典型的膜蛋白RC,BR和RH的二级结构,预测结果与实验资料的符合率与该方法用于球蛋白时的结果相仿,是成功的.本文进一步完善了模式识别预测蛋白质二级结构的方法.建立了针对球蛋白二级结构预测的多分类方法,预测精度大于60%.事实证明这是一种较好的结构预测方法,鉴于目前国内外运用模式识别方法进行结构预测研究的还不多见,我们拟进一步发展完善这一方法.     

自动编码器方法的蛋白质二级结构预测

蛋白质二级结构预测是进行蛋白质三级结构研究的重要基础,氨基酸的编码方式对二级结构预测有一定的影响。本文应用了一种新的组合编码方式,即将基团编码与位置特异性打分矩阵(PSSM)进行组合的编码方式。本文中提出的基团编码是针对氨基酸的一种新的编码方式,基团编码是根据氨基酸内部组成来进行编码的,由42位属性组成。本文选取位置特异性打分矩阵(PSSM)中的Blosum62进化矩阵和新的基团编码进行组合,形成新的编码方式。然后对CB513和25pdb两组数据分别进行实验。本文中将采用贝叶斯分类器与自动编码器两种方法来对这种新的编码方式进行实验,然后比较这两种方法得到的两组数据的结果。可以很明显的发现采用自动编码器的实验结果要比使用贝叶斯分类器的结果要高出1.65%。在本文的实验中,可以提取特征的自动编码器的预测准确率更好。     

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。     

蛋白质二级结构预测: 基于词条的最大熵马尔科夫方法

提出了一种新的蛋白质二级结构预测方法. 该方法从氨基酸序列中提取出和自然语言中的“词”类似的与物种相关的蛋白质二级结构词条, 这些词条形成了蛋白质二级结构词典, 该词典描述了氨基酸序列和蛋白质二级结构之间的关系. 预测蛋白质二级结构的过程和自然语言中的分词和词性标注一体化的过程类似. 该方法把词条序列看成是马尔科夫链, 通过Viterbi算法搜索每个词条被标注为某种二级结构类型的最大概率, 其中使用词网格描述分词的结果, 使用最大熵马尔科夫模型计算词条的二级结构概率. 蛋白质二级结构预测的结果是最优的分词所对应的二级结构类型. 在4个物种的蛋白质序列上对这种方法进行测试, 并和PHD方法进行比较. 试验结果显示, 这种方法的Q3准确率比PHD方法高3.9%, SOV准确率比PHD方法高4.6%. 结合BLAST搜索的局部相似的序列可以进一步提高预测的准确率. 在50个CASP5目标蛋白质序列上进行测试的结果是: Q3准确率为78.9%, SOV准确率为77.1%. 基于这种方法建立了一个蛋白质二级结构预测的服务器, 可以通过http://www.insun.hit.edu.cn:81/demos/biology/index.html来访问.     

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。     

大黄鱼QM-like(PcQM)蛋白生物信息学分析

[目的]通过分析PcQM蛋白质的结构,预测其高级结构和功能,为进一步研究PcQM蛋白提供理论依据。[方法]利用Blast P和相关分析蛋白质理化性质与结构的软件,对PcQM蛋白进行结构与功能预测分析。[结果]PcQM蛋白不存在N端信号肽,存在多个酶切位点,无跨膜结构,定位在细胞质中。不存在二硫键,该蛋白含26.05%α-螺旋结构(H),20.93%β-折叠结构(E),53.02%无规则卷曲(L)。最后,通过Swiss-Model程序预测了PcQM蛋白的三级结构。[结论]较全面地分析和预测了PcQM蛋白的理化性质、二级结构和三级结构等。为深入分析PcQM在大黄鱼(Larimichthys crocea)体内免疫调节功能研究,提供了理论依据。