一种预测判断蛋白质与DNA相互作用位点的新方法

蛋白质-DNA相互作用位点在各类生理生化反应中扮演重要角色.本论文旨在构建一种可以准确预测“相互作用位点”的方法：PdDNA，其内容主要包括支持向量机和序列匹配器.支持向量机通过提取相互作用位点中心残基的特征进行训练并分类，序列匹配器则通过蛋白质特征矩阵（PSSM）对氨基酸序列进行相关性评估，对二者结果进行归一化整合，得到最终的预测结果.利用公开数据集PDNA_62，我们的PdDNA预测准确率为86.87%.为进一步验证PdDNA可靠性，我们还自建了PDNA_224数据集，其预测准确率为83.07%，处于较高水平.因此PdDNA是一种有效的“蛋白质-DNA相互作用位点”预测方法.     

基于蛋白质相互作用网络的蛋白质复合物和功能模块预测算法研究进展

蛋白质相互作用网络中的模块化结构通常对应于蛋白质复合物或者蛋白质功能模块。基于蛋白质相互作用网络预测蛋白质复合物和功能模块不仅有助于理解生命有机体的细胞生物过程,而且可为探讨疾病的发生、发展和治疗以及合理的药物开发提供重要的基础。本文通过回顾近二十年来基于蛋白质相互作用网络的蛋白质复合物和功能模块预测算法研究的发展历程,按照静态蛋白质相互作用网络(SPIN)和动态蛋白质相互作用网络(DPIN)两个方向分别梳理预测算法所涉及的方法和技术,同时归纳常用的数据集并分析所面临的问题,为进一步研究提供有价值的参考。     

蛋白质残基相互作用网络在线服务及可视化分析

蛋白质残基相互作用网络对理解蛋白质的结构特征，生物学功能和结合位点预测等研究有重要的作用.然而，现有的蛋白质残基相互作用分析方法易用性较差，需要下载和安装程序，较少提供友好易用的网络可视化功能，极大限制了蛋白质结构、功能和药物设计的相关研究.建立了蛋白质残基相互作用网络在线服务及可视化计算平台(http：//renault.fun)，用户不需要下载和编写程序，仅需上传蛋白质结构数据和口袋相关信息即可搭建蛋白质残基相互作用网络，并实现度中心度(degree centrality)，接近中心度(closeness centrality)和中介中心度(betweenness centrality)等网络特征的计算.该计算平台可进一步实现蛋白质残基相互作用网络的可视化，分析蛋白质表面结合口袋的网络特性，对理解蛋白质结构和药物设计的相关应用研究有较大的帮助.     

基于序列预测转录因子的相互作用

转录因子（TF）对真核生物的转录调控有着举足轻重的作用,而这些转录调控大多不是一个转录因子可以独立完成的,还需要其他转录因子的帮助来共同完成对基因的转录控制。我们提出了一种新的基于序列的方法来预测转录因子的相互作用,利用了转录因子结合位点（TFBS）的距离,方向和相位等信息,利用酵母菌的芯片数据来实现这一思想,获得了165对统计上有相互作用的转录因子,通过与SGD数据库中的蛋白质-蛋白质相互作用的数据进行比较,可以达到约95．5％的正确率。最后我们还利用预测的结果讨论了相互作用的转录因子对在基因组上存在的一些特征,例如,他们对距离,方向,相位的倾向性。希望我们的预测有助于更好的理解真核生物的转录控制网络。     

Neuritin结构组成分析及其相互作用蛋白生物信息学预测

目的 对Neuritin的理化性质及结构组成，蛋白质相互作用网络进行生物信息学预测分析，为进一步研究Neuritin的功能和作用机制提供新的思路与方向。方法 应用Protscale和ProtParam、TMHMM、SignalP、PSORTⅡ、NetNGlyc、NetOGlyc和Netphos等软件，分析Neuritin的理化性质、跨膜结构、信号肽结构、亚细胞定位以及翻译后修饰位点；利用Protean、tFold以及AlaphFold等软件和数据库，分析Neuritin的二级和三级结构；同时，利用STRING数据库构建Neuritin蛋白质相互作用网络。结果 Neuritin的相对分子质量为15 332.77,理论等电点(PI)为6.54。不稳定系数27.26,属于较稳定蛋白；脂肪系数98.31;总平均亲水性0.208,属于疏水性蛋白；Neuritin表达产物N端27个氨基酸为信号肽，C端27个氨基酸为GPI锚定序列，为跨膜区；其亚细胞定位及可能性分别为胞外(34.8%)、细胞膜(34.8%)、内质网(17.4%)及高尔基体(13.0%);无N糖基化及O糖基化位点，存在11个磷酸化位点...     

