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.     

密码子上下文关联与蛋白质二级结构

对人(Homo sapiens)117个蛋白质和大肠杆菌(Ecoli)的87个蛋白质的各二级结构相对应的mRNA序列中的密码子上下文关联作了统计分析，发现它们的使用对不同种属的蛋白质二级结构有不同的偏好，对同一种属蛋白质的不同二级结构也有不同的偏好．与密码子和单碱基关联的结果比较，说明密码子上下文关联可以更加准确地预测蛋白质二级结构．     

不同折叠类型蛋白中基于密码子的二级结构偏向性分析

在传统的Chou-Fasman蛋白质二级结构预测方法的基础上引入同义密码子使用的信息,计算了200个蛋白(49种全α结构蛋白,69种全β结构蛋白,38种仅α β结构蛋白,44种α/β结构蛋白)中不同密码子对应的氨基酸形成不同二级结构(α：螺旋,β：折叠,C：卷曲)的偏向性参数．通过对这些密码子对应氨基酸二级结构偏向性的分析,得到了氨基酸二级结构偏向性分析中所忽略的同义密码子的蛋白结构信息．这些新的信息量对于指导蛋白质设计以及提高蛋白质二级结构预测的准确率有着一定的作用．     

不同基因组中同义密码子重复序列的分析与比较

以闪烁古生球菌、枯草杆菌、大肠杆菌、酵母、线虫和拟南芥基因组中所有ORF序列为样本,对编码序列中同义密码子重复序列和对应氨基酸重复序列的有关性质进行了分析.结果显示同义密码子重复序列中密码子的使用与全部编码序列的密码子使用有明显的差别,部分密码子的使用随着重复长度的增加,偏置增大.相同密码子2联体在同义密码子4和5联体中的位置明显偏好两端.同时给出了各密码子的联体能力,讨论了联体能力的大小与密码子碱基构成的关系.对于氨基酸重复序列,氨基酸重复片段数的对数随重复长度分布呈对数下降.重复序列中氨基酸的含量与全序列氨基酸的含量有显著差别,有些氨基酸随着重复长度的增加其含量偏置增大.亲水、小体积和非极性氨基酸容易形成长的联体,疏水、极性和大体积氨基酸形成的最大联体长度较短.最后,对6种模式生物进行了比较,讨论了上述结果与生物进化的关系.     

tRNA丰度是影响蛋白质二级结构形成的一个因素

从人和大肠杆菌蛋白质和DNA序列的统计分析，发现mRNA的对应一定蛋白质二级结构的m密码子片段(m=3，4，…，8)，当平均tRNA拷贝数高时(对于人高于11，对于大肠杆菌高于2．O)，偏好编码螺旋，而避免编码线团；当平均tRNA拷贝数低时，偏好性正好反过来．对于beta折叠，未发现和tRNA拷贝数有明显的统计关联．对大肠杆菌也研究了密码子频数与蛋白质二级结构的相关性，其间的关联比tRNA拷贝数与蛋白质二级结构的关联弱．因此，tRNA拷贝数与蛋白质二级结构的关联可能更为本质．机制目前尚不清楚．一种可能的解释是：tRNA丰度以某种方式影响了新生肽链的折叠，通过翻译精度的因素影响了蛋白质二级结构的形成．     

大肠杆菌的同义密码子使用偏性对蛋白质折叠速率的影响

考虑到同义密码子使用偏性的物种差异性,选取大肠杆菌的54条核蛋白为研究对象,将每条核蛋白按二级结构截取出α螺旋片段、β折叠片段和无规卷曲(α-β混合)片段,然后找到每个片段相关的核酸序列信息,计算其同义密码子使用度和相应肽链的折叠速率.在此基础上,分析了同义密码子使用偏性和相应肽链折叠速率之间的相关性,发现对于不同二级结构类的肽链片段,都有部分密码子的使用偏性与其对应的肽链折叠速率显著相关.因此,在蛋白质折叠中,同义密码子的使用偏性起着重要作用.     

蛋白质规则二级结构中亲疏水氨基酸紧邻关联特性

将氨基酸椐亲 -疏水性按 5度简并进行分类 ,然后映射于蛋白质规则二级结构中 ,对规则二级结构中氨基酸的亲 -疏水性紧邻关联作了统计分析 ,并给出规则二级结构中亲 -疏水氨基酸的位置择优规律性     

脯氨酸顺式肽键与氨基酸序列关联的统计分析

通过对蛋白质空间结构样板库SLCTBASE中包含顺式脯氨酸的序列进行统计分析,发现了顺式肽键脯氨酸与其序列周围氨基酸存在较强的关联。根据单个氨基酸与构象的关联信息,构造了含脯氨酸序列的顺式构象势函数,利用这个构象势可将顺式脯氨酸信噪比由5．4％提高至30％以上。     

C端亲-疏水氨基酸在蛋白质规则二级结构中使用规律

对规则二级结构中C端亲—疏水性氨基酸的紧邻关联、次邻关联、次次邻关联作了统计分析，并给出了规则二级结构中亲—疏水氨基酸的位置择优规律．     

蛋白质二级结构由氨基酸和mRNA序列编码

据氨基酸序列,密码子序列和蛋白质二级结构序列的比较,指出约18％的两肽的密切子具有反常的蛋白质结构偏好性,并且这种以常不能用随机涨落解释,因而关于蛋白质折迭的Anfinsen原理可能需要作适当修正。     

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。     

人类乙型肝炎样病毒核心蛋白中第7位疏水性氨基酸重复肚段区域的突变可以抑制病毒核衣壳的组装

人类乙型肝炎病毒的核衣壳由核心蛋白的二聚体所组成．但是,核心蛋白亚单位与亚单位之间相互作用的机制至今尚不清楚．研究发现,在人类乙型肝炎样病毒──土拨鼠肝炎病毒（WHV）核心蛋白的氨基端,存在着4个保守的疏水氨基酸残基（氨基酸位置101～102）．它们分别是亮氨酸101,亮氨酸108,缬氨酸115和苯丙氨酸122．这4个疏水氨基酸残基以每隔6个氨基酸残基而重复出现1次．它们被称为“第7位疏水性氨基酸重复肽段（hhr）”．由于蛋白质中的疏水键往往在蛋白质的相互作用中起重要作用,因此就在培养细胞系统中研究WHV核心蛋白的hhr区域在…     

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.     

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     

核酸序列的矩阵表示

提出了用矩阵形式一对一地表示核酸序列的方法．发现通过矩阵运算很容易得到描述核酸序列中单碱基出现概率和碱基相关出现概率的矩阵和值,并且很易推广到多个碱基关联的情况．对于核酸序列的编码区,用这种矩阵方法计算出密码子的使用频率．而且发现用矩阵方法比较核酸序列的同源性非常直观．     

Structural Prediction of Membrane Protein: Application to Known Structures

Membrane proteins are embedded in the lipid bilayer,which creates a suitable environment for their actions. It is important to decide which tpye it belongs to because it is closely relevant to its biological fumction and its interaction process with other molecules in a biological system. Membrane proteins have different types. The function of a membrane protein is closely correlated with the type it belongs to. In this study, on the basis of the concept of pseudo amino acid (PseAA) composition originally introduced by Chou, the value of approximate entropy (ApEn) of the query membrane protein was used to integrate the complementary information. By fusing fifteen powerful individual fuzzy K-nearest neighbor (FKNN) classifiers, an ensemble classifier was presented.Each basic classifier was trained in PseAA composition of membrane protein sequences with different parameters. The results of experiments demonstrate it is efficient for the structural prediction of membrane proteins.