蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)的原理與方法

1、會(huì)計(jì)學(xué)1蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)的原理與方法蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)的原理與方法/proteomicsExPASy 主要分析軟件資源一、基本概念蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)：指從蛋白質(zhì)的氨基酸序列預(yù)測(cè)出其三維空間結(jié)構(gòu)。蛋白質(zhì)折疊：指蛋白質(zhì)的氨基酸序列可折疊成具有生物活性的三維空間結(jié)構(gòu)。第二套遺傳密碼：蛋白質(zhì)的氨基酸序列與其三維空間結(jié)構(gòu)間的關(guān)系。 序列模體（motif)：通常指蛋白質(zhì)序列中相鄰或相近的一組具有保守性的殘基（或稱基序），它與蛋白質(zhì)分子及其家族的功能有關(guān)。二、蛋白質(zhì)結(jié)構(gòu)數(shù)據(jù)的獲得圓二色性（circular dichroism, CD），描繪了不對(duì)稱分子的用左右圓偏振光吸收差異譜

2、表示的光學(xué)活性。在160-240nm的CD光譜可以快速了解蛋白質(zhì)的二級(jí)結(jié)構(gòu)，因?yàn)槁菪?，折疊和卷曲產(chǎn)生不同的CD譜。X射線晶體衍射核磁共振光譜（nuclear magnetic resonance spectroscopy， NMR） 蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)問題 “序列-結(jié)構(gòu)-功能 ” 三者之間的關(guān)系.-Gly-Ala-Glu-Phe-.FUNCTION 又稱蛋白質(zhì)侵染因子。朊病毒是一類能侵染動(dòng)物并在宿主細(xì)胞內(nèi)復(fù)制的小分子無免疫性疏水蛋白質(zhì)。 目前發(fā)現(xiàn)的由朊病毒引起的疾病并不多， 主要有：人類中的庫魯病（Kuru?。?、克雅氏綜合癥（CJD）、格斯特曼綜合癥（GSS）及致死性家族性失眠癥（FFI），動(dòng)物中

3、的水貂腦軟化病，羊搔癥，馬鹿和鹿的慢性消瘦病（萎縮?。埖暮＞d狀腦病，瘋牛病。這些疾病主要是引起神經(jīng)系統(tǒng)和肌肉組織的損壞。案例：朊病毒折疊，正常3致病43致病機(jī)理1982年普魯辛納提出了朊病毒致病的“蛋白質(zhì)構(gòu)象致病假說”，以后魏斯曼等人對(duì)其逐步完善。其要點(diǎn)如下：朊病毒蛋白有兩種構(gòu)象：細(xì)胞型（正常型PrPc）和瘙癢型（致病型PrPsc）。兩者的主要區(qū)別在于其空間構(gòu)象上的差異。PrPc僅存在a螺旋，而PrPsc有多個(gè)折疊存在，后者溶解度低，且抗蛋白酶解；Prpsc可脅迫PrPc轉(zhuǎn)化為PrPsc，實(shí)現(xiàn)自我復(fù)制，并產(chǎn)生病理效應(yīng)；基因突變可導(dǎo)致細(xì)胞型PrPsc中的螺旋結(jié)構(gòu)不穩(wěn)定，至一定量時(shí)產(chǎn)生自發(fā)性轉(zhuǎn)

4、化，片層增加，最終變?yōu)镻rPsc型，并通過多米諾效應(yīng)倍增致病。.-Gly-Ala-Glu-Phe-.結(jié)構(gòu)預(yù)測(cè)問題FUNCTION?關(guān)鍵限制因素解決方法.-Gly-Ala-Glu-Phe-.FUNCTION！解決方案四、蛋白質(zhì)預(yù)測(cè)的一般流程五、影響蛋白質(zhì)折疊的因素 影響蛋白質(zhì)結(jié)構(gòu)穩(wěn)定性的非共價(jià)鍵有： 范德華力。 偶極相互作用。 部分電荷或完整電荷間靜電相互作用。 氫鍵。氫鍵是形成蛋白質(zhì)中規(guī)則二級(jí)結(jié)構(gòu)的主要作用力。 熵效應(yīng)。除了原子間的共價(jià)連接以外，蛋白質(zhì)結(jié)構(gòu)的形成及穩(wěn)定性在很大程度上依賴于非鍵相互作用。 熵效應(yīng)：是熱力學(xué)的一個(gè)概念。它是指在一個(gè)封閉的并存在能量差異的系統(tǒng)中，雖然系統(tǒng)內(nèi)總能量保持守

