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。     

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。     

基于茎区的神经网络方法预测RNA二级结构

RNA二级结构预测是生物信息学的一个重要研究内容.作为预测方法之一的神经网络已被广泛应用于蛋白质结构预测,但在RNA二级结构的应用甚少.本文改进传统预测RNA二级结构的Hopfield神经网络.算法以茎作为网络神经元,通过与相似结构茎区的比对,初始化神经元,并据此修改网络的激励系数.实验把改进后算法与改进前2种算法、M...     

基于改进BP神经网络预测蛋白质二级结构

蛋白质结构预测在生物信息学研究中占有重要地位,而蛋白质二级结构预测是蛋白质结构预测的关键步骤。针对标准BP算法存在的缺点,讨论采用几种不同的改进BP神经网络来实现蛋白质二级结构的预测,运用MATLAB语言实现各种改进算法的初始化和训练。并分析比较了它们对蛋白质二级结构预测精度的影响。实验表明,遗传算法结合动量法与学习率自适应调整策略的BP算法可获得较高的预测精度。     

生物信息学中的计算智能

生物信息学作为一门利用计算手段来研究分子水平层面的生物学问题,采用了包括计算智能、应用数学、统计学、信息学和现代生物学等方法。目前主要的应用集中在序列分析、基因预测、基因组注释、蛋白质结构分析和预测、基因表达谱分析、蛋白质相互作用和进化模型等领域。计算智能包括神经网络、模糊系统、粗糙集、进化计算、群体智能、概率推理和多智能体系统等技术方法,它的发展趋势是整合不同的方法以达到一个协同的系统。     

生物信息学研究的军事应用前景

叙述了生物信息学的研究现状及生物信息学在未来军事领域的应用前景.指出大规模基因测序中的信息分析、新基因识别、蛋白质结构预测、"数字化基因"获取、非编码区分析、完整基因组比较、基因功能表达谱分析等都是生物信息学应用于未来军事领域的重要研究内容.     

蛋白质二级结构预测概率图模型的改进

蛋白质二级结构与蛋白质三级结构及蛋白质功能密切相关,是生物信息学研究的热点,其中概率图模型隐马尔可夫算法(HMM)是该领域研究的重要工具。但是在实际应用中,存在着HMM训练下溢、不同训练集的效果差异较大及参数优化困难等问题。对预测蛋白质二级结构时HMM遇到的训练下溢问题提出了改进方案;首次提出8-状态HMM来预测蛋白质二级结构,并且将参数B改进成为包含状态转移信息的三维参数;为了改进最优HMM模型的确定方法,用每个样本分别对初始HMM模型进行训练,得到一系列新的模型,然后对这些新模型的参数求均值,将求得的均值作为最优模型的参数。这些改进方法提高了HMM预测蛋白质二级结构的准确率,为HMM的进一步优化打下良好的基础。     

国外生物信息学发展动态分析

生物信息学是生命科学倡导的学科发展方向之一，生物信息学的发展涉及多个学科。生物信息学在基因发展、疾病基因诊断、蛋白质结构预测、基于结构的药物设计、药物合成和制药工业中起着极其重要的作用。生物信息的应用大大加快了药物的研究开发进程。国外生物信息学在网络数据库资源建设、软件开发、机构、人才培养、学会和会议、专著、期刊出版等方面均呈现出快速发展的态势。     

利用生物信息学技术分析结膜支原体Hsp70基因

利用生物信息学软件DNAstar、VectorNT111．0、DNAman和SWISS—MODEL等对结膜支原体Hsp70进行了生物信息学分析．通过与其他物种的序列进行同源比对,构建了分子进化树,分析表明该基因与猪肺炎支原体Hsp70的同源性最高．基因同源性为80％,氨基酸同源性为85％;蛋白质预测结果显示,所推导的该蛋白质的等电点为5．12,C末端含有大量α螺旋结构,表现为较强的亲水性,且位于蛋白质表面,推测有可能是抗原表位。对结膜支原体Hsp70基因的生物信息学分析为其免疫原性等研究提供了理论支持。     

基于卷积神经网络的蛋白质折叠类型最小特征提取

通过蛋白质的序列、结构等信息构建完整的蛋白质宇宙是生物信息学中的重要课题,相关研究对蛋白质结构预测、蛋白质进化路径分析以及蛋白质结构设计等方面的研究都有重要的意义.从蛋白质结构的一种简化表示——蛋白质接触图出发,通过训练卷积神经网络进行特征提取,筛选出可识别结构域折叠类型的最小特征向量,构建蛋白质折叠类型空间,并使用谱聚类等方法对不同蛋白质折叠类型的高维分布情况进行分析.得到的最小特征向量兼顾了信息的完整性与冗余度,可以很好地表示全部七种常见蛋白质类的空间关联.该研究结果填补了之前蛋白质宇宙研究中对不常见类的空间位置和相互关系描述的空白,加深了对于蛋白质结构相似性的理解.     

