蛋白质结构类预测的新方法：基于蛋白质二级结构序列的预测方法

提出了由蛋白质二级结构序列预测蛋白质结构类的新方法，并给出了预测蛋白质结构类的简明预测规则。     

酵母蛋白质的序列相似性分析

介绍了蛋白质序列相似性分析的进展，并以对酵母蛋白质所做的工作为例，详细说明了蛋白质序列相似性分析的过程和有关算法，阐明了将蛋白质的结构分析和功能预测结合起来对序列相似性分析的意义，还针对蛋白质结构分析和功能预测的方法，提出了一些目前存在的问题，作为以后研究工作的出发点。     

蛋白质二级结构中对应的密码子关联的进一步讨论

从概率论的角度出发,以人和大肠杆菌蛋白质为模式,研究了蛋白质二级结构中有显著统计意义的mRNA序列上的密码子上下文关联,以及蛋白质序列上的氨基酸上下文关联.从而给出了99%置信水平上的各二级结构中的反常密码子上下文关联偏好型.为了进一步检查反常密码子关联对二级结构的影响是否有位点保守性,研究了密码子上下文关联以及氨基酸上下文关联与二级结构位点的关系,结果显示反常密码子关联与二级结构位点没有强关联.所得结果可以给出哪些密码子的上下文关联对蛋白质二级结构有影响,且对改进蛋白质二级结构的预测有一定的参考价值.     

连续小波变换在蛋白质结构预测中的应用

将代码为3pgal蛋白质的氨基酸序列映射为疏水值序列，在合适的尺度下，通过连续小波变换方法可对其非规则二级结构进行预测，淮确率为83．3％。从PDBsum数据库中随机抽取100个蛋白质作为测试对象，经本法处理后，1853个非规则二级结构中有1424个能被淮确预测到，平均预测淮确率为76．8％。结果表明：该法可较好地预测蛋白质的非规则二级结构，具有极大的发展前景。     

蛋白质二级结构中同义密码子与氨基酸上下文关联的偏好型

通过对人(Homo sapiens)的117个蛋白质和大肠杆菌(E．coli)的87个蛋白质的统计分析，发现mRNA序列中的同义密码子与氨基酸的上下文关联是和蛋白质二级结构有关的，并给出了各二级结构中有意义的上下文关联型．讨论了该结果对蛋白质结构预测的改进意义及其在基因工程领域可能的应用。     

蛋白质的二级结构序列和结构型

从蛋白质的二级结构序列出发 ,提出了冗余的概念 ,定义了冗余数量和冗余长度 ,给出了不同结构型蛋白的冗余数量和长度的分布特性 .统计结果表明 α类蛋白中 30 %、β类蛋白中84 %、α/β类蛋白中 95 %的序列不同程度的存在冗余 ,冗余数量和冗余长度主要分布在 1～ 3的范围 .以主二级结构序列三联体为参数 ,利用信息聚类方法对 α类、β类、α/ β类、α β类的6 0 0个蛋白进行了聚类 ,结果表明 ,对冗余较少的α类蛋白 85 %以上能够较好地聚类在一枝中 ,但对于冗余较多的其它类蛋白不能分在一个大支中 ,大部分可以分散在多个小支中 .以主二级结构序列三联体为参数 ,利用 Mahalanobis距离方法对上述四种结构型进行预测 ,预测的总体准确率为 81 .1 % .聚类结果和利用 Mahalanobis距离分类结果充分展示了蛋白质二级结构序列对结构型的特殊作用 ,但由于冗余的影响使得二级结构序列的信息并未充分显示出来 .说明从蛋白质二级结构序列出发预测结构型和构建蛋白质框架结构是合理的选择     

黑线姬鼠OPN部分编码区结构与分子系统进化分析

以近缘种OPN的cDNA序列为参考设计引物,通过RT-PCR得到黑线姬鼠OPN部分序列,并将得到的cDNA序列翻译成氨基酸序列,注册到GenBank(登陆号:HM626723).利用该序列构建系统进化树,同时对其编码的蛋白质进行一级结构分析及二级结构预测.结果表明:克隆得到的209 bp OPN的序列,包括部分外显子4...     