5、衡，但能量卻總是不可逆轉(zhuǎn)地由高能區(qū)向低能區(qū)流動(dòng)，最終達(dá)到能量的分散與平衡的一種狀態(tài)和趨勢(shì)。蛋白質(zhì)結(jié)構(gòu)依據(jù)不同的層次可以分為四類：1）一級(jí)結(jié)構(gòu)（氨基酸序列）2）二級(jí)結(jié)構(gòu)（規(guī)則結(jié)構(gòu)，如a螺旋、 折疊）3）三級(jí)結(jié)構(gòu)（簡單蛋白質(zhì)的三維空間結(jié)構(gòu)，或復(fù)雜蛋白質(zhì)亞基的三維空間結(jié)構(gòu)）4）四級(jí)結(jié)構(gòu)（亞基的組裝）.-Gly-Ala-Glu-Phe-.一級(jí)結(jié)構(gòu)二級(jí)結(jié)構(gòu)三級(jí)結(jié)構(gòu)四級(jí)結(jié)構(gòu)四級(jí)結(jié)構(gòu)(quaternary structure)：由多個(gè)亞基組成的蛋白質(zhì)分子的空間結(jié)構(gòu)。五級(jí)結(jié)構(gòu)（quinternary structure):蛋白質(zhì)與蛋白質(zhì)、蛋白質(zhì)與核酸相互作用時(shí)的空間位置關(guān)系。1）螺旋是蛋白質(zhì)結(jié)構(gòu)中最常見的二級(jí)

6、結(jié)構(gòu)，由于在螺旋內(nèi)部每隔34個(gè)氨基酸殘基形成氫鍵，因而本身的穩(wěn)定性較好。螺旋由于與溶劑的作用或中間有脯氨酸等也會(huì)發(fā)生彎曲。不同的殘基對(duì)于螺旋中間部位及N端或C端出現(xiàn)的傾向性不同。2） 折疊片是由帶狀的折疊股間形成氫鍵而構(gòu)成的，在氨基酸序列上往往是不連續(xù)的。幾乎所有的折疊片在沿著折疊股的方向均發(fā)生右手的扭曲，在折疊股間形成左手的扭曲。某些殘基傾向于出現(xiàn)在折疊中。 連接規(guī)則二級(jí)結(jié)構(gòu)間的區(qū)域統(tǒng)稱為環(huán)區(qū)（loop或Coil，簡寫為C），這些環(huán)區(qū)本身的結(jié)構(gòu)也是遵循一定規(guī)律的。 轉(zhuǎn)角是由四個(gè)殘基構(gòu)成的，使得蛋白質(zhì)主鏈的走向形成180度的回折。轉(zhuǎn)角可以分為幾種特定的類型，并具有一定的氨基酸殘基傾向性。 由三

7、個(gè)殘基構(gòu)成的主鏈的回折稱之為轉(zhuǎn)角。 反平行的折疊形成的發(fā)夾具有特定的結(jié)構(gòu)。 螺旋間的短連接具有特定的結(jié)構(gòu)與堆積。 當(dāng)較大的環(huán)區(qū)的N端與C端靠近時(shí)就形成環(huán)。 非規(guī)則性環(huán)區(qū)也可以按照其平面性、手性及N端與C端的相對(duì)位置進(jìn)行分類。 折疊折疊/折疊+折疊二級(jí)結(jié)構(gòu)間特定的組合構(gòu)成超二級(jí)結(jié)構(gòu)。1)螺旋一般以特定的角度相堆積，使得一個(gè)螺旋的突出部分及凹槽部分與另外一個(gè)螺旋的凹槽部分及突出部分相嵌合。2)折疊片/折疊片、螺旋/折疊片間的堆積有常出現(xiàn)的特定模式。 折疊片中的折疊股以多種拓?fù)浣Y(jié)構(gòu)相連接，如希臘鑰匙型結(jié)構(gòu)等。平行的折疊股間的連接（特別是單元）總是右手型的。 隨著已知蛋白質(zhì)結(jié)構(gòu)的增加，不斷有新的超二級(jí)

