基于不同氨基酸分布的蛋白質超家族的識別.pdf

1、蛋白質超家族是由一個或多個不同的蛋白質家族組成的，這些家族成員序列間的一致性(identity)較低，但從它們的結構和功能特征上看卻有來自共同起源的可能性，因此通過序列比對尋找它們共同的序列模體成為常用的識別蛋白質超家族和家族的方法。除了序列比較的方法外，氨基酸的物理化學性質也是決定蛋白質折疊的重要因素，其中氨基酸的親水模式和疏水模式被認為是最保守的。 本文首先選取了單個氨基酸的物理化學性質及其關聯(lián)分布作為參數(shù)(定義為“3p參數(shù)

2、”)，使用最小離散增量方法對同一結構類中的不同超家族進行了識別。 對全α類的4個超家族self-consistency檢驗為83.1％，jack-knife檢驗為80．7％； 對全β類的4個超家族self-consistency檢驗和jack-knife檢驗均為80.9％；對α+β類的4個超家族兩種檢驗的結果分別為88.6％，88.0％；識別α／β類的4個超家族時，兩種檢驗的結果分別為69.3％，67.6％。 脯氨酸、甘氨酸、半

3、胱氨酸對結構的形成有巨大的影響，鑒于這三種氨基酸的特殊性，在選取單個氨基酸的物理化學性質及其關聯(lián)分布作為參數(shù)的同時，把它們在各個分段中出現(xiàn)的個數(shù)作為另外一部分參數(shù)，稱之為“6p參數(shù)”。以6p參數(shù)作為最小離散增量方法中的離散源，對同一組超家族進行識別的結果較選取3p參數(shù)有了較大的提高，對全α類的4個超家族進行識別， self-consistency檢 驗和jack-knife檢驗分別為93.1％，92.9％；對全β類的4個超家族，兩種檢

4、驗的結果分別為91.5％和90.5％；對α+β類的4個超家族，兩種檢驗的結果分別為92.0％，91.8％；對α／β類的4個超家族，兩種檢驗的結果分別為78.3％，76.4％。 通過一系列的參數(shù)選擇和計算，并綜合考慮蛋白質的整體信息，選取20個氨基酸使用頻數(shù)、400個氨基酸二聯(lián)體使用頻數(shù)以及前面所討論過的“6p參數(shù)”分別作為最小離散增量方法中的離散源，通過離散增量的計算分別打分并綜合評比識別同一組蛋白質超家族，對全α類的4個超家族

5、，self-consistency檢驗和jack-knife檢驗可達96.0％，94.4％；對全β類的4個超家族，兩種檢驗分別為91.4％和91.0％；對α+β類的4個超家族，兩種檢驗總成功率分別為95.6％，94.7％；識別α／β類的4個超家族時兩種檢驗的結果分別為87.0％和85.7％。對超家族數(shù)據(jù)庫中氨基酸的親疏水關聯(lián)分布進行了簡單的分析和討論。 最后，分別在前面所用的超家族數(shù)據(jù)庫和蛋白質結構類數(shù)據(jù)庫的基礎上討論了氨基酸關