通过构建蛋白质结构域功能模版库做基于氨基酸序列的蛋白质功能位点预测(英文)

由蛋白质序列预测蛋白质功能位点对于理解蛋白质功能具有重大的意义,它同时也为生物学实验提供了重要依据.长期以来,基于知识库的方法一直是预测蛋白质功能位点的可靠方法.通过适当修改蛋白质结构分类库SCOP构建了一个附带功能注释的结构域模版库(fDPD),其中每个模版都包含一组序列和结构都非常相近的已知的蛋白质成员.fDPD通过隐马尔可夫模型方法HMMER由未知蛋白质的序列预测其功能位点.为了考察本方法的效果我们检测了两个通用的酶催化位点数据库,一个由约1 500个序列构成的钙离子结合蛋白数据库和从CASP9中提取出的数条蛋白质序列.我们的方法对于配体结合位点以及钙结合位点的预测取得了较高的精度和覆盖率,其催化位点的预测效果仅次于目前已知的最好的方法.我们的计算结果表明,结构上相似的蛋白质其功能位点倾向于出现在蛋白质表面上相似的位置.     

蛋白质残基接触图预测

蛋白质是由多个氨基酸组成的长链,是生物体的必要组成成分,参与了生命活动的每一个进程。蛋白质结构决定了许多蛋白质的功能,准确预测蛋白质中氨基酸残基接触对于蛋白质结构预测具有重要意义,蛋白质残基接触问题已经成为当前生物信息领域的热点问题。该文首先给出了蛋白质残基接触图预测的相关背景知识及其重要意义;其次,总结了当前国内外研究的主流方法,包括基于局部相关性的方法、直接耦合分析法与其后处理的方法、以及基于有监督机器学习的方法,并对其中的代表性方法进行了阐述;结合国际蛋白质结构预测竞赛(Critical assessment of protein structure prediction,CASP)的结果对现有模型的性能做了对比和分析;在此基础上,探讨了残基接触图预测在蛋白质结构功能建模中的应用;最后,针对蛋白质接触图预测中存在的若干难点问题,给出了有望取得突破的若干研究方向。     

宜安科技：加强供需对接 完善企业创新研发机制

东莞宜安科技股份有限公司(以下简称"宜安科技"或"公司")是一家集先进新材料研发和高精密压铸业务为一体的国家高新技术企业。公司借助第五届中国创新挑战赛(广东)暨2020广东创新挑战赛(以下简称"创新挑战赛")解决技术难题,激发企业科技创新活力,推动科技成果转化,加强供需对接,进一步完善企业创新研发机制。     

科恒实业：探索前沿技术 打造高端产能

新能源汽车的高速发展带动了锂电池需求的快速增长,随着新能源车企启动量产周期,锂电设备企业也加快了新增产能布局。江门市科恒实业股份有限公司(以下简称"科恒实业"或"公司")是锂电池产业上游的重要参与者,着重于锂电正极材料、锂电设备、稀土功能材料等领域的研发工作。公司通过对接第五届中国创新挑战赛(广东)暨2020广东创新挑战赛(以下简称"创新挑战赛")有关获奖项目,形成产学研合作创新模式,共同探索正极材料的高镍化高端化路线,拓宽成长赛道,打造高端产能。     

支持向量机程序SVMProt预测SArs病毒蛋白质的功能

对SARS冠状病毒蛋白质功能的有效识剐将有利于促进SARS传染病治疗药物的开发。应用基于支持向量机原理的SVMProt程序识别SARS冠状病毒蛋白质的功能,通过对SARS冠状病毒中2个已知功能的蛋白质功能的成功预测,说明SVMProt能够有效地应用于SARS冠状病毒蛋白质及其他种类蛋白质的功能预测。对SARS冠状病毒中至今仍未知其功能的蛋白质ORFl3的功能进行了预测,结果显示ORFl3是一种可能与DNA结合的核蛋白并兼有病毒体内结构蛋白的功能。     

松山湖材料实验室：紧密对接 服务地方产业

松山湖材料实验室(以下简称"实验室")轻元素先进材料与器件团队(以下简称"轻元素材料团队"或"团队")依托其在轻元素薄膜材料制备领域的技术优势,瞄准高柔性、高导电、低损耗单晶材料方向布局,解决能源交通、高速通信、柔性电路等领域关键核心材料的"卡脖子"问题,打造国际一流水平的轻元素材料研发和产业基地。在第五届中国创新挑战赛(广东.东莞松山湖)现场赛(以下简称"创新挑战赛")上,轻元素材料团队联合大连交通大学连续挤压教育部工程研究中心承接了东莞宜安科技股份有限公司提出的"高强高导铝合金结构与器件一体化制造技术",并荣获一等奖。该技术的成功研发,为企业解决实际问题,实现科研成果有效转化,提升企业竞争力。     

植物的光适应与捕光调节机制研究取得重要突破

正在国家重点研发计划"蛋白质机器与生命过程调控"重点专项的支持下,"光合作用重要蛋白质机器的结构、功能与调控"和"蛋白质机器的高分辨率冷冻电镜前沿技术及应用"项目联合攻关,取得突破进展,发现了植物的光适应与捕光调节新机制。光合作用为世界上几乎所有的生命体提供赖以生存的物质和能量,放氧光合作用还     

中睿智能：精准对接技术 深化产学研合作

东莞中睿智能设备有限公司(以下简称"中睿智能"或"公司")是一家专注于精益智能自动化整厂解决方案及新能源技术研发集成解决方案的高新技术企业。公司通过与第五届中国创新挑战赛(广东)暨2020广东创新挑战赛(以下简称"创新挑战赛")有关获奖项目主要完成单位进行对接合作,攻克了技术难关,深化了产学研合作,促进了科技成果的转化和产业化。     

