蛋白质亚细胞定位的识别

根据蛋白质的亚细胞定位,将蛋白质分为12类,用离散量的数学理论,以蛋白质中400个氨基酸二联体数目构成离散源,通过计算离散增量预测蛋白质的亚细胞定位,用Self-consistency和Jackknife两种方法测试均获得较高的预测成功率。结果表明：Self-consistency方法预测成功率为84．5％,Jackknife方法预测成功率为81．1％。     

基于离散增量结合支持向量机方法的凋亡蛋白亚细胞位置预测

根据凋亡蛋白的亚细胞位置主要决定于它的氨基酸序列这一观点,基于局部氨基酸序列的n肽组分和序列的亲疏水性分布信息,采用离散增量结合支持向量机(ID_SVM)算法,对六类细胞凋亡蛋白的亚细胞位置进行预测。结果表明,在Re-substitution检验和Jackknife检验下,ID_SVM算法的总体预测成功率分别达到了94.6%和84.2%;在5-fold检验和10-fold检验下,其总体预测成功率也都达到了83%以上。通过比较ID和ID_SVM两种方法的预测能力发现,结合了支持向量机的离散增量算法能够改进预测成功率,结果表明ID_SVM是预测凋亡蛋白亚细胞位置的一种很有效的方法。     

拟南芥中一个未知功能蛋白的叶绿体亚细胞定位研究

生物信息学分析表明,模式植物拟南芥叶绿体中含有大约4000多种蛋白质,目前只分离得到1000多种,其他预测的叶绿体蛋白的实验验证对叶绿体功能研究有重要意义。本文对一个预测的叶绿体未知功能蛋白AT5G48790进行了亚细胞定位研究。我们克隆了该基因5端长178bp的DNA片段,与绿色荧光蛋白（GFP）基因构建重组载体pMON530-cTP-GFP。转基因植株通过激光共聚焦显微镜观察,GFP只在叶绿体中特异表达。实验结果表明,AT5G48790的确为叶绿体蛋白。本实验方法也可用于其他预测的蛋白质的实验验证。     

拟南芥中一个未知功能蛋白的叶绿体亚细胞定位研究

生物信息学分析表明, 模式植物拟南芥叶绿体中含有大约4 000多种蛋白质, 目前只分离得到1 000多种, 其他预测的叶绿体蛋白的实验验证对叶绿体功能研究有重要意义。本文对一个预测的叶绿体未知功能蛋白AT5G48790进行了亚细胞定位研究。我们克隆了该基因5'端长178 bp的DNA片段, 与绿色荧光蛋白(GFP)基因构建重组载体pMON530-cTP-GFP。转基因植株通过激光共聚焦显微镜观察, GFP只在叶绿体中特异表达。实验结果表明, AT5G48790的确为叶绿体蛋白。本实验方法也可用于其他预测的蛋白质的实验验证。     

以gfp为报告基因研究蛋白亚细胞定位

以gfp作为报告基因研究了烟草中蛋白亚细胞定位。就表达系统选择、蛋白亚细胞定位软件分析、载体构造、材料选择等问题作一简要总结。     

用离散增量结合支持向量机方法预测蛋白质亚细胞定位

对未知蛋白的功能注释是蛋白质组学的主要目标。一个关键的注释是蛋白质亚细胞定位的预测。本文应用离散增量结合支持向量机(ID_SVM)的方法,对阳性革兰氏细菌蛋白的5类亚细胞定位点进行预测。在独立检验下,其总体预测成功率为89.66%。结果发现ID_SVM算法对预测的成功率有很大改进。     

