脯氨酸对蛋白质热稳定性的贡献

单一氨基酸的置换可以改变酶的热稳定性。脯氨酸(Pro)残基在蛋白质结构及其热稳定性中具有特殊作用。它十分偏爱β转折或无规卷曲结构,而很少出现在α螺旋和β折叠中。分析认为在改善酶热稳定性的蛋白质工程中,只要主链构象不发生骤变,则可在适当的β转折或无规卷曲中引入Pro,通过其刚性的吡咯烷环,降低蛋白质去折叠时的骨架熵,从而使其周围的构象更合理。这一Pro理论(theprolinetheory)的分子设计新思路将会得到进一步的发展和完善。     

p53蛋白质C端的三维结构及生物功能区

利用p53 C端118个氨基酸的mRNA二级结构和Chou-Fasman蛋白质二级结构预测原则,预测p53蛋白质C端289～325为卷曲肽段,368～393段包括两段螺旋结构: α₁ 368～373, α₂ 381～388.其中三段已知的蛋白质二级结构与此mRNA二级结构单元间有准确的对应关系.与四种以多重序列联配为基础的蛋白质二级结构预测方法（准确率均为73.20%左右）相对照,预测结果基本一致.结合单体聚合区31个氨基酸晶体结构,在SGI INDIGO²工作站上构建了p53 C端108个残基的三维结构.进一步揭示了p53 C端诸多生物功能区之间的空间构象关系.     

蛋白质溶液构象的研究方法

蛋白质的结构决定其功能。研究蛋白质溶液构象的手段日新月异,文章介绍了近年来研究蛋白质在溶液中三级结构、二级结构和基团微环境的常用手段。     

从一级结构预测蛋白质稳定性——Guruprasad, Reedy和Pandit方法

介绍了一种从一级结构预测蛋白质稳定性的方法.Guruprasad,Reedy 和 Pandit 对32种稳定蛋白质和12种不稳定蛋白质进行了统计分析,发现存在这样一些二肽,它们在稳定的和不稳定蛋白质中的出现频率是明显不同的.通过一系列的统计学计算处理,计算出所有400种二肽各自对蛋白质稳定性(或不稳定性)的影响大小,给它们设计了一个二肽不稳定性权值(DIWV).对一个给定的蛋白质,与它的序列长度相一致的这些 DIWV 的加和能帮助区分不稳定蛋白质和稳定蛋白质.这种方法对如何提高蛋白质的稳定性具有一定的指导意义.我们根据 Guruprasad 等人的方法计算了几个已知序列的蛋白质的稳定性指数,并由此推出它们的稳定性.     

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.     

蛋白质二级结构预测方法初探

蛋白质二级结构的预测是生物信息学中一个重要的研究课题,在对蛋白质组的研究中也是最具难度的一个问题。进行二级结构预测对于理解蛋白质结构与功能的关系,以及分子设计、生物制药等领域都有重要的现实意义。同时也是一级结构与三级结构所联系的媒介,也为三级结构的研究打下基础。虽然目前预测的方法有几十种,但准确率最高的也只有70%多,本文对于目前方法进行分析,希望从中得到更加准确的方法。     

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.     

P53蛋白质N末端的二级结构预测及其三维构象

以编码Ｐ５３Ｎ末端１２０个残基的ｍＲＮＡ二级结构为基础,结合Ｃｈｏｕ－Ｆａｓｍａｎ蛋白质二级结构预测原则,预测出Ｐ５３蛋白质Ｎ端的９３个残基包含四段α螺旋结构（１４－２６;３８－４６;５１－５６;６８－７０）,没有发现β片层。与四种以多重序列联配为基础的蛋白质二级结构预测方法（准确率均为７３．２０％左右）相对照,结果十分相近。在ＳＧＩ工作站上以此为初始结构建立的三维构象提示,Ｐ５３Ｎ末端前８０个氨基酸肽段呈弧型板块结构,其转录激活区由两段主要螺旋组成,呈上下构形,占据弧型板块的顶部及底部外侧缘。Ｃ端１３个富含脯氨酸肽段则呈弯曲松散状。这些构象与Ｐ５３Ｎ末端的生物功能是相吻合的     

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。     

显微红外研究巨噬细胞膜电融合后膜蛋白二级结构的变化

首次尝试了将显微傅里叶变换红外光谱术应用于研究电融合后细胞膜蛋白质二级结构的变化,发现脉冲电场作用于细胞具有穿透效应,施加电脉冲后,整个细胞的蛋白质体系能量增加,表明电泳冲对蛋白的二结构影响很大;同时,还发现用唾液酸苷酶和蛋白酶Ｐｒｏｎａｓｅ分析处理巨噬细胞膜表面后,膜上蛋白质二级结构无序化程度增加,用酶适度处理的细胞将更易发生电融合。     

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。     

脯氨酸对蛋白质热稳定性的贡献

单一氨基酸的置换可以改变酶的热稳定性。脯氨酸（Ｐｒｏ）残基在蛋白质结构及其热稳定性中具有特殊作用。它十分偏爱β－转折或无规卷曲结构,而很少出现在α－螺旋和β－折叠中。分析认为在改善酶热稳定性的蛋白质工程中,只要主链构象不发生骤变,则可在适当的β－转折或无规卷曲中引入Ｐｒｏ,通过其刚性的吡咯烷环,降低蛋白质去折叠时的骨架熵,从面使其周围的构象更合理。这一Ｐｒｏ理论（ｔｈｅ ｐｒｏｌｉｎｅ ｔｈｅｏｒ     

