定量预测α-淀粉酶及其突变体的酶反应米氏常数

【目的】α-淀粉酶是一种重要淀粉水解酶，而Km值是酶反应中重要的参数，尝试建立一种利用α-淀粉酶初级结构定量预测米氏常数Km值的有效模型。【方法】通过神经网络模型，利用535种氨基酸属性定量预测α-淀粉酶 Amy7C及其52个突变体反应的Km值，其中33个酶用于模型训练，其余的用于模型验证。首先用双层的20-1前馈反向传播的神经网络进行预测，然后对多层神经网络模型进行筛选。【结果】535种氨基酸属性中有109种属性可以用模型预测，其中动态属性拟合结果较好，4个动态氨基酸属性中有3个属性可以用于模型预测，但拟合结果最好的氨基酸属性分别来自氨基酸理化性质和二级结构。对9种拟合和验证结果最好的氨基酸属性进行7种多层神经网络模型拟合，结果显示增加模型的复杂度并不能提高预测结果的精准度，表明较为简单的模型，如20-1或20-5-1是定量预测建模的首选。【结论】α-淀粉酶酶解反应的米氏常数Km ，可以利用某些氨基酸属性通过神经网络模型进行定量预测。为今后利用酶的初级结构定量预测酶反应中各参数最适条件提供思路。     

α-淀粉酶Amy7C及其突变体最适pH值的定量预测

【目的】pH值是影响酶催化效率的关键参数,通常需要通过实验方式才能确定生物酶的最适 pH 值,而该方式要消耗较多的人力、物力和时间。因此,有必要发展一种利用酶的简单结构信息即可预测其最适 pH 值的方法。【方法】以20-1前馈反向传播的神经网络为模型,完成535种氨基酸属性对α-淀粉酶 pH 值的拟合。同时,将α-淀粉酶 Amy7C及其54个突变体的数据分为2组,用35个酶作为训练组进行拟合,20个酶作为验证组进行检验,并对不同层次及神经元个数的模型进行比较。【结果】109个氨基酸属性可实现20-1神经网络模型收敛,表明这些氨基酸属性可用干预测α-淀粉酶的最适 pH值,但是不同氨基酸属性预测 pH 值的效果差别较大,只有部分指标预测 pH值的效果较好。多模型的分析结果显示,不同模型对训练组R值的结果具有显著性差异,而对训练组P值、验证组R值和验证组P 值结果无显著性差异。【结论】氨基酸分布概率等属性可用干预测α-淀粉酶的最适 pH值。20-1神经网络模型是预测α-淀粉酶最适 pH值相对理想的模型。     

红树白骨壤果实中芳香脂类化学成分研究

【目的】研究红树白骨壤(Avicennia mavina)果实中芳香酯类化合物。【方法】采用柱色谱、凝胶层析和高效液相色谱分离技术,从白骨壤果实中分离芳香酯类单体化合物,运用理化和波谱分析方法鉴定其化学结构。【结果】从白骨壤果实中分离获得7个芳香酯类化合物,分别鉴定为甲基(4-氯-4[N-羟氨基]苯基)醋酸酯(1)、4-(2-羟基乙氧基)苯甲酸甲酯(2)、邻苯二甲酸二异丙酯(3)、咖啡酸甲酯(4)、原儿茶酸甲酯(5)、邻苯二甲酸二(2-乙基)己酯(6)、邻苯二甲酸二丁酯(7)。【结论】化合物1~7均是首次从该种海洋植物中分离得到,其中化合物1和2为新天然产物。     

氨基酸和蛋白质的组合特征与秀丽隐杆线虫蛋白质的结晶倾向的相关分析

通过逻辑回归和神经网络模型,分别研究3种单个氨基酸和整个蛋白质的组合特征与秀丽隐杆线虫(Caenorhabditis elegans)蛋白质的结晶倾向的相关性,并以535种单个氨基酸特征为基准,进行蛋白质结晶倾向的相关比较。结果显示,组合特征与秀丽隐杆线虫蛋白质的结晶倾向具有相关性,可用于预测蛋白质的结晶倾向。