恒辰光电：产研携手 破解技术应用瓶颈

广东恒辰光电科技有限公司(以下简称"恒辰光电"或"公司"),是一家集LED户外景观照明产品及控制系统方案研发、设计、生产、销售于一体的专业景观照明解决方案服务商,通过与第五届中国创新挑战赛(广东)暨2020广东创新挑战赛(以下简称"创新挑战赛")有关获奖项目主要完成单位进行对接合作,采取阶梯式技术路线,破解了技术应用瓶颈,加快科技成果的产业化进程。     

生物信息学及其在病毒研究中的应用

介绍生物信息学的原理与方法及其在病毒研究中的应用。保守序列承担着极其重要的功能，通过多重序列对齐搜寻保守序列，是生物信息学方法的基础；敏感位点是一种反映蛋白质或核酸功能的特定模式，因此，通过数量关系的优化推导敏感位点，可用于分离病毒蛋白质与核酸相互作用位点；核苷酸和氨基酸序列只有形成了三级或四级结构才能表现功能，通过同源建模预测蛋白质的高级结构，有助于疫苗的研制、抗病毒药物的筛选以及药物的分子设计。预测RNA的三级结构大多从RNA折叠入手．病毒蛋白质三级结构预测比较成功的是日本脑炎病毒包膜糖蛋白的三级结构。     

DARPA持续推动科技创新的挑战赛模式分析

 国防高级研究计划局（DARPA）是引领美军科技创新的"技术引擎"。为总结DARPA在推动科技创新方面的成功经验,回顾了DARPA代表性挑战赛的有关情况,分析了DARPA挑战赛模式的成功经验。研究表明,DARPA挑战赛模式充分利用了美国乃至世界的技术研发力量,取得了显著成效,目前已成为DARPA推动科技创新发展的重要途径,并引起美国其他创新机构和世界各国的广泛关注与纷纷效仿。     

基于二阶马尔可夫随机场的蛋白质功能预测

蛋白质功能预测是后基因组时代研究的热点问题,基于蛋白质交互网络的蛋白质功能预测方法受到越来越多研究者的关注。本文提出了蛋白质功能预测的二阶马尔可夫随机场模型,并利用伪似然估计方法对模型参数进行估计,在平均预测准确率的意义下,较一阶马尔可夫随机场模型取得了更好的预测效果。     

遗传算法在蛋白质结构预测中的应用

蛋白质结构预测在生物信息学研究中占有重要地位,此文对遗传算法（GAs)在蛋白质结构预测中的应用作一评述,首先,简要地介绍了遗传算法和一般的蛋白质构象搜索问题,然后对近年来用遗传算法解决蛋白质结构预测的研究作了回顾,并分析了算法的效果和特点,最后,展望了用遗传算法解决蛋白质结构预测问题的前景。     

蛋白质结构预测的生物信息学方法研究

生物信息学是一门数学、统计、计算机与生物交叉结合的新兴学科。随着人类基因组计划的完成与深入,应用生物信息学方法进行蛋白质结构的预测成为了后基因组时代的一项重要任务。本文重点介绍了生物信息学在蛋白质结构预测中的方法研究,简述了蛋白质结构预测的方法,介绍了蛋白质预测技术的新技术的应用与未来前景。     

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。     

小波筛选蛋白质二/三级复合结构中的三级结构

蛋白质的三级结构与生物功能是密切相关的.但是,在蛋白质结构研究中很难将二级结构与三级结构定量地区分开来.这里,以小波分析方法对α碳链进行高频去噪,只剩余蛋白质链的低频折叠.这就相当于将二级结构从蛋白质结构中剥离了出去,只保留较为纯粹的三级结构.该方法突出了长程结构的特征,为蛋白质结构的重新预测和分类提供了一条途径.     

AlphaFold预测蛋白质结构

<正>自2016年AlphaGo成功在国际象棋、围棋领域击败人类后,美国谷歌旗下的DeepMind公司便开始尝试利用人工智能技术解决棘手的科学难题。2018年12月2日,DeepMind推出了最新款人工智能程序AlphaFold,可以根据基因序列预测生成蛋白质的三维结构。生物体由蛋白质构成。蛋白质的基本单位为氨基酸。根据不同类型和数量的氨基酸链,蛋白质可以折叠成各种复杂的立体结构。这些立体结构决定了其在人体中的功能。比如免疫系统中的抗体,就     

小波筛选蛋白质二／三级复合结构中的三级结构

蛋白质的三级结构与生物功能是密切相关的．但是，在蛋白质结构研究中很难将二级结构与三级结构定量地区分开来．这里，以小波分析方法对α碳链进行高频去噪，只剩余蛋白质链的低频折叠．这就相当于将二级结构从蛋白质结构中剥离了出去，只保留较为纯粹的三级结构．该方法突出了长程结构的特征，为蛋白质结构的重新预测和分类提供了一条途径．     

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。     

同源建模方法预测蛋白质突变结构的适用性分析

通过从Protein Data Bank(PDB)结构数据库中提取单氨基酸突变的晶体结构,构建了一组无冗余的测试数据集,对目前应用最广泛的两款同源建模预测软件(SWISS-MODEL和MODELLER)进行了测试分析,发现它们对蛋白质的整体结构预测效果良好,均方根偏差小于0.5埃(RMSD0.5),但在突变导致结构显著变化(RMSD1.5)的情况下却均不能得到准确结果.分类统计显示,发生在蛋白质结构内部和极性氨基酸之间的突变结构变化小,两款软件预测效果较好(RMSD1.0).突变导致结构显著变化的可能性不高(5%),但它对蛋白质功能的影响不可忽视,因此应用同源建模方法对于蛋白质突变的模拟并不完全适用,还需要开发新方法来提高准确性.