核酸、氨基酸分类和蛋白质二级结构关系的分析与分子设计

核酸序列中包含一定的蛋白质结构信息。根据通常情况下遗传密码表中密码子中间位的碱基配对时产生的氢键数目,尝试将20种氨基酸划分为两类,并用自编的计算机软件对蛋白质二级结构数据库中两类氨基酸的类聚现象进行了统计分析。结果表明,使用这种方法对氨基酸进行划分后,氨基酸残基具有较大概率与划入同一类的氨基酸残基相邻出现,并且这种聚集体对二级结构具有一定的偏好性。最后按照该方法设计了一段氨基酸序列并给出了预测服务器预测得到的结构。     

核酸、氨基酸分类和蛋白质二级结构关系的分析与分子设计

核酸序列中包含一定的蛋白质结构信息。根据通常情况下遗传密码表中密码子中间位的碱基配对时产生的氢键数目,尝试将20种氨基酸划分为两类,并用自编的计算机软件对蛋白质二级结构数据库中两类氨基酸的类聚现象进行了统计分析。结果表明,使用这种方法对氨基酸进行划分后,氨基酸残基具有较大概率与划入同一类的氨基酸残基相邻出现,并且这种聚集体对二级结构具有一定的偏好性。最后按照该方法设计了一段氨基酸序列并给出了预测服务器预测得到的结构。     

怎样理解β—折叠属于蛋白质二级结构

不少中学生物学教师对β-折叠划为蛋白质二级结构提出疑问,疑问的主要点是:蛋白质的二级结构是指一条多肽链的折叠盘绕方式,而β-折叠(不论是平行的或是反平行的)都是两条以上肽链折叠盘绕而成,一条与两条以上显然是不相等的。而所有研究蛋白质的论著都毫无置疑地把β-折叠列为二级结构,这应该怎样理解呢?本文试浅析如下: 二级结构的概念和特征蛋白质的分子量很大(约六千到一百万之间)。结构十分复杂。为了研究的方便,1952年Linderstrφm—Lang首先将蛋白质的结构划     

圆二色光谱在蛋白质结构研究中的应用

近几年来,圆二色光谱在蛋白质结构研究中的应用越来越广泛。通过对远紫外圆二色光谱的测量,可以推导出稀溶液中蛋白质的二级结构,进而分析和辨别蛋白质的三级结构类型;通过对近紫外圆二色光谱的测量和分析,可以推断蛋白质分子中芳香氨基酸残基和二硫键的微环境变化,研究介质与蛋白质结构间的关系;通过测定实验参数和环境条件变化时的圆二色光谱,可以研究蛋白质构像变化过程中的热力学和动力学特性。     

隐马尔可夫模型-改进的预测蛋白质二级结构方法

引入蛋白质二级结构预测的新方法：隐马尔可夫模型,其中将蛋白质的二级结构分成三类：H(指α-螺旋),E(β-折叠)及O(包括转角,卷曲及其结构)．该方法属于统计方法,但考虑了相邻氮基酸之间的相互作用(体现在状态传输概率)．通过模型的改进及参数的确定后,我们编制了程序HMMPS．用它来预测蛋白质二级结构,具有很高的准确度．其中关于H,F和O的准确率分别达到80．1％．72.0％和63．2％这表明．我们的方法是较为可靠的。     

植物甜蛋白马宾灵(Mabinlin Ⅱ)的二级结构及其B细胞抗原表位预测

马宾灵(MabinlinⅡ)是中国所特有的植物甜蛋白,在目前已知的7种植物甜蛋白中具有最佳的热稳定性,将其作为新型甜味剂有着广阔的市场前景。本研究以马宾灵的氨基酸序列为基础,采用Garnier-Robson方法和Chou-Fasman方法预测马宾灵的二级结构,采用Karplus-Schulz方法预测马宾灵的蛋白质骨架区柔韧性,采用Kyte-Doolittle方法预测马宾灵的蛋白质疏水性,采用Emini方法预测马宾灵的蛋白质表面可能性,采用Jameson-Wolf方法预测马宾灵的B细胞抗原表位。分析结果表明,马宾灵的A链多形成转角和无规则卷曲结构,A链的N端27～30区段形成较柔软的蛋白质骨架结构,A链的N端4～6、7～9、10～11、12～14、20～22、23～26和30～33区段为抗原位点的可能性较大;马宾灵的B链多形成β折叠和转角结构,B链的N端0～7、9～13、28～29、33～34、40～45、53～54和55～57区段为抗原位点的可能性较大。本研究以生物信息学手段分析预测马宾灵的二级结构及其B细胞抗原表位,为设计马宾灵多克隆抗体以检测马宾灵在不同生物反应器中的表达研究提供参考数据。     

基于深度学习的蛋白质建模与设计

随着蛋白质序列及结构数据的大量累积,在获得了大量描述性信息之后如何有效利用海量数据,从已有数据中高效提取信息并且应用到下游任务当中就成为了研究者亟待解决的问题。蛋白质的设计可使新蛋白的研发不再受限于实验条件,这对药物靶点预测、新药研发和材料设计等领域具有重要意义。深度学习作为一种高效的数据特征提取方法,可以通过它对蛋白质数据进行建模,进而加入先验信息对蛋白质进行设计。故此基于深度学习的蛋白质设计就成为一个具有广阔前景的研究领域。文中主要阐述基于深度学习的蛋白质序列与结构数据的建模和设计方法。详述该方法的策略、原理、适用范围、应用实例。讨论了深度学习方法在本领域的应用前景及局限性,以期为相关研究提供参考。     

封面故事

蛋白质折叠是蛋白质从一级结构向三级结构转变的物理过程。蛋白质的正确折叠对其行使正常的生理功能至关重要,错误折叠可以导致疾病的发生。研究蛋白质折叠机理存在诸