实用生物信息科学

本书为《核酸和分子生物学》丛书的第15卷，至今这是唯一一本沟通生物信息学家和分子生物学家，即沟通生物数据分析计算法的开发者和使用者的一本书，本书从蛋白质序列的研究和预测结构的计算法开始，直接利用实验室获得的数据改进功能预测的方法，包括一系列在实验研究中，应用不同类型的生物信息科学法。     

计算变异学创立背景及其用途

为了克服生物信息学和计算生物学中字母或数字不受序列长度、氨基酸组成和位置、相邻氨基酸影响的缺陷,根据自然界普遍存在的随机性原理,创立计算变异学。计算变异学用氨基酸对可预测性、氨基酸分布概率和变异概率3种方法量化整个蛋白质及每个氨基酸,用活的、动态的测量指标量化分析蛋白质。计算变异学方法可以应用于研究蛋白质进化、遗传病定量诊断,分析蛋白质结构与功能、药物设计和病毒变异预测等领域。     

蛋白质-RNA相互作用预测中的几类分类器

蛋白质-RNA相互作用的研究对于理解细胞生理过程是必不可少的,蛋白质-RNA相互作用的预测是蛋白质相互作用研究中的一项基本工作.蛋白质-RNA相互作用的机制十分复杂,单依靠传统方法无法解决这一问题,结合生物信息学方法,采用计算的方法预测蛋白质和RNA的相互作用备受关注.构建分类器模型是使用计算方法预测相互作用的主要方式,不同分类器建立的分类模型性能不尽相同.为了更深入了解不同分类器的分类性能,通过分析比较贝叶斯、SVM(支持向量机)与随机森林这3种分类方法,归纳总结它们分类性能的优缺点.     

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。     

生物信息学在搜索水稻新基因及其功能预测中的运用

为了利用生物信息学探索网上克隆基因与预测基因功能的新方法,用本实验室原有的一段626bp片段在genebank的核酸数据库中进行同源性分析,并对blast所得的序列运用genscan等软件进行序列分析并预测新基因,由在网上数据库中的验证可知预测得到的新基因功能与水稻抗性相关.将该序列翻译成蛋白质并利用网上数据库进行功能预测,初步断定该蛋白是与水稻抗性相关的穿膜蛋白.同时也验证了用生物信息学预测新基因及其功能是极为有效和简便的一种方法.     

FT-IR在研究蛋白质二级结构中的应用

目的 研究蛋白质的二级结构.方法 介绍蛋白质二级结构定量分析方法,综述FT-IR在蛋白质二级结构研究中的应用进展情况,并对其应用前景进行了展望.结果 FT-IR分析技术是一种高效、快速研究蛋白质结构的现代分析技术.结论 为了获得更精确的信息,须将FT-IR技术与生物样品的处理与实验设计相结合.     

生物信息学在直肠癌相关基因分析中的应用

目的,利用生物信息学方法研究直肠癌相关基因的结构与功能。方法:选择一条在直肠癌和正常组织有差异表达的表达序列标签(EST),利用生物信息学方法,对其进行结构与功能的分析。结果:电子克隆了其全长cDNA序列并预测其编码蛋白为SETprotein。结论:利用生物信息学及网络资源可作为克隆研究基因的新方法。     

蛋白质构象与折叠行为的研究

蛋白质结构预测与蛋白质折叠是生命科学研究的核心问题之一,也是后基因时代推动生物学朝着定量化发展的重要方向之一,它是分子生物学中心法则还没有解决的一个重大生物学问题.简单介绍了蛋白质分子的结构特点,讨论了蛋白质分子构象研究的重点,即蛋白质结构预测与蛋白质折叠.重点介绍了拥挤环境对蛋白质构象的影响和蛋白质分子的力学性质,这是蛋白质分子构象研究的深入.这些介绍可以帮助我们更清楚地认识蛋白质分子.     

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。     

马铃薯卷叶病毒陕西分离物外壳蛋白(CP)的生物信息学分析

目的分析预测马铃薯卷叶病毒(PLRV)外壳蛋白的理化性质及结构。方法应用DNA-MAN软件、ExPASy中的ProtParam工具,SignalP,LipoP程序,TMHMM,PSIPRED和3D-PSSM等方法,分析PLRV.CP的核苷酸基本特征、蛋白质理化性质、亲疏水性、可溶性、信号肽、跨膜结构域、二级结构、保守区域、三级结构等。结果陕西PLRV.CP,与已报道的PLRV.CP高度同源。蛋白序列分析显示无跨膜螺旋结构,不属分泌蛋白,是可溶的亲水性蛋白。二级结构主要为折叠和无规则卷曲,不含转角。三级结构保守区预测表明,该蛋白属于黄化病毒属外壳蛋白成员。结论对马铃薯卷叶病毒外壳蛋白的生物信息学分析为进一步研究其功能、探索抗病途径奠定了基础。