人类肾脏组织特异性蛋白网络构建及分析

生命体内组织特异性基因往往在对应的组织中表现出高的共表达性,在组织特异性基因的调控中,非组织特异性的转录因子往往起很大作用,并且这些转录因子往往与特定的转录因子一起影响组织的特异性,因此研究组织特异性基因编码蛋白相互作用网络必须考虑非组织特异性蛋白的影响。本文提出了一种利用最短路径算法来计算组织特异性基因编码蛋白的关联蛋白,从而构建最大连接强度的组织特异性蛋白相互作用网络,并对其拓扑结构进行基因本体（ GO）、KEGG Pathway和疾病本体（ DO）的富集度分析。通过对肾脏组织中的1486个蛋白质及其相应的4011条蛋白质相互作用分析,发现绝大部分结构的功能与肾脏组织的功相吻合,同时也发现了几种比较有趣的表面上与肾脏组织无关的功能及疾病。     

基于网络药理学的扶正调理液作用机制及其对S180荷瘤小鼠的影响

基于网络药理学挖掘扶正调理液的分子作用机制,应用BATMAN-TCM在线分析平台预测扶正调理液潜在靶点并构建化合物-靶点-通路-疾病相互作用网络图;应用STRING数据库构建关键靶点蛋白质-蛋白质相互作用网络,基于基因本体(gene ontology,GO)、Reactome、京都基因与基因组百科全书数据库(Kyoto...     

基于小波变换的蛋白质与DNA相互作用的计算机预测

蛋白质与DNA的相互作用在细胞的转录调控和DNA修饰等活动中至关重要.将改进的共鸣识别模型应用于预测酵母蛋白质与DNA的相互作用,运用小波变换找出阳性数据和随机数据的信噪比分布的差异,并通过阈值的选取达到了较好的预测结果.同时,将阳性数据与相应复合物的序列进行序列联配,找到了保守位点,进而从结合位点的角度验证了本方法的正确性.     

基于序列剖面和可及表面积的蛋白质相互作用位点的预测

蛋白质相互作用位点的预测对于突变设计和蛋白质相互作用网络的重构都是至关重要的.由于实验确定的蛋白质复合物和蛋白质配体复合物的结构依然相当少,预测蛋白质相互作用位点的计算方法就显得十分重要.该文提出了一种以支持向量机为分类器,以邻近残基的序列剖面和可及表面积为输入数据来预测蛋白质相互作用位点的方法.计算结果显示,界面残基和非界面残基被识别的准确率为75.12%,假阳性率为28.04%.与输入数据仅有序列剖面的方法相比,界面残基和非界面残基被识别的准确率提高了4.34%,假阳性率降低了4.63%.     

水稻蛋白质相互作用网络的预测与分析

通过同源映射的方法,利用6个模式物种的蛋白质相互作用数据预测水稻的蛋白质相互作用网络.预测到水稻中有4483个蛋白质参与了24942个蛋白质相互作用.通过GO注释,结构域相互作用,基因共表达等3个证据评估预测网络的质量,并对网络进行了拓扑属性分析.结果表明水稻的蛋白质相互作用网络符合scale-free属性.通过对网络中功能模块的分析,可以预测蛋白质的功能和亚细胞定位信息.     

基于组合特征集成的蛋白质相互作用位点预测

运用RBF神经网络预测蛋白质相互作用位点.首先提取序列谱、保守权重、熵值、复合物可及表面积和序列变化率等一系列蛋白质相互作用位点的关键特征.然后应用RBF神经网络以及它们的集成来对这些样本集进行训练与测试.使用10次交叉验证进行训练与测试,创建了4组具有对比性的蛋白质相互作用特征组合.实验中每加入一种新的特征时正确预测率都会相应的提高,特别是加入可及表面积和序列变化率特征时正确率提高幅度更大,表明利用多特征组合,结合RBF神经网络算法进行预测蛋白质相互作用位点的方法是正确有效的.     

基于多窗口不同特征的蛋白质相互作用位点预测

识别蛋白质相互作用位点在蛋白质功能研究中发挥着重要作用.文章从蛋白质序列出发,提取相关特征——序列谱、序列谱+信息熵,分别形成多个滑动窗口,以此构造输入特征向量.采用"留一法"生成训练数据集和测试数据集,使用支持向量机构建6种分类器,预测测试集中的表面残基是否是蛋白质相互作用位点,得到了较好的结果,说明了实验方法的有效性和可行性.     

以酵母双杂交系统筛选与糖基转移酶相互作用的蛋白质

用N－乙酰氨基葡萄糖基转移酶Ⅲ（GNTⅢ）β1,4－半乳糖基转移酶Ⅱ（GTⅡ）作诱饵,以酵母双杂交系统分别从胎肝cDNA文库中筛选到一种能与GNTⅡ发生相互作用的蛋白质,筛选到两种能与GNTⅢ发生相互作用的蛋白质。与Ⅲ作用的是早幼粒细胞白血病锌指蛋白（PLZF）,属于视黄酸受体家族的一种转录因子。提出了一种新的相互作用假设模型：PLZF是GNTⅢ的底物之一。另发现纤粘蛋白（FN）与GTⅡ作用,并推测此相互作用参与了细胞粘附。以上两种相互作用都是已知蛋白间的未知相互作用。还发现GTⅡ与由新基因编码的蛋白相互作用。     

基于酵母基因组高通量数据的基因-基因相互作用预测

后基因组时代的显著特点是大规模基因组和蛋白质组实验平台所产生的大量高通量数据,整合并利用基因组和蛋白组信息成为这一时代的主要挑战之一. 因此,基因-基因相互作用将有助于理解细胞内基因之间的相互作用以及信号传导通路研究提供有价值的参考. 为预测酵母基因组中基因-基因相互作用,我们利用高通量数据中的蛋白-蛋白相互作用、遗传表型数据、基因微阵列表达数据以及功能基因注释数据等来分析酵母中的基因-基因相互作用. 本文建立的预测方法为在系统水平上理解酵母基因组中的基因功能提供了依据,也为揭示酵母基因组中的基因-基因相互作用网络奠定理论基础.     

