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.     

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。     

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。     

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。     

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。     

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     

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     

mRNA5‘端二级结构的预测法

研究ｍＲＮＡ 5′端二级结构有什么重要性呢 ?下面的例子可以说明这个问题 :如果在接近剪接位点的编码序列内有二级结构 ,就会影响基因的转录 ;在引物中有二级结构 (如发夹 )就会抑制ＰＣＲ反应 ;如果在合成的基因序列的 5′末端有二级结构会干扰它在表达系统的翻译 ,降低基因表达产物的产量 ,这不仅提高了生产成本 ,还给生产工艺等带来极大麻烦。此外 ,ＲＮＡ5′末端形成二级结构所需要的能量也影响基因产物的产量。所以 ,要想在基因表达系统中得到大量的基因产物就必须考虑这些问题 ,并对所克隆基因 5′末端的结构和它形成二级结构所需要…     

预测蛋白质二级结构的人工神经元网络方法

本文独立地建立了用人工神经元网络预测蛋白质二级结构的方法,并通过分析我们提出的分布矩阵(表达每一类构象被预测成所有各类构象的可能性的矩阵),对于这一方法的误差以及造成误差的可能的原因进行了较过去更为深入的分析.并在此基础上提出了一种修正的学习方法,结果对于规则二级结构(α螺旋和β折叠)的预测精度和相关系数均有提高.     

一种预测单链RNA分子二级结构的计算机算法

本文给出了一个利用已知能量数据构成具有最小自由能的单链RNA分子二级结构的计算机算法,并给出了此算法的可行性证明和应用实例。     

杀菌肽及膜蛋白螺旋结构预测

杀菌肽是昆虫免疫系统的能够杀死细菌的一类重要的多肽。实验方法测蛋白质的二级结构很困难,汇集已有的八种预测螺旋结构的方法,通过计算机实现,对比杀菌肽、光合反应中心的预测结果和实验结果,推测了杀菌肽的作用机理．     

用神经网络法预测膜蛋白RH和BR的二级结构

膜蛋白的结构预测目前还十分困难.本文以两个典型的膜蛋白为选材,用神经网络方法对其二级结构做了预测.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一致,因此是较好的.鉴于目前还没有人将此方法用于膜蛋白的结构预测.我们拟进一步发展此方法.     

RNA大分子的二极结构预测

本文提出能预测单链核酸分子的具有最小自由能的二级结构的计算方法。方法的基础是拓扑平面图的最大C—匹配原理和现有的单链核酸分子折叠构象的热力学数据资料。为了说明算法的能力,对免疫球蛋白r1重链的mRNA片段序列(459个核苷酸残基)大肠杆菌16s rRNA片段序列(567一883)以及脊髓灰白质炎病毒RNA片段序列(1—74O)的二级结构进行了计算机预测并同现有的结构模型进行了比较和讨论。由计算机预测的大肠杆菌16s rRNA中心域的二级结构与Noller和Woese提出的结构模型基本一致。     

作物杂种后代基因型值和杂种优势的预测方法

本文提出了利用作物亲本和F_1预测杂种后代基因型值和杂种优势的统计分析方法.该方法运用加性-显性遗传模型,分析双列杂交试验资料,用MINQUE(1)法估算方差分量以及预测遗传效应值.由加性和显性效应预测值可进一步预测F_1,F_2,BC_1,BC_2,等不同世代的基因型值,在预测F_1群体平均优势和群体超亲优势的基础上,可以推导出其它各世代的杂种优势.提出了预测杂种后代保持超亲优势世代数的简单公式,根据杂交组合F_1群体平均优势和双亲相对遗传差异,便可预测该组合能在生产上直接利用的世代数.以棉花六个品种完全双列杂交试验资料为例,分析了各组合F_1和F_2的基因型值、超亲优势和保持5％超亲优势的世代数.     

模式识别及其在生药学领域中的应用

本文对模式识别及其在生药学领域中的应用进行了综述,附参考文献21篇。