8、結(jié)構(gòu)類型出現(xiàn)。 蛋白質(zhì)結(jié)構(gòu)域（domain）:是蛋白質(zhì)分子中介于二級(jí)結(jié)構(gòu)和三級(jí)結(jié)構(gòu)之間的結(jié)構(gòu)層次。在分子量較大的球形蛋白質(zhì)分子中，一條多肽鏈可能折疊成兩個(gè)或多個(gè)空間上互相獨(dú)立的區(qū)域，稱為結(jié)構(gòu)域。 結(jié)構(gòu)域可以按照二級(jí)結(jié)構(gòu)的種類及排列方式進(jìn)行分類： 主要含有螺旋的/結(jié)構(gòu)； 主要含有折疊片的/結(jié)構(gòu)； 以螺旋和折疊交替出現(xiàn)的/結(jié)構(gòu)； 混和型的結(jié)構(gòu)； 小于100殘基的不含有明顯規(guī)則二級(jí)結(jié)構(gòu)的小蛋白。 1 蛋白質(zhì)結(jié)構(gòu)域的折疊模式2蛋白質(zhì)折疊模式的有限性 研究表明，一些序列功能很不同的蛋白質(zhì)采用類似的結(jié)構(gòu)，這就提示人們蛋白質(zhì)折疊模式的種類可能是有限的。 當(dāng)務(wù)之急發(fā)展快速的能夠?qū)Φ鞍踪|(zhì)的折疊類型進(jìn)行識(shí)別的方法

9、。3蛋白質(zhì)分類數(shù)據(jù)庫蛋白質(zhì)結(jié)構(gòu)分類數(shù)據(jù)庫 對(duì)于蛋白質(zhì)預(yù)測(cè)具有重要的意義。兩個(gè)重要的蛋白質(zhì)結(jié)構(gòu)分類數(shù)據(jù)庫：1）SCOP數(shù)據(jù)庫2）CATH數(shù)據(jù)庫1）同源性的蛋白質(zhì)（homologous protein）是從一個(gè)共同的祖先進(jìn)化而來的，往往具有相關(guān)的功能（例如絲氨酸蛋白酶）并采取相似的三維結(jié)構(gòu)。2）序列的相似性有時(shí)可低到20以下，但三維結(jié)構(gòu)在總體上是保守的。3）蛋白質(zhì)結(jié)構(gòu)的核心在序列上及三維結(jié)構(gòu)上均比表面環(huán)區(qū)更保守。同源的蛋白質(zhì)往往具有相似的三維結(jié)構(gòu)；但具有相似的三維結(jié)構(gòu)的蛋白質(zhì)序列不一定是同源的。 蛋白質(zhì) 序列： 二級(jí)結(jié)構(gòu)：蛋白質(zhì)二級(jí)結(jié)構(gòu)預(yù)測(cè)是蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)的主要組成部分之一 。一、蛋白質(zhì)二級(jí)結(jié)構(gòu)預(yù)

10、測(cè)概述 蛋白質(zhì)的二級(jí)結(jié)構(gòu)預(yù)測(cè)的基本依據(jù)是：每一段相鄰的氨基酸殘基具有形成一定二級(jí)結(jié)構(gòu)的傾向。 二級(jí)結(jié)構(gòu)預(yù)測(cè)問題是模式分類問題 二級(jí)結(jié)構(gòu)預(yù)測(cè)的目標(biāo)： 判斷每一段中心的殘基是否處于螺旋、折疊、轉(zhuǎn)角（或其它狀態(tài)）之一的二級(jí)結(jié)構(gòu)態(tài)，即三態(tài)。 基本策略（1）相似序列相似結(jié)構(gòu)QLMGERIRARRKKLKQLMGAERIRARRKKLK二、蛋白質(zhì)二級(jí)結(jié)構(gòu)預(yù)測(cè)的意義蛋白質(zhì)二級(jí)結(jié)構(gòu)預(yù)測(cè)不僅僅可以給出二級(jí)結(jié)構(gòu)信息，在實(shí)際工作中有廣泛的用途。 由蛋白質(zhì)二級(jí)結(jié)構(gòu)統(tǒng)計(jì)分析得到的規(guī)則可用于全新蛋白質(zhì)設(shè)計(jì)或蛋白質(zhì)突變體的設(shè)計(jì)。 當(dāng)序列同源性較低時(shí)，二級(jí)結(jié)構(gòu)的指認(rèn)有助于確定蛋白質(zhì)間結(jié)構(gòu)與功能的關(guān)系。 在同源蛋白質(zhì)模建中，二

