神经网络在蛋白质二级结构预测中的应用

本简要介绍了蛋白质二级结构预测的研究意义，简要地叙述了BP网络的原理，并且对于近年来用神经网络方法在蛋白质二级结构预测中的主要工作进展做了较为详细的评述。最后，介绍了人工神经网络在生物信息学中的应用前景。     

基因结构预测

人类基因组计划已经完成,基因组研究的热点已从基因组测序转向对基因组表达的分析和对蛋白质结构和功能的预测。大量生物分子的数据需要综合运用数学、物理、计算科学和信息科学等进行分析和处理,从而产生了生物信息学这门崭新的学科。本文介绍了基因结构预测的基本步骤和相关软件的原理及使用,综述了国外在启动子、转录因子、剪接位点等基因功能位点预测方面所取得的最新进展。     

基于复合金字塔模型的蛋白质二级结构预测系统

利用预测系统方法, 对蛋白质二级结构预测提出了一种逐步求精、多层递阶的预测系统模型, 即复合金字塔模型. 这种模型由4个独立协同的层面组成, 通过智能接口有机融合了SAC, AAC, KDD*等源于KDTICM理论的模型和方法. 模型整体贯穿物化属性与结构序列, 采用因果细胞自动机选择有效物化属性, 构造纯度较高的结构数据库作为训练数据源, 利用领域知识与背景知识进行优化. 本模型在数据集RS126及CB513分别取得83.06%与80.49%的Q₃准确度, 在对偏α/β型蛋白质的预测实验中, 取得了93.12%的Q₃准确度, 并存在着进一步提高准确度的优化空间.     

蛋白质功能基团三维模体及其应用

用一维序列模体和三维结构模体刻画与识别蛋白质功能区是蛋白质功能预测和分子设计中的重要课题。目前三维模体的提取与搜索均以残基为单位进行。特异性有限。鉴于残基的功能基团才是其发挥功能的关键要素,提出以功能基团为单位来表征三维模体（称为功能基团三维模体）,并发展了相应的搜索算法,用于阐释蛋白质功能的结构基础以及预测未知蛋白质的功能。以从胰蛋白酶（ＰＤＢ代码为１ｍｃｔ）中提取的“三联体和氧穴”功能基团三维     

尿胰蛋白酶抑制剂的空间结构预测

尿中的胰蛋白酶抑制剂(urinary trypsin inhibitor,简称UTI)是丝氨酸蛋白酶抑制剂的一种,存在于人类的尿液中,可抑制胰蛋白酶、弹性蛋白酶等多种蛋白酶的活性,是治疗急性胰腺炎的特效药。迄今为止,UTI的三维结构仍属未知。它是一种糖蛋白,含糖量高达50％,同时,它也是一种双结构域蛋白,它的结构信息对于我们研究蛋白质结构域间的相互作用也极有益。鉴于UTI重要的生物学功能以及特殊的结构意义,我们对UTI的空间结构进行了预测,所用的方法是已被众多结构生物学家认可的同源结构预测法,它的基本思想是:蛋白质的空间结构比一级序列更为保守。     

模式识别方法研究蛋白质二级结构的规律

蛋白质二级结构系由其氨基酸顺序决定。作为粗略近似,可以认为多肽链片段的二级结构主要由该片段中的氨基酸残基决定。蛋白质二级结构实验工作量甚大,故若能根据氨基酸顺序预测二级结构,将有一定价值。为此曾提出某些统计方法,但结果不十分理想,故我们试探其他预测途径,试用模式识     

基于小波方法的蛋白质非规则二级结构预测

蛋白质的二级结构可以分为两类：规则二级结构和非规则二级结构，α螺旋和β折叠是典型的规则二级结构，它们的残基具有重复的主链转角，而且它们的N－H和C－O基团以氨键形式周期分布。相比之下，剩余的部分没有可重复转角，称之为非规则二级结构，对蛋白质氨基酸序列做了广泛的分析，结果表明，用连续小波变换可以对蛋白质氨基酸序列中的非规则二级结构进行有效的预测。     

日新月异的RNA二级结构预测

对RNA结构与功能的研究是当今生物信息学一个非常重要的课题。对RNA自身功能的认识在当前已经得到了极大的拓展和深入。而研究它更可以作为研究蛋白质结构与功能以及DNA序列中基因信息的突破口．本系统介绍了从上世纪70年代以来发展至今的各类RNA二级结构预测算法。从对RNA结构预测方法的追溯和跟踪。对当今RNA研究的进展和形势作了一个总结。并预测了这一领域未来的研究发展趋势．     

生物信息学:生物实验数据和计算技术结合的新领域

大量的蛋白质和核酸数据的积累与理性地分析这些数据中所蕴涵的生物学意义的以重需要,产生了综合生物学研究与计算技术研究等领域最新的交叉性学科“生物信息学”、分别从基因序列或蛋白质结构等生物信息数据库、基因组分析或蛋白质结构分析等常规生物学计算软件、基因组数据库检索或蛋白质空间结构识别与预测等在线生物学计算服务器、人工生命等几个方面,概述了发展中的生物信息学的最近动态和有关信息,并同时提供了相关的热门生     

一种基于结构域的蛋白质功能分类预测新方法

从已知的蛋白质序列数据出发，预测蛋白质的功能是生物信息学研究的一项重要任务。常见而有效的一种方法是将蛋白质按照其序列特征归并到不同的功能类中去。据此我们应用最大似然估计（MLE）算法，发展了一种以蛋白质结构域组成特征为基础的方法，对蛋白质进行功能分类。我们对酵母（Saccharomyces cerevisiae）基因组用MLE方法和文献中记载的另一种方法进行了预测，并对两种方法进行了比较。结果表明MLE方法预测明显优于文献中记载的另一种方法。MLE方法的特异性达到75.45%，敏感性达到40.26%。这个结果也说明结构域是蛋白质的一个重要特性，它与蛋白质的功能紧密相关。