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％。     

α／β类蛋白的构建模式及拓扑结构预测

讨论了α／β类蛋白的构建模式及拓扑分类，根据二级结构序列给α／β类蛋白拓扑结构预测的简明规则，预测成功率在８０％以上。     

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 .     

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     

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%.     

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。     

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．     

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．     

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.     

改进的离散增量算法预测27类折叠子的结构类型

蛋白质二级结构预测是三级结构预测的一个非常重要的中间步骤,而折叠子识别和结构类型的准确预测则可以提高二级结构和三级结构预测的准确度.本文从蛋白质的一级序列出发,提出了一种改进的预测算法:以二肽组分、预测的二级结构信息、伪氨基酸组分和位置权重矩阵打分值等特征分别作为参数,输入离散增量算法的单分类器中,通过加权融合单分类器的计算结果,对27类折叠子的结构类型进行了预测,取得了较好的预测结果.     

Structure of the guanine-nucleotide-binding domain of the Ha-ras oncogene product p21 in the triphosphate conformation

The crystal structure of the guanine-nucleotide-binding domain of p21 (amino acids 1-166) complexed to the guanosine triphosphate analogue guanosine-5'-(beta, gamma-imido)triphosphate (GppNp) has been determined at a resolution of 2.6 A. The topological order of secondary structure elements is the same as that of the guanine-nucleotide-binding domain of bacterial elongation factor EF-Tu. Many interactions between nucleotide and protein have been identified. The effects of point mutations and the conservation of amino-acid sequence in the guanine-nucleotide-binding proteins are discussed.     

基于多模集成神经网络的蛋白质二级结构预测

为提高蛋白质二级结构预测的精度,提出了一个由5个子网络集成的多模神经网络模型,预测结果由5个子网络综合得到。对于每个子网络采用神经网络分级思想分为二级网络,一级网络采用含进化信息的profile编码蛋白质序列作为输入,二级结构作为输出。二级网络编码一级网络输出结果作为输入,并将蛋白质序列用改进正交编码方式作为另一输入来提高二级网络的预测精度,输出仍为二级结构。采用子网络差异方式进行单独训练,结果表明该方法最终的预测精度达到71.3%,较大提高了蛋白质二级结构的预测精度。     

基于小波分析法的蛋白质结构研究

用小波的方法预测了一个已知结构蛋白质的二级结构，并把它同互连网蛋白质结构预测服务及其他结构预测软件得到的二级结构进行比较。结果表明：该方法可以较好地确定蛋白质的二级结构且不必进行同源蛋白质序列的联配。在预测未知结构的蛋白质序列方面，该方法与其他方法相比，预测结果并无显著差异，这说明小波分析法可以用于蛋白质结构研究，若与其他方法结合用于结构预测,将会起到更好的作用。     

RNA二级结构预测的神经网络方法

针对利用经典的随机上下文无关文法(SCFG)等模型对RNA(R ibonucle ic ac id)二级结构进行预测时,存在计算复杂性问题,该文给出了RNA二级结构的“新二级结构单元标签”(N SSEL)表示,相应提出了一种新的RNA二级结构预测的神经网络方法。这种二级结构的N SSEL表示格式很容易转换成常用的CT格式。基于tRNA数据集的实验表明,在完全相同的训练与测试数据集下,该方法,较之性能最好的B JK与BK 2等SCFG模型,其预测精度与相关系数都有所提高,证明了所提方法的可行性与有效性。由于神经网络启发式方法不存在计算时间复杂性问题,因此可望将此法用于预测SCFG等算法难以处理的大于1 000个碱基的长RNA序列的折叠问题。     

Hormonal stimulation of adenylyl cyclase through Gi-protein beta gamma subunits.

Agonist-bound receptors activate heterotrimeric (alpha beta gamma) G proteins by catalysing replacement by GTP of GDP bound to the alpha subunit, resulting in dissociation of alpha-GTP from the beta gamma subunits. In most cases, alpha-GTP carries the signal to effectors, as in hormonal stimulation and inhibition of adenylyl cyclase by alpha s and alpha i respectively. By contrast, genetic evidence in yeast and studies in mammalian cells suggest that beta gamma subunits of G proteins may also regulate effector pathways. Indeed, of the four recombinant mammalian adenylyl cyclases available for study, two, adenylyl cyclases II and IV, are stimulated by beta gamma. This effect of beta gamma requires costimulation by alpha s-GTP. This conditional pattern of effector responsiveness led to the prediction that receptors coupled to many G proteins will mediate elevation of cellular cyclic AMP, provided that Gs is also active. We now confirm this prediction. Coexpression of mutationally active alpha s with adenylyl cyclase II converted agonists that act through 'inhibitory' receptors (coupled to Gi) into stimulators of cAMP synthesis. Experiments using pertussis toxin and a putative scavenger of beta gamma, the alpha subunit of transducin, suggest that beta gamma subunits of the Gi proteins mediated this stimulation. These findings assign a new signalling function to beta gamma subunits of Gi proteins, the conditional stimulation of cAMP synthesis by adenylyl cyclase II.