11、級(jí)結(jié)構(gòu)預(yù)測(cè)有助于建立正確的序列比對(duì)關(guān)系。 在基于二級(jí)結(jié)構(gòu)片段堆積的三級(jí)結(jié)構(gòu)預(yù)測(cè)中正確的二級(jí)結(jié)構(gòu)預(yù)測(cè)是第一步。 二級(jí)結(jié)構(gòu)的預(yù)測(cè)有助于多維核磁共振中二級(jí)結(jié)構(gòu)的指認(rèn)，同時(shí)也有助于晶體結(jié)構(gòu)的解析。 三、蛋白質(zhì)二級(jí)結(jié)構(gòu)預(yù)測(cè)的主要方法 二級(jí)結(jié)構(gòu)預(yù)測(cè)的方法大體分為三代：第一代是基于單個(gè)氨基酸殘基統(tǒng)計(jì)分析 從有限的數(shù)據(jù)集中提取各種殘基形成特定二級(jí)結(jié)構(gòu)的傾向，以此作為二級(jí)結(jié)構(gòu)預(yù)測(cè)的依據(jù)。第二代預(yù)測(cè)方法是基于氨基酸片段的統(tǒng)計(jì)分析 統(tǒng)計(jì)的對(duì)象是氨基酸片段 片段的長度通常為11-21 片段體現(xiàn)了中心殘基所處的環(huán)境 在預(yù)測(cè)中心殘基的二級(jí)結(jié)構(gòu)時(shí)，以殘基在特定環(huán)境形成特定二級(jí)結(jié)構(gòu)的傾向作為預(yù)測(cè)依據(jù) 第一代和第二代預(yù)測(cè)方法對(duì)

12、三態(tài)預(yù)測(cè)的準(zhǔn)確率都小于70%，而對(duì)折疊預(yù)測(cè)的準(zhǔn)確率僅為2848%。 其主要原因是只利用局部信息第三代方法:考慮多條序列的同源進(jìn)化信息 運(yùn)用長程信息和蛋白質(zhì)序列的進(jìn)化信息 準(zhǔn)確度有了比較大的提高1ChouFasman方法 ChouFasman方法曾經(jīng)是、現(xiàn)在仍然是最為普遍應(yīng)用的方法。其基本出發(fā)點(diǎn)在于對(duì)于蛋白質(zhì)20種不同的氨基酸殘基在不同的二級(jí)結(jié)構(gòu)中出現(xiàn)的幾率進(jìn)行統(tǒng)計(jì)分析得出在不同二級(jí)結(jié)構(gòu)中出現(xiàn)的傾向性。 2GOR方法 GOR（GarnierOsguthorpeRobson）方法基于信息論算法，是所有統(tǒng)計(jì)算法中理論基礎(chǔ)最好的。3最近鄰居方法 在最近鄰居方法（nearest neighbor met

13、hod）中新測(cè)定的序列被歸類于與已知的最相近的序列具有相同的二級(jí)結(jié)構(gòu)。 4神經(jīng)網(wǎng)絡(luò)方法相對(duì)而言神經(jīng)網(wǎng)絡(luò)方法便于應(yīng)用，有較高的預(yù)測(cè)準(zhǔn)確度。最大的缺點(diǎn)是沒有明確的物理化學(xué)意義。 其中PHD方法 是廣泛應(yīng)用的預(yù)測(cè)方法。 5基于多重序列比對(duì)的二級(jí)結(jié)構(gòu)預(yù)測(cè) 基于單個(gè)序列的二級(jí)結(jié)構(gòu)預(yù)測(cè)方法的預(yù)測(cè)準(zhǔn)確度相對(duì)較低，大約在58左右。而基于多重序列比對(duì)的二級(jí)結(jié)構(gòu)預(yù)測(cè)方法PSI-PRED的預(yù)測(cè)準(zhǔn)確度可達(dá)到77。二級(jí)結(jié)構(gòu)預(yù)測(cè)方法針對(duì)不同蛋白質(zhì)所給出的準(zhǔn)確度可能會(huì)有很大差別。1）單序列的預(yù)測(cè)準(zhǔn)確度在60左右。2）應(yīng)用多重序列對(duì)比信息的二級(jí)結(jié)構(gòu)預(yù)測(cè)準(zhǔn)確度在 6585之間。 許多蛋白質(zhì)二級(jí)結(jié)構(gòu)預(yù)測(cè)程序可以從因特網(wǎng)上免費(fèi)下載