融合互作网络和多模态信息的化合物-蛋白质相互作用预测模型(INMI)

化合物-蛋白质相互作用(Compound-protein interaction, CPI)预测是药物研发领域的一个重大课题.随着生物科学的飞速发展，各种科学实验产生了大量的生物数据，通过计算方法能够快速有效地提取和利用这些信息.已有方法未能将相互作用网络中的信息显式地进行提取并加以利用，且多模态信息的融合方式未能抓住蛋白质和化合物之间的联系.为了解决上述问题，本文提出了一个二分类深度学习模型.该模型使用交叉注意力模块整合分子图和蛋白质序列信息，并从相互作用网络中显式提取节点的中心性和相关性信息，作为模型编码.实验表明，本文所提出的模型可以准确预测蛋白质和化合物之间的相互作用，而且节点中心性编码能够大大提高模型性能.     

射干-麻黄配伍治疗咳嗽变异性哮喘的分子机制探索

通过网络药理学方法预测射干-麻黄配伍治疗咳嗽变异性哮喘（cough-variant asthma，CVA）的可能分子机制。采用中药系统药理学数据库与分析平台（TCMSP）筛选射干、麻黄有效活性成分及对应治疗靶点，从GeneCards获取CVA疾病靶点基因，经过映射分析获得射干-麻黄活性成分直接作用的CVA目标靶点。构建中药-活性成分-靶点基因调控网络，通过String数据库进行目标靶点的蛋白质-蛋白质相互作用分析并筛选关键基因，借助生物信息分析工具预测靶点基因参与的基因本体生物学过程、京都基因与基因组百科全书信号通路。结果表明：从TCMSP获得射干-麻黄有效活性成分30个，直接调控的CVA靶点基因75个，射干-麻黄调控CVA存在多成分、多靶点的网络调控作用；靶点基因主要富集于核受体活性、直接配体调控序列特异性DNA结合的转录因子活性、泛素样蛋白连接酶结合、甾体激素受体活性、类固醇结合等98个生物学过程，以及PI3K-Akt信号通路、肿瘤中的微小RNA、乙型肝炎、卡波西肉瘤相关疱疹病毒感染、人类巨细胞病毒感染等110条信号通路。射干-麻黄活性成分可能通过抑制气道炎症反应与高反应性、调节自身免疫功能等环节发挥治疗CVA的作用。     

基于改进伪氨基酸组成的蛋白质相互作用预测

提出了一种新的基于改进的伪氨基酸组成特征模型与随机森林的蛋白质相互作用预测方法。首先利用基于Geary自相关函数的伪氨基酸组成特征模型,对与蛋白质相互作用相关的氨基酸属性进行评价,然后根据评价结果选择相关的属性整合到基于Minkowski距离的伪氨基酸特征模型中,并使用随机森林作为分类器进行学习和预测,实验结果表明该方法相对于传统方法提高了正确率。
     

网络药理学与分子对接研究黄芪治疗阿尔兹海默病的作用机制

为了研究黄芪中活性成分治疗阿尔兹海默病的作用机制,采用网络药理学与分子对接模拟方法,利用相关数据库确定疾病靶点,构建靶点相互作用和药物-成分-靶蛋白-疾病网络,在DAVID数据库进行基因本体富集分析和京都基因与基因组百科全书数据库通路富集分析,并对靶点进行分子对接模拟验证。结果表明：筛选到20种黄芪抗阿尔兹海默病的活性成分,其中槲皮素、山奈酚、异鼠李素、刺芒柄花素、 7-O-甲基-异微凸剑叶莎醇为关键成分;筛选出118个交集靶点,含6个关键靶点,各靶点富集于炎症反应细胞凋亡等生物过程;分析得到180条信号通路,作用机制主要与TNF、 PI3K-Akt、 IL-17等通路相关。     

应用改进的共鸣识别模型预测蛋白质相互作用

蛋白质是所有生命活动的载体,它们之间的相互作用在生命活动中起着至关重要的作用.该文介绍了原有的用于预测蛋白质相互作用的共鸣识别模型,并对该模型运用小波变换进行改进,提出了改进后的共鸣识别模型.该模型的最大特点在于直接通过蛋白质的一级结构预测蛋白质之间的相互作用,改进后的模型较原模型更加适合于蛋白质相互作用的预测.运用改进的共鸣识别模型进行了数值试验,取得了较好的预测效果.