蛋白质结构类预测的新方法：基于蛋白质二级结构序列的预测方法

提出了由蛋白质二级结构序列预测蛋白质结构类的新方法，并给出了预测蛋白质结构类的简明预测规则。     

模式识别方法预测蛋白质二级结构的研究

提出一种预测蛋白质二级结构的模式识别方法。该法首先对大量已知结构的蛋白质实验数据进行分析，找出鉴别蛋白质不同结构成分的有效信息，即设计分类器，然后实现对未知蛋白质二级结构的预测。用此方法对６４０个实验样本进行了研究，得到较高的预测精度，表明方法是有效的。还对实验结果进行了分析；讨论了有限样本对分类器性能的影响。     

水稻蛋白质二级结构预测

针对水稻蛋白质二级结构预测研究,查阅了国家水稻数据中心文献资源,基于国际蛋白质数据库(protein data bank, PDB),选择具有代表性的蛋白质(5XQI)作为样本,应用BP神经网络建模技术,对水稻蛋白质二级结构进行预测研究。结果表明：先用氨基酸描述子量化一级结构,再用主成分分析综合描述子,能简化模型结构,提高模拟预测准确度和运行速度;构建标量型的人工神经网络模型和仿真函数预测式,简捷直观,应用方便;适宜的模型结构为21∶20∶3,即21个输入层节点、20个隐含层神经元、3个输出层神元的BP神经网络模型结构;模型的整体拟合准确度为0.85,H、E、C三种二级结构的拟合准确度分别为0.92、0.79、0.81;整体预测准确度为0.72,三种二级结构的预测准确度分别为0.79、0.65、0.71。基于BP神经网络的水稻蛋白质二级结构预测模型的拟合、预测准确度比以往同类研究高,为水稻蛋白质二级结构预测提供了一种新的研究方法。     

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％。     

基于网络服务的蛋白质二级结构预测软件

借助位于互联网的蛋白质结构预测服务，开发了一个蛋白质二级结构预测软件，它能全面快速地搜索到不同网站的各种预测结果，对其进行综合分析可获取更准确的预测，用户不必分别访问每个网络服务界面并填写数据，程序能自动提交预测请求，并收集，分析各个网站的预测结果，因而该软件能够大大提高结构预测效率和准确率。     

蛋白质二级结构的统计力学研究

本文将Zimm-Bragg模型推广到实际多肽链，建立了蛋白质二级结构的统计力学形式，着重讨论了如何依据统计力学预测蛋白质二级结构的问题。     

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。     

蛋白质二级结构的红外光谱

蛋白质的多肽锭组成了各种特定的三维空间构象，氢键在维系这种构造中起着十分重要的作用。本文通过红外光谱法研究了蛋白质的二级结构和氢键在维系这种构造中的作用，发现具有螺旋和折叠构象的多肽链主要以反式构象为特征排布。     

蛋白质的二级结构和mRNA的二级结构的相关性研究

利用置信度为95的特征字研究了蛋白质二级结构以及其对应mRNA二级结构，发现蛋白质二级结构和mRNA二级结构有明显的相关性。规则二级结构α—螺旋，β—折叠以及包含有Turn的边界明显倾向于mRNA二级结构的茎区，而避免出现在环区。     

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.     

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。     

蛋白质二级结构中对应的密码子关联的进一步讨论

从概率论的角度出发,以人和大肠杆菌蛋白质为模式,研究了蛋白质二级结构中有显著统计意义的mRNA序列上的密码子上下文关联,以及蛋白质序列上的氨基酸上下文关联.从而给出了99%置信水平上的各二级结构中的反常密码子上下文关联偏好型.为了进一步检查反常密码子关联对二级结构的影响是否有位点保守性,研究了密码子上下文关联以及氨基酸上下文关联与二级结构位点的关系,结果显示反常密码子关联与二级结构位点没有强关联.所得结果可以给出哪些密码子的上下文关联对蛋白质二级结构有影响,且对改进蛋白质二级结构的预测有一定的参考价值.     

氨基酸分类与蛋白质二级结构相关性

从氨基酸序列和蛋白质二级结构相关性出发 ,定义信息剩余度 ,通过信息剩余度极大化 ,推导出从 2 0组到 2组的氨基酸分类结果 ,同时也得到了信息剩余度极大值 (RMAX)与约化次数的关系     

蛋白质二级结构预测中的简化编码技术

神经网络用于蛋白质二级结构预测时，通常氨基酸序列采用正交二进制编码。基于不同残基间的物理化学性质，提出了简化的编码技术，并与其他蛋白质二级结构预测的方法进行了比较。实施结果表明：这种方法更充分地利用了蛋白质一级结构的信息，有较好的效果。     

冻藏对面筋蛋白二级结构的影响

采用圆二色谱法表征了不同冻藏模式和冻藏时间对小麦面筋蛋白二级结构的影响.结果表明:在SDS溶液中,未经冻藏的面筋蛋白二级结构主要由β折叠和无规则卷曲组成;当冻藏时间小于60天时,两种冻藏模式对小麦面筋蛋白的二级结构影响不大;恒温冻藏模式中面筋蛋白二级结构在冻藏90天时变化最显著,易溶部分中α螺旋转化为β折叠和β转角,难溶部分中β折叠和β转角转化为α螺旋和无规则卷曲;冻融冻藏模式中面筋蛋白二级结构在冻藏60天时变化最显著,易溶部分中α螺旋转化为β折叠和无规则卷曲,难溶部分中β折叠和β转角转化为α螺旋和无规则卷曲.这说明,在恒温冻藏模式下,只有当冻藏时间达到或超过90天的时候,才对面筋蛋白的二级结构产生影响,而在冻融模式下,冻藏时间仅为60天时便可对面筋蛋白的二级结构产生影响.