14、至本地計(jì)算機(jī)進(jìn)行蛋白二級(jí)結(jié)構(gòu)預(yù)測(cè)。另外，還可以進(jìn)行在線計(jì)算：可以通過送Email的方式，也可以在因特網(wǎng)上實(shí)時(shí)計(jì)算?？梢赃M(jìn)行二級(jí)結(jié)構(gòu)在線預(yù)測(cè)兩個(gè)網(wǎng)站為：1PHD算法 PredictProtein網(wǎng)站的地址為： / 2SSPro 4.0(神經(jīng)網(wǎng)絡(luò)） / PredictProtein /可以獲得功能預(yù)測(cè)、二級(jí)結(jié)構(gòu)、基序、二硫鍵結(jié)構(gòu)、結(jié)構(gòu)域等許多蛋白質(zhì)序列的結(jié)構(gòu)信息該方法的平均準(zhǔn)確率超過72%，最佳殘基預(yù)測(cè)準(zhǔn)確率達(dá)90%

15、以上。因此，被視為蛋白質(zhì)二級(jí)結(jié)構(gòu)預(yù)測(cè)的標(biāo)準(zhǔn)。需要學(xué)術(shù)郵箱注冊(cè)PredictProtein提交界面1D序列預(yù)測(cè)PROFsec（默認(rèn)）是PHDsec的改進(jìn)版本：基于輪廓（profile）的神經(jīng)網(wǎng)絡(luò)算法預(yù)測(cè)蛋白質(zhì)二級(jí)結(jié)構(gòu)PROFacc（默認(rèn)）基于輪廓（profile）的神經(jīng)網(wǎng)絡(luò)算法預(yù)測(cè)殘基溶劑可及性PHDhtm（默認(rèn)）基于多序列比對(duì)預(yù)測(cè)跨膜區(qū)位置和拓?fù)浣Y(jié)構(gòu)ASP（默認(rèn)）識(shí)別二級(jí)結(jié)構(gòu)中構(gòu)型變化的氨基酸COILS（默認(rèn)）識(shí)別卷曲螺旋PROFtmb識(shí)別革蘭氏陰性菌膜Beta桶蛋白結(jié)構(gòu)序列基序識(shí)別ProSite（默認(rèn)）搜索序列中保守基序SEG（默認(rèn)）過濾序列中低復(fù)雜區(qū)域PredictNLS（默認(rèn)）基于實(shí)驗(yàn)數(shù)

16、據(jù)預(yù)測(cè)序列核定位區(qū)域二硫鍵識(shí)別DISULFIND（默認(rèn)）識(shí)別序列中二硫鍵位置折疊子識(shí)別AGAPE基于折疊結(jié)構(gòu)識(shí)別遠(yuǎn)源蛋白序列殘基接觸預(yù)測(cè)PROFcon預(yù)測(cè)單鏈中原子殘基接觸性結(jié)構(gòu)域預(yù)測(cè)ProDom（默認(rèn)）基于序列同源性來預(yù)測(cè)蛋白質(zhì)結(jié)構(gòu)域CHOP預(yù)測(cè)蛋白質(zhì)結(jié)構(gòu)域結(jié)構(gòu)表面識(shí)別ConSeq預(yù)測(cè)蛋白質(zhì)表面結(jié)構(gòu)功能關(guān)鍵區(qū)域分析方法程序詳解跨膜區(qū)非跨膜區(qū)LoopHelixSheet結(jié)果發(fā)送至郵箱結(jié)果直接發(fā)送至郵箱，如下：六、蛋白質(zhì)跨膜區(qū)分析蛋白質(zhì)跨膜區(qū)特性常用蛋白質(zhì)跨膜區(qū)域分析工具工具工具網(wǎng)站網(wǎng)站備注備注DAShttp:/www.sbc.su.se/miklos/DAS/用Dense Alignment

17、Surface（DAS）算法來預(yù)測(cè)無同源家族的蛋白跨膜區(qū)HMMTOPhttp:/www.enzim.hu/hmmtop/由Enzymology研究所開發(fā)的蛋白質(zhì)跨膜區(qū)和拓?fù)浣Y(jié)構(gòu)預(yù)測(cè)程序SOSUIhttp:/bp.nuap.nagoya-u.ac.jp/sosui/由Nagoya大學(xué)開發(fā)一個(gè)具有圖形顯示跨膜區(qū)的程序TMAPhttp:/bioinfo.limbo.ifm.liu.se/tmap/基于多序列比對(duì)來預(yù)測(cè)跨膜區(qū)的程序TMHMMhttp:/www.cbs.dtu.dk/services/TMHMM-2.0基于HMM方法的蛋白質(zhì)跨膜區(qū)預(yù)測(cè)工具TMpredhttp:/www.ch.embnet