copine Ⅴ蛋白的亚细胞定位

目的:确定copineⅤ蛋白的亚细胞定位,初步研究该蛋白的生物学功能。方法:将copineⅤ编码区基因分别构建真核表达载体pEGFP-copineⅤ(或pRED-copineⅤ),转染HEK293、HeLa细胞,在激光共聚焦荧光显微镜下与转染空载体pEGFP-N1(或pRED-N1)的细胞比较观察。结果:经限制性内切酶分析鉴定,构建的重组表达载体正确。通过激光共聚焦荧光显微镜观察,转染了重组载体pEGFP-copineⅤ的细胞荧光信号集中分布于胞膜和内膜系统;进一步研究表明copineⅤ定位于内质网而非线粒体,而空载体则在整个细胞中均匀分布。结论:copineⅤ蛋白定位于细胞膜和内质网上,而不定位于线粒体。     

copine V蛋白的亚细胞定位

目的：确定copine V蛋白的亚细胞定位,初步研究该蛋白的生物学功能.方法：将copine V编码区基因分别构建真核表达载体pEGFP-copine V（或pRED-copine V）,转染HEK293、HeLa细胞,在激光共聚焦荧光显微镜下与转染空载体pEGFP-N1（或pRED-N1）的细胞比较观察.结果：经限制性内切酶分析鉴定,构建的重组表达载体正确.通过激光共聚焦荧光显微镜观察,转染了重组载体pEGFP-copine V的细胞荧光信号集中分布于胞膜和内膜系统;进一步研究表明copine V定位于内质网而非线粒体,而空载体则在整个细胞中均匀分布.结论：copine V蛋白定位于细胞膜和内质网上,而不定位于线粒体.     

衣原体蛋白的亚细胞定位

沙眼衣原体(Chlamydia trachomatis,CT)是一种严格细胞内寄生、有独特发育周期的原核细胞型微生物.CT在宿主细胞浆内增殖,形成光镜可见的典型细胞内包涵体,包涵体为CT在宿主细胞内的生长繁殖提供屏障保护,同时也是CT与宿主细胞进行物质交换和信息传递的门户,CT不仅可从宿主细胞摄取营养物质,还可分泌效应蛋白进入宿主细胞质调节宿主细胞功能.CT基因组DNA序列和功能注释完成后,衣原体蛋白的亚细胞定位、结构和功能的研究已成为衣原体研究领域的热点之一[1-3].在CT与宿主细胞相互作用过程中,Inc蛋白、分泌蛋白等衣原体蛋白可能发挥着重要作用,鉴于蛋白质的亚细胞定位情况往往与其功能密切相关,衣原体蛋白在感染细胞中的定位认识成为其功能研究中的重要环节.     

利用分组重量编码预测细胞凋亡蛋白的亚细胞定位

从氨基酸的物化特性出发,利用物理学中“粗粒化”和“分组”的思想,提出了一种新的蛋白质序列特征提取方法——分组重量编码方法。采用组分耦合算法作为分类器,从蛋白质一级序列出发对细胞凋亡蛋白的亚细胞定位进行研究。针对Zhou和Doctor使用的数据集,Re—substitution和Jackknife检验总体预测精度分别为98、O％和85．7％,比基于氨基酸组成和组分耦合算法的总体预测精度提高了7．2％和13．2％;针对陈颖丽和李前忠使用的数据集,Re—substitution和Jackknife检验总体预测精度分别为94．0％和80、1％,比基于二肽组成和离散增量算法的总体预测精度提高了5．9％和2、0％。针对我们自己整理的最新数据集,通过Re—substitution和Jackknife检验,总体预测精度分别为97．33％和75、11％。实验结果表明蛋白质序列的分组重量编码对于细胞凋亡蛋白的定位研究是一种有效的特征提取方法。     

Support Vector Machines for Predicting Apoptosis Proteins Types

Apoptosis proteins have a central role in the development and homeostasis of an organism. These proteins are very important for understanding the mechanism of programmed cell death, and their function is related to their types. According to the classification scheme by Zhou and Doctor (2003), the apoptosis proteins are categorized into the following four types: (1) cytoplasmic protein; (2) plasma membrane-bound protein; (3) mitochondrial inner and outer proteins; (4) other proteins. A powerful learning machine, the Support Vector Machine, is applied for predicting the type of a given apoptosis protein by incorporating the sqrt-amino acid composition effect. High success rates were obtained by the re-substitute test (98/98 = 100 %) and the jackknife test (89/98 = 90.8%).     