生命科学：还有八大奥秘

作为生命基础蛋白质的结构能确定吗？目前我们不能根据纯粹的理论基础来阐明蛋白质的形状，用实验方法确定蛋白质结构是十分繁琐的事情。许多不同的氨基酸序列能形成开关相似的蛋白质，因而我们可以通过详细研究蛋白质的一个具有代表性的分子来推断各种蛋白质的结构。随着已解出的蛋白质结构的增多以及科学家开发出蛋白质基本结构分类的更加精细的方法，生物化学家将能不断地利用计算机来模拟新发现的蛋白质的结构。     

一种预测蛋白质结构型的新方法

基于蛋白质的结构类型决定于它的二级结构序列的概念 ,将蛋白质的二级结构含量和二级结构序列参数 Nα,Nβ,Nβαβ结合起来构成离散源 ,分别计算四种结构类型的标准离散量 D( Xα) ,D( Xβ) ,D( Xα/β) ,D( Xα β) ,利用离散增量的概念 ,蛋白质的结构类型是由这个蛋白质的离散量 D( X)与四个标准离散量之间离散增量的最小值所决定的 .因此 ,对标准集中 35 9个蛋白的结构型进行检测并对检验集中 1 1 7个蛋白质进行结构预测 ,标准集的准确率为 87% ,检验集的预测准确率为 88%     

用相似性方法研究三叶草家族蛋白质序列-结构关系

Anfisen因提出蛋白质的氨基酸序列包含有足够的信息去决定它的空间结构的假说而获诺贝尔奖,这使得蛋白质的三级结构唯一地由其氨基酸序列决定的说法广为人所接受的。然而,很多具有规则三级结构的蛋白质其氨基酸序列接近随机,这使得人们感到很困惑。本文将以三叶草家族蛋白质为例,根据相似性方法把序列中的隐含对称性显示出来。结果表明氨基酸序列中的隐含对称性与三级结构的三重准对称性一致。     

基于Cp-曲线的蛋白质序列相似性分析

蛋白质是生物体内行使重要功能的生物大分子.蛋白质的功能是由其空间结构决定的,而蛋白质的空间结构取决于其一级序列.因此,研究蛋白质的氨基酸序列就成为蛋白质结构预测的前提和基础,并已经成为生物学家关注的主要研究内容之一.主要介绍基于20种氨基酸的一种5-L模型,将蛋白质序列粗粒化为5-L序列,进而给出蛋白质序列的一种3-D图形表示,称之为Cp曲线.将Cp曲线转化为容易比较的序列不变量,并在此基础上对11个物种β-球蛋白质序列进行相似性分析.     

四螺旋桨家族蛋白质序列——结构关系研究

蛋白质的三级结构唯一地由其氨基酸序列决定,这是广为人所接受的。然而,很多具有规则三级结构的蛋白质其氨基酸序列接近随机,这使得人们感到很困惑。本文将以四螺旋桨家族蛋白质为例,通过简化氨基酸残基,根据相似性方法把序列中的隐含对称性显示出来。结果表明氨基酸序列中的隐含对称性与三级结构的四重准对称性一致。     

蛋白质二级结构预测的结构表达方法研究

蛋白质二级结构预测时,描述窗口内氨基酸残基序列的各种物理化学和分子结构参数的数量非常大,而且不能很好地直接体现氨基酸的连接顺序,这样就造成二级结构预测工作既费时效果又低下,因此,对这些数据预处理是非常必要的.研究发现,这些初始数据对应的变换矩阵的本征值谱与氨基酸残基序列情况无关,只与氨基酸的类别、数量性质有关,而其本征函数数据能够直接反映氨基酸残基的序列情况,利用有显著大小的本征值对应的本征函数作为描述参数,在进行蛋白质二级结构预测时,不但能够显著减少描述参数的个数,而且它体现了氨基酸顺序的变化,这将有效提高蛋白质二级结构预测研究效果.     

