蛋白质拓扑结构预测的进一步讨论

利用信息论方法，找到了与蛋白质拓扑结构相关性较好的一些二级结构参数，确定了预测蛋白质拓扑结构的最佳参数、对α类，β类，α／β类蛋白制定了简洁的预测规则；对结果进行了讨论。     

Prediction of Topological Structure of Protein from Its Secondary Structure Sequence

提出由蛋白质二级结构序列预测拓扑结构的方案，对全α全β和α／β型蛋白质制定了预测规则．预测成功率为８５％～９０％．     

由蛋白质二级结构序列预测拓扑结构

提出由蛋白质二级结构序列预测拓扑结构的方案，对全ａ全β和α／β型蛋白质制定了预测规则，预测成功率为８５％～９０％。     

β类蛋白的构建模式及拓扑结构预测

给出了β类蛋白基本单元满足的条件及基本单元形式，还给出了两个基本单元的组装模式和筒状β类蛋白的构建模式，明确了区别不同筒状蛋白的标准，对β类蛋白的分类进行了补充，同时给出了区分β筒和β片拓扑结构的简明预测规则，预测成功率在８５％以上．     

α类蛋白的构建模式及拓扑结构预测

给出了α类蛋白的构建规则，指出了螺旋片段的长短是决定相邻两个片段取向的重要原因．讨论了４螺旋束的构建及理论模式，对α类蛋白的分类进行了补充，给出了区分平行和垂直拓扑结构的简明预测规则     

蛋白质的结构型和拓扑结构的识别

对ＰＤＢ库（１９９５年５月以后到１９９８年７月以前）进行了同源性分析处理，得到由１４１个蛋白质构成的检验集，难了构建模式的正确性；总结了蛋白质五种结构型（α型、β型、α＋β型、α／β型）的识别方法，同时，结合蛋白质的构建模式制定了不同结构型的的拓扑结构预测结果相近。     

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     

不同折叠类型蛋白编码基因的密码子使用

对195个编码不同折叠类型蛋白（50种全α结构蛋白，66种全β结构蛋白，37种α β结构蛋白，42种α/β结构蛋白）基因的密码子使用偏性的方差分析研究表明，不同折叠类型蛋白的密码子使用偏性有着显著的区别，特定折叠类型的蛋白有着特定的编码基因的密码子使用模式，这一结果表明，在蛋白质折叠类型和蛋白质二级结构的预测过程中，编码基因的密码子使用偏性可以作为蛋白质一级结构以外的一项重要的预测标准。     

蛋白质结构域折叠类型的离散量理论预测

根据最近的SCOP库,依据2616个蛋白质结构域折叠类型的分类和PDB库中这些蛋白质的主二级结构序列,计算了这些蛋白质中α螺旋、β折叠和βαβ片段单元的数目,并以此为主要参数构成信息离散源,用离散量方法预测了这些蛋白结构域的折叠类型.结果表明,运用各种不同标准集和检验集,得到α类、β类、α/β类和α β类蛋白质结构域的预测成功率均在99%,92%,89%和87%以上.对标准集总的平均预测成功率为93.82%,对检验集总的平均预测成功率为94.35%.     

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．     

改进的分子连接性和拓扑指数方法预测硫醚的气相色谱保留指数

在分子拓扑理论基础上，定义原子结构参数αi和βi，由αi建构连接性指数^mL，由βi建构拓扑指数B。研究硫醚在不同极性固定相上的气相色谱保留指数与结构的相关性，建立相应的定量模型，预测了硫醚在4种极性固定相上的气相色谱保留指数，各样本总体所建模型的相关系数均在0．97以上。对硫醚保留指数的计算结果表明，计算值与实验值较为吻合。该法还具有计算简单，物理意义明确等优点．     

hNDR2、mNDR2基因及其蛋白质结构分析研究

基于Internet服务器上的工具软件包对hNDR2和mNDR2两个基因结构进行了分析 ,并对其蛋白质结构进行了预测。结果表明 :hNDR2和mNDR2氨基酸序列具有 91.9%的相似性 ,hNDR2蛋白质二级结构有 9个α螺旋和 11个 β叠片 ,属于α/β折叠类蛋白 ;mNDR2蛋白质二级结构有 9个α螺旋和 12个 β叠片 ,属于α/β折叠类蛋白 ;两者都有一个跨膜螺旋结构     