基于序列拓扑和二阶隐马尔可夫模型的跨膜蛋白亚细胞定位预测

现有蛋白质亚细胞定位方法针对水溶性蛋白质而设计,对跨膜蛋白并不适用。而专门的跨膜拓扑预测器,又不是为亚细胞定位而设计的。文章改进了跨膜拓扑预测器TMPHMMLoc的模型结构,设计了一个新的二阶隐马尔可夫模型;采用推广到二阶模型的Baum-Welch算法估计模型参数,并把将各个亚细胞位置建立的模型整合为一个预测器。数据集上测试结果表明,此方法性能显著优于针对可溶性蛋白设计的支持向量机方法和模糊k最邻近方法,也优于TMPHMMLoc中提出的隐马尔可夫模型方法,是一个有效的跨膜蛋白亚细胞定位预测方法。     

苹果MdKS、MdKOA1基因克隆与表达分析

内根-贝壳杉烯合成酶基因(KS)、内根-贝壳杉烯酸氧化酶基因(KOA)是赤霉素合成途径的关键基因。通过touchdown PCR从短枝富士茎尖组织中克隆得到KS和KOA基因的开放阅读框(ORF),分别命名为MdKS(GenBank登录号KF437681)和MdKOA1(GenBank登录号为KF437682)。MdKS和MdKOA1基因的ORF分别为2211 bp、1509 bp。氨基酸同源性分析表明,MdKS与其他物种的氨基酸序列具有45.2%~98.8%的同源性;而MdKOA1与其他物种的氨基酸序列同源性为42.8%~99.4%。亚细胞定位显示,MdKS蛋白定位于细胞核、细胞质和细胞质膜;而MdKOA1蛋白定位于细胞质和细胞质膜。荧光定量表明,MdKS与MdKOA1基因在SH40、SH28嫁接品种短枝富士不同组织中的表达模式基本一致。MdKS和MdKOA1在半矮化类型SH28嫁接短枝富士的茎尖、幼果与枝条中的表达量高于矮化类型SH40的嫁接品种。     

热休克蛋白对细胞凋亡的调控作用

热休克蛋白属于细胞内分子伴侣蛋白,除涉及细胞内一些蛋白质分子构象和稳定性的调节之外,热休克蛋白对细胞应激、代谢、增殖以及凋亡等生理过程均具有重要的调控作用。研究表明热休克蛋白对细胞凋亡的调控机制是复杂的,可直接作用于与凋亡相关的蛋白质,也可以通过影响细胞信号传递而间接影响凋亡的发生。由于热休克蛋白对细胞凋亡的调控机制大多依赖于其分子伴侣功能,阻断热休克蛋白的伴侣功能已经成为研究药物诱导肿瘤细胞凋亡的重要靶点。     

基于位置特异性谱和输入加权神经网络的蛋白质亚细胞定位预测

蛋白质必须处于正确的亚细胞位置才能行使其功能。文章利用PSI-BLAST工具搜索蛋白质序列,提取位点特异性谱中的位点特异性得分矩阵作为蛋白质的一类特征,并计算4等分序列的氨基酸含量以及1～7阶二肽含量作为另外两类特征,由这三类特征一共得到蛋白质序列的12个特征向量。通过设计一个简单加权函数对各类特征向量加权处理,作为神经网络预测器的输入,并使用Levenberg-Marquardt算法代替传统的EBP算法来调整网络权值和阈值,大大提高了训练速度。对具有4类亚细胞位置和12类亚细胞位置的两种蛋白质数据集分别进行＂留一法＂测试和5倍交叉验证测试,总体预测精度分别达到88.4%和83.3%。其中,对4类亚细胞位置数据集的预测效果优于普通BP神经网络、隐马尔可夫模型、模糊K邻近等预测方法,对12类亚细胞位置数据集的预测效果优于支持向量机分类方法。最后还对三类特征采取不同加权比例对预测精度的影响进行了讨论,对选择的八种加权比例的预测结果表明,分别给予三类特征合适的权值系数可以进一步提高预测精度。     