基于蛋白质序列的氨基酸字母表简化

蛋白质的结构和功能特性由其氨基酸序列编码,控制序列结构映射的规则被认为是二级遗传密码,氨基酸字母表的简化可以减少蛋白质序列中的冗余,有助于揭示编码规则.基于氨基酸的单体特征、成对相互作用和相似性,可以简化氨基酸字母表.目前,仅基于蛋白质的序列信息,根据最近邻氨基酸的出现频率构建了一个氨基酸的嵌入表示.在此基础上,提出一...     

人类SSX基因族简介

人类的SSX基因家庭包括5个成员，SSX1，SSX2，SSX3，SSX4和SSX5，它们都位于X染体色上，这5个基因有很高的序列同源性：碱基序列有885－95％同源；所编码188个氨基酸残基构成的蛋白质有77％－91％同源，它们所编码的蛋白质中含有KRAB（Kruppel associated box），SSX蛋白质也是癌／睾丸抗原（CT：Cencer/testis antingns)中的成员，研究SSX基因结构，基因表达等对于肿瘤免疫疗法的建立具有重要意义。     

氨基酸分类与蛋白质二级结构相关性

从氨基酸序列和蛋白质二级结构相关性出发 ,定义信息剩余度 ,通过信息剩余度极大化 ,推导出从 2 0组到 2组的氨基酸分类结果 ,同时也得到了信息剩余度极大值 (RMAX)与约化次数的关系     

LEA蛋白质11-氨基酸基序与植物抗旱性

分析了8种重要农作物第三组LEA蛋白质序列中的94个11-氨基酸基序.得出一致性序列为TAEAAKQKAGE.LEA 3蛋白质中11-氨基酸基序呈多拷贝串联排列,其长度占蛋白质序列总长度的40%～60%.带电荷/ 极性氨基酸和疏水氨基酸数目分别占重复序列氨基酸总数的70.89%和29.11%.11-氨基酸基序的二级结构多呈α-螺旋结构.其中第1,2,4,5,9位疏水氨基酸形成螺旋蛋白质分子的疏水界面,其余位置的氨基酸形成螺旋分子的亲水界面.LEA 3蛋白质全序列平均亲水指数为-0.95～-1.22.无信号肽序列.8种LEA 3蛋白分子的上述特性与植物的抗旱性有关.     

从序列预测蛋白质折叠速率

基于序列预测二级结构的蛋白质折叠速率的成功预测暗示着折叠速率能够单独从序列中预测出来.为了追踪这一问题,提出了从序列预测折叠速率的一种方法,而不需要任何二级结构和拓扑的信息.残基对折叠速率的影响与氨基酸的性质有密切的关系.对双态和多态蛋白质实验测定的折叠速率的相关性达到了82.9%,这意味着蛋白质的氨基酸序列是决定折叠速率和机理的重要因素.     

生物序列数据挖掘技术研究

生物序列数据是生物信息数据中重要的一部分,研究生物序列解读其隐含的生物学意义是生物信息学研究的热点和难点。数据挖掘是当前分析大规模数据的有效工具之一,已广泛应用于分析生物序列数据,并取得了许多研究成果。文章综述了生物序列数据挖掘的关键技术,包括序列比对算法、DNA序列模式挖掘、关联、分类、聚类分析、RNA二级结构预测、蛋白质序列分类和聚类分析,最后展望未来研究方向。     

递归迭代函数系统对detailed-HP模型的蛋白质序列的混沌游戏表示的模拟

蛋白质序列的可视化表示——混沌游戏表示呈现出了分形特征。根据分形的产生机理,用递归迭代函数系统模型模拟了蛋白质序列的混沌游戏,并通过比较递归迭代函数系统的吸引子的不变测度与混沌游戏表示的测度之间的差异,得出该方法对蛋白质序列的混沌游戏表示的逼近效果很好这一结论。基于该方法,人们可以对蛋白质序列的混沌游戏表示进一步作重分形分析,从而进一步研究蛋白质的结构的预测和物种的进化。