G蛋白偶联受体研究进展

G蛋白偶联受体（GPCRs）是体内最大的蛋白质超家族，根据结构的同源性，主要分为A、B、C3族．GPCRs配体的多样性决定配体结合域的多样性．受体分子内相互作用力的破坏、质子化、构象改变、与G蛋白的偶联及受体二聚化参与了GPCRs的活化过程，近年发现GPCRs的失敏和内吞对受体功能调节亦非常重要，本文拟综述以上内容的研究进展．     

解析蛋白质结构,助力新药研发 以艾滋病、心脏病、糖尿病等重要疾病为目标

<正>G蛋白偶联受体(GPCR)是人体内最大的受体蛋白家族,在细胞的信号传导中发挥着关键作用,与多种疾病息息相关。很多药物正是通过与G蛋白偶联受体相互作用而发挥功能的。在短短的6年时间里,中国科学院上海药物研究所吴蓓丽研究员与团队成员成功解析了8种与传染性疾病、心血管疾病、代谢性疾病相关的G蛋白偶联受体的结构,发现了多个药物结合位点,推动了新药的研发,并因此获得了陈嘉庚青年科学奖。     

杭炎药物CCR2拮抗剂的研究进展

CCR2属于G蛋白偶联受体超家族成员,并且是MCP1-4的受体,而MCPI-4是促炎症反应的化学诱导物.CCR2是炎症单核细胞最早的化学催化受体,在T-细胞、树状突细胞和上皮细胞都有表达,通过与配体衔接,CCR2介导炎症细胞移动和激活.CCR2最早的配体MCP-1在人类很多炎症中都会增加,MCP-1和CCR2在人类侵蚀性疾病模型如动脉粥状硬化及多发性硬化症中都起到明显作用.     

抗炎药物CCR2拮抗剂的研究进展

CCR2属于G蛋白偶联受体超家族成员,并且是MCP1-4的受体,而MCP1-4是促炎症反应的化学诱导物。CCR2是炎症单核细胞最早的化学催化受体,在T-细胞、树状突细胞和上皮细胞都有表达,通过与配体衔接,CCR2介导炎症细胞移动和激活。     

基于氨基酸亲疏水分布的最小离散增量方法识别蛋白质超家族

摆脱目前常用的基于特征模体来识别超家族的方法,引入单个氨基酸的物理化学性质(亲疏水性质)及其在氨基酸序列中的分布特征参数(分段的方法),利用最小离散增量算法对属于同一结构类的不同超家族进行了识别,总预测成功率令人满意.选取了全α类、全β类、α β类、α/β类中的各4个超家族分别进行了识别.对全α类的4个超家族,se lf-cons istency检验和jack-kn ife检验可达83.0%,81.2%;对全β类的4个超家族,两种检验均为80.9%;对α β类的4个超家族,两种检验总成功率最高分别为88.6%,88.0%;识别α/β类的4个超家族时两种检验的结果分别为69.3%和67.6%.     

植物小G蛋白研究进展

小G蛋白是和异三聚体G蛋白α亚基偶联的单体鸟苷酸结合蛋白,所有的小G蛋白从属于Ras超家族．植物小G蛋白超家族尤其是ROP家族在信号转导及生长发育中起了重要的“分子开关”作用,它们参与调控花粉管的伸长、根毛的发育及激素信号转导等过程．主要介绍了小G蛋白的种类、调节机制、ROP家族的功能及靶物,旨在揭示植物小G蛋白功能的多样性．     

GPR50生物学功能研究进展

G 蛋白偶联受体50(G protein-coupled receptor,GPR50)是属于 G 蛋白偶联受体(G protein-coupled receptors,GPCRs)超级家族的一类跨膜蛋白,与Mel1c受体同源,介导跨膜转运和信号传递,在神经系统发育、能量代谢调节及糖皮质激素受体信号等多种生理活动中发挥...     

G蛋白与细胞信号转导

该文主要阐述了G蛋白结构、偶联受体、下游效应器以及蛋白信号转导的有效途径,并且说明了在进行植物细胞信号转导的过程中,植物细胞G蛋白具有非常重要的作用。     

GPCR高度保守位点与二聚化功能

G蛋白偶联受体(G protein-coupled receptors,GPCRs)是具有7个跨膜螺旋的蛋白受体,根据其序列的相似性以及与配基的结合情况,共分为五个亚家族,是人体内最大的蛋白质家族,也是重要的药物靶标.它的结构与功能的研究对于新药的开发、研制以及推动医药领域的发展起着举足轻重的作用.     

一种改进的六联体使用频率编码测度

在基因预测软件中常用的编码测度得到的序列编码潜力大小往往与序列的C G含量紧密相关,从而影响了对蛋白编码区的识别效果．研究发现六联体使用偏好与其自身C G含量存在一种近似线性的相关性,据此提出了一种改进的六联体使用偏好模型,通过综合考虑六联体使用频率与六联体的C G含量,可简便有效地减小序列编码潜力大小对序列C G含量的依赖性．测试表明,与分类建模策略相比,该方法所需的训练数据较少,而且具有更好的蛋白编码区识别效果,因此可用于基因预测软件中以提高蛋白编码区与基因结构的预测精度．     

一类隐马尔可夫模型的若干极限性质

假定隐藏的马尔可夫链为非齐次，研究隐非齐次马尔可夫模型的一些强极限定理．首先在引理中得出了隐非齐次马尔可夫模型的一些性质，从而导出了隐非齐次马尔可夫模型的三元函数一类平均值的强极限定理．作为定理的推论，得到了隐非齐次马尔可夫模型状态出现频率的一类强极限定理．隐马尔可夫模型可应用于弱相依随机变量的建模上，也可用作研究发音过程、神经生理学与生物遗传等方面的工具．     

一种基于小波神经网络混合模型的说话人识别方法

提出一种混合模型,即将隐马尔可夫模型(HMM)和小波神经网络(WNN)相结合应用于说话人识别的模型.该方法利用HMM的时序建模能力以及小波神经网络较强的模式分类能力,进行与文本无关的说话人的识别.实验表明,采用这种混合模型可以提高系统的识别率,特别在噪声环境中具有一定的噪声鲁棒性,提高了识别性能.     

n阶隐马尔可夫模型的参数估计

给出了n阶隐马尔可夫模型( HMMn)的定义及结构.在传统的隐马尔可夫模型及二阶隐马尔可夫模型( HMM2)的基础上研究了HMMn的前向、后向算法,Baum-Welch算法,并导出了HMMn在单观测序列和多观测序列培训两种情况下的参数估计公式.     