k子串离散源结合加权KNN算法预测膜蛋白类型

膜蛋白是生物膜功能的主要体现者,是细胞执行各种功能的物质基础,在细胞中发挥着至关重要的作用.分类预测未知类型的膜蛋白对于生物学相关研究具有指导性意义,是膜蛋白结构与功能研究领域的一项重要基础性工作.针对膜蛋白分类预测问题,利用k子串离散源的方法对膜蛋白序列进行特征提取,并融合最小离散增量方法和加权K近邻算法构建一种新型的膜蛋白分类预测模型,在自检验、Jackknife检验和独立测试集检验三种典型的检验方式下,预测准确率分别为99.95%、86.16%和98.36%.实验结果表明,k子串离散源方法能够有效提取膜蛋白序列的特征信息,与现有方法相比,该分类模型具有较高的分类预测成功率.     

利用分散量理论辨识外膜蛋白

利用分散量的数学理论,提出了基于最小分散增量的蛋白质序列辨识方法.通过多种特征联合对蛋白质序列进行编码,并建立基于最小分散增量的分类器MID_OMP,应用于革兰氏阴性细菌外膜蛋白序列辨识.在数据集上的Jackknife测试中,MID_OMP辨识外膜蛋白和α螺旋跨膜蛋白的准确率达到95.7%,辨识外膜蛋白和球状蛋白的准确率达到91.0%;在14个细菌基因组内挖掘结果显示,MID_OMP具有较高的敏感性和特异性,预测结果的可信度明显优于另外一种OMPs挖掘工具TMBETA-GENOME.     

Prediction of apoptosis protein subcellular location using improved hybrid approach and pseudo-amino acid composition

Apoptosis proteins are very important for understanding the mechanism of programmed cell death. The apoptosis protein localization can provide valuable information about its molecular function. The prediction of localization of an apoptosis protein is a challenging task. In our previous work we proposed an increment of diversity (ID) method using protein sequence information for this prediction task. In this work, based on the concept of Chou's pseudo-amino acid composition [Chou, K.C., 2001. Prediction of protein cellular attributes using pseudo-amino acid composition. Proteins: Struct. Funct. Genet. (Erratum: Chou, K.C., 2001, vol. 44, 60) 43, 246-255, Chou, K.C., 2005. Using amphiphilic pseudo-amino acid composition to predict enzyme subfamily classes. Bioinformatics 21, 10-19], a different pseudo-amino acid composition by using the hydropathy distribution information is introduced. A novel ID_SVM algorithm combined ID with support vector machine (SVM) is proposed. This method is applied to three data sets (317 apoptosis proteins, 225 apoptosis proteins and 98 apoptosis proteins). The higher predictive success rates than the previous algorithms are obtained by the jackknife tests.     

Subcellular location of source proteins improves prediction of neoantigens for immunotherapy

Antigen presentation via the major histocompatibility complex (MHC) is essential for anti‐tumor immunity. However, the rules that determine which tumor‐derived peptides will be immunogenic are still incompletely understood. Here, we investigated whether constraints on peptide accessibility to the MHC due to protein subcellular location are associated with peptide immunogenicity potential. Analyzing over 380,000 peptides from studies of MHC presentation and peptide immunogenicity, we find clear spatial biases in both eluted and immunogenic peptides. We find that including parent protein location improves the prediction of peptide immunogenicity in multiple datasets. In human immunotherapy cohorts, the location was associated with a neoantigen vaccination response, and immune checkpoint blockade responders generally had a higher burden of neopeptides from accessible locations. We conclude that protein subcellular location adds important information for optimizing cancer immunotherapies.