蛋白质α螺旋和β折叠连接多肽的分类

α螺旋和β折叠连接多肽在蛋白结构中起着十分重要的作用。本文对２４０个分辨率在０．２５ｎｍ以上较高精度结构的蛋白中α螺旋和β折叠的连接多肽进行了分类研究。在杂乱无序的连接多肽中识别出普遍发生的类型，并对它们的特征进行了系统研究，分析了它们的结构作用。本文的结果，对蛋白质结构预测和结构比较模型有一定价值，对蛋白质工程定位诱变区规律的探索有一定意义。     

蛋白质结构型预测的研究

以 nα、nβ、nβαβ、n4α、n4β等五个二级结构参数为基础 ,用离散增量研究了蛋白质的聚类和蛋白质的结构型预测 .α型 ,β型和 αβ型可以很好地分别聚在三个大支中 .蛋白质结构型预测总体预测正确率为 82 % ,用 Self-consistency和 Jake-knife这两种方法测试的结果没有明显的差别 .从结果可以看出利用蛋白质的二级结构参数能较好地体现出各种结构型蛋白质的特点 .     

鸡主要组织相容性复合体I（BF2和β2m）二级结构与同源模建

为了推进鸡主要组织相容性复合体（MHC）Ⅰ类分子（BF2，β2m）空间结构的研究，克隆、表达了鸡BF2和屉研基因，采用圆二色谱（CD）测定了其重组蛋白的二级结构，并同源模建了其三级结构．首先，将BF2和β2m基因分别插入原核表达载体进行了可溶性表达．对表达的融合蛋白进行纯化、蛋白酶切割并对切割后的蛋白进行分离和纯化，获得了麦芽糖结合蛋白（MBP）-BF2，β2m蛋白以及MBP单体．随后，测定了BF2和β2m的CD值．CD表明BF2蛋白呈典型的α螺旋；其中，α螺旋、β折叠、转角和随机蜷曲分别为72，102，70和90个氨基酸．β2m重组蛋白呈典型的卢折叠，α螺旋、β折叠、转角和随机蜷曲分别为0，46，30和22个氨基酸．同源模建显示鸡BF2和β2m蛋白与人HLA—A2和小鼠H2的3D结构类似．结果显示了BF2和β2m蛋白在二维和三维上的分子特征及其与抗原多肽结合氨基酸的空间分布，为以后进一步构建鸡BF2-β2m复合物体外鉴定病毒抗原肽系统奠定了基础．     

无闭轨Lienard系统拓扑分类中结构α3β4和α3β6的实现

在对无闭轨Lienard系统完整拓扑分类72种的基础上,证明了其中与结构A+B+C+D+0相对应的16种拓扑结构,即结构α3β4-1,…,α3β4-4以及结构α3β6-1,…,α3β6-12都是可以实现的,并给出每一种拓扑结构具有实现性的充分条件.     

氨基酸主成分分析法及在蛋白质结构预测中的应用

用化学计量学的主成分分析(PCA)法计算和分析了4种类型(α型、β型、α／β型和α β型)204个蛋白质的20种氨基酸在主成分中的贡献．研究发现，20种氨基酸在4种类型蛋白质的主成分中的贡献有明显的不同．氨基酸在主成分中的贡献体现了4种类型蛋白质的结构特征，有深刻的物理和化学的内在原因．我们把氨基酸的主成分分析法应用于蛋白质结构类型的预测，对4种类型的蛋白质都取得了满意的结果．使用LOO(leave one out)检验法，4种类型蛋白质的预测正确率分别为：76．9％(α型)、96．7％(β型)、82．2％(α／β型)和78．39／5(α β型)，204个蛋白质的整体正确率为84．3％，高于以氨基酸组成为基础的简单距离和欧几里德距离等方法．     

基于蛋白质二级结构序列的结构型预测

以蛋白质二级结构含量为基础利用Mahalanobis距离和以蛋白质二级结构序列建立数学模型相结合的方法来预测α型、β型、α＋β型和α/β型四种蛋白质结构型。     

基于蛋白质二级结构序列的结构型预测

以蛋白质二级结构含量为基础利用Mahalanobis距离和以蛋白质二级结构序列建立数学模型相结合的方法来预测α型、β型、α+β型和α/β型四种蛋白质结构型。     

预测蛋白质结构型的新方法

以二级结构含量和其它二级结构参数为基础,提出用作Ｍａｈａｌａｎｏｂｉｓ距离和建立数学模型相结合的方法来预测α型,β型,α＋β型和α＋β型四种蛋白质结构型的新方法。