基于改进的隐马尔科夫模型的词性标注方法

针对隐马尔可夫(HMM)词性标注模型状态输出独立同分布等与语言实际特性不够协调的假设,对隐马尔可夫模型进行改进,引入马尔可夫族模型。,该模型用条件独立性假设取代HMM模型的独立性假设。将马尔可夫族模型应用于词性标注,并结合句法分析进行词性标注。用改进的隐马尔可夫模型进行词性标注实验。实验结果表明:与条件独立性假设相比,独立性假设是过强假设,因而基于马尔可夫族模型的语言模型更符合语言等实际物理过程;在相同的测试条件下,马尔可夫族模型明显好于隐马尔可夫模型,词性标注准确率从94.642%提高到97.126%。     

Multiple D2 dopamine receptors produced by alternative RNA splicing

Dopamine receptor belong to a large class of neurotransmitter and hormone receptors that are linked to their signal transduction pathways through guanine nucleotide binding regulatory proteins (G proteins). Pharmacological, biochemical and physiological criteria have been used to define two subcategories of dopamine receptors referred to as D1 and D2. D1 receptors activate adenylyl cyclase and are coupled with the Gs regulatory protein. By contrast, activation of D2 receptors results in various responses including inhibition of adenylyl cyclase, inhibition of phosphatidylinositol turnover, increase in K+ channel activity and inhibition of Ca2+ mobilization. The G protein(s) linking the D2 receptors to these responses have not been identified, although D2 receptors have been shown to both copurify and functionally reconstitute with both Gi and Go related proteins. The diversity of responses elicited by D2-receptor activation could reflect the existence of multiple D2 receptor subtypes, the identification of which is facilitated by the recent cloning of a complementary DNA encoding a rat D2 receptor. This receptor exhibits considerable amino-acid homology with other members of the G protein-coupled receptor superfamily. Here we report the identification and cloning of a cDNA encoding an RNA splice variant of the rat D2 receptor cDNA. This cDNA codes for a receptor isoform which is predominantly expressed in the brain and contains an additional 29 amino acids in the third cytoplasmic loop, a region believed to be involved in G protein coupling.     

马尔科夫调制泊松点过程的熵率和相互信息率?

显示地导出了一类连续时间参数隐马尔科夫模型-马尔科夫调制泊松点过程(MMPP)的熵率和相互信息率.模拟研究表明这类隐马尔科夫模型参数的最大似然估计的精度和效与观测过程和隐过程之间的相互信息率密切相关.一般地,相互信息率可作为MMPP中各个混合分量广义距离(或差别性)的一个度量.     

基于隐马尔可夫树非高斯信号的建模分析与分类识别

研究了基于小波域隐马尔可夫树模型非高斯信号的建模方法．探讨了海洋环境噪声和船舶辐射噪声在不同工况下所表现出的不同模型特征，并根据它们在HMT模型参数上的特征差异提出了一种新的检测方法，实验证明，该方法的检测性能比过零检测、能量检测以及二阶统计量检测方法要好．通过结合小波域隐马尔可夫模型和支撑向量机，提出了一种新的水声非高斯噪声信号的识别分类方法，实验证明，该方法具有较好的分类性能．     

一类隐非齐次马尔可夫模型的强极限定理

在假定隐藏的马氏链为非齐次且从隐藏链到观测链的转移矩阵列也与时刻n有关的情况下,对一类在发音过程中常用的隐马尔可夫模型进行研究.这类模型的主要特点是观测链不仅受当前状态的影响还与上一时刻的状态有关.先给出了该模型的强极限定律,然后得出了状态出现频率的强极根定理.     

基于因子分析的隐马尔可夫模型

状态输出概率密度为对角协方差矩阵高斯分布的隐马尔可夫模型(HMM-DG)在帧内特征相关建模方面存在缺陷．本文将因子分析方法与HMM-DG的混合高斯建模相结合,提出了一种具有弹性的帧内特征相关隐马尔可夫模型框架一基于因子分析的隐马尔可夫模型(HMM-FA)．并导出了HMM-FA的训练算法．理论分析和仿真实验都表明：在训练数据相同的条件下,HMM-FA的性能优于HMM-DG。     

均衡化的改进K均值聚类法

为了进行连续马尔可夫模型的初值提取,提出一种各类在训练样本空间近似均衡分布的K均值聚类法。在聚类的过程中引入惩罚因子,从而限制过多的训练矢量集中于一个或几个类,使样本空间划分近似均匀。连续马尔可夫模型初值提取实验证明,该方法与标准的K均值聚类法、LBG(L inde Buzo G ray)聚类法相比,降低了矢量量化产生的全局失真,各个类在样本空间的分布更加均匀,提高了矢量量化的性能。将该方法用于孤立词识别连续马尔可夫模型的初值提取,可使各个高斯概率密度函数的参数估计更逼近其无偏估计,从而提高了马尔可夫模型初值的可靠性。