基于結構的蛋白質折疊類型分類建模與識別.pdf

1、蛋白質的氨基酸序列如何決定空間結構是當今生命科學研究中的核心問題之一，被稱為第二遺傳密碼。由于實驗測定的費時和費力，使得從蛋白質的氨基酸序列出發(fā)理論預測它的結構成為21世紀生物學的首要任務。大量實驗和理論研究表明，蛋白質的三級結構是非常復雜而不規(guī)則的，但其整體折疊類型卻十分有限，一般認為只有數百到數千種，遠小于蛋白質所具有的自由度數。折疊類型反映了蛋白質核心結構的拓撲模式，它是從蛋白質結構的基礎層次——二級結構單元出發(fā)進行的一種描述，包

2、括了蛋白質二級結構單元、二級結構單元的相對排布位置和整個多肽鏈的路由關系。隨著蛋白質結構數據庫趨于完備，序列-結構問題便可以轉化為折疊識別問題，即找到與未知蛋白質序列在三維結構上最匹配的已知折疊類型。對自然界存在的數百到數千種折疊類型進行系統(tǒng)分類和識別，將有助于揭示蛋白質的折疊規(guī)律。本文通過對蛋白質折疊類型的研究，以結構核心的拓撲連接和空間排布為依據，建立了統(tǒng)一原理的蛋白質折疊類型數據庫LIFCA，為蛋白質折疊識別奠定了基礎。主要研究內

3、容包括： ⑴從ASTRAL-1．65數據庫中選取序列一致性小于25％的非冗余子集，包含α、β、α/β類蛋白共2406個，根據折疊核心二級結構片段的空間排布和拓撲連接，進行蛋白質折疊類型分類，對于序列、二級結構等信息提供了詳細的注釋。LIFCA包含259個折疊類型，覆蓋了SCOP中244個折疊子。 ⑵為解決LIFCA數據庫中36個折疊類型無法建立統(tǒng)一模型的問題，根據蛋白質結構差異量化指標RMSD，建立了折疊類型內部樣本的兩

4、兩距離關系，通過系統(tǒng)聚類方法生成了176個折疊子類。為LIFCA-HMM庫的完善奠定了基礎，也為蛋白質分類研究拓展了新的方法和思路。 ⑶對71個折疊類型與176個折疊子類中的樣本分別進行MUSTANG結構比對，訓練出247個Profile-HMM模型，形成完整的LIFCA-HMM庫。 ⑷以序列一致性小于95％的Astral-1．65序列庫為檢驗集，單模型及全模型庫的折疊識別檢驗精度均很高。為了評價所用方法的識別性能，我們