18、.org/software/TMPRED_form.html基于對(duì)TMbase數(shù)據(jù)庫的統(tǒng)計(jì)分析來預(yù)測(cè)蛋白質(zhì)跨膜區(qū)和跨膜方向TopPredhttp:/bioweb.pasteur.fr/seqanal/interfaces/toppred.html是一個(gè)位于法國的蛋白質(zhì)拓?fù)浣Y(jié)構(gòu)預(yù)測(cè)程序在Expasy網(wǎng)站上有鏈接：/tools/輸出格式最短和最長的跨膜螺旋疏水區(qū)長度輸入序列名（可選）選擇序列的格式貼入protein.txt蛋白質(zhì)序列可能的跨膜螺旋區(qū)相關(guān)性列表位置分值 片段中點(diǎn)位置57 跨膜拓?fù)淠Ｐ图皥D示建議的跨膜拓?fù)淠Ｐ兔恳晃恢糜?jì)算分值最優(yōu)拓?fù)浣Y(jié)構(gòu)TMHMMhttp

19、:/www.cbs.dtu.dk/services/TMHMM/輸出結(jié)果三維結(jié)構(gòu)數(shù)據(jù)與一維序列數(shù)據(jù)在量上增長速度嚴(yán)重不協(xié)調(diào)。原因：1直接測(cè)定法：速度慢2預(yù)測(cè)法：在方法上，還沒有一個(gè)方法或程序可以真正做到所謂的“從頭”預(yù)測(cè)蛋白的三維結(jié)構(gòu)。同源蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)的方法1）片段組裝法：SWISS-MODEL2）距離幾何法：MODELLERSWISS-MODEL:/SWISS-MODEL.html最后的預(yù)測(cè)結(jié)果模板序列與查詢序列的裝載結(jié)構(gòu)的精細(xì)比對(duì)分子骨架的形成側(cè)鏈形成和優(yōu)化加入氫原子、優(yōu)化回環(huán)能量最小化、結(jié)構(gòu)封裝SWISS-MODEL的工作過程：又稱

20、線索化方法 有很多蛋白質(zhì)具有相似的空間結(jié)構(gòu)，但它們的序列等同部分小于25%，即遠(yuǎn)程同源。 對(duì)于這類蛋白質(zhì)，很難通過序列比對(duì)找出它們之間的關(guān)系，必須設(shè)計(jì)新的分析方法。 對(duì)于一個(gè)未知結(jié)構(gòu)的蛋白質(zhì)（U）， 如果找到一個(gè)已知結(jié)構(gòu)的遠(yuǎn)程同源蛋白質(zhì)（T）， 那么可以根據(jù)T的結(jié)構(gòu)模板通過遠(yuǎn)程同源模型化方法建立U的三維結(jié)構(gòu)模型。U T（遠(yuǎn)程同源） 線索化的主要思想： 利用氨基酸的結(jié)構(gòu)傾向（如形成二級(jí)結(jié)構(gòu)的傾向、疏水性、極性等），評(píng)價(jià)一個(gè)序列所對(duì)應(yīng)的結(jié)構(gòu)是否能夠適配到一個(gè)給定的結(jié)構(gòu)環(huán)境中。 線索化方法一般有5個(gè)基本組成部分： （1）已知三維折疊結(jié)構(gòu)的數(shù)據(jù)庫； （2）一種適合于進(jìn)行序列-結(jié)構(gòu)比對(duì)的三維折疊信息的表

21、示方法； （3）一個(gè)序列-結(jié)構(gòu)匹配函數(shù)，該函數(shù)對(duì)匹配程度進(jìn)行打分； （4）建立最優(yōu)線索的策略，或者是進(jìn)行序列-結(jié)構(gòu)比對(duì)的策略； （5）一種評(píng)價(jià)序列-結(jié)構(gòu)比對(duì)顯著性的方法。假設(shè)存在有限數(shù)目的核心折疊（core folds） 核心折疊實(shí)際上是構(gòu)成蛋白質(zhì)空間形狀的基本模式。 建立核心折疊數(shù)據(jù)庫 預(yù)測(cè)- 建立線索U序列與數(shù)據(jù)庫核心折疊比對(duì)取最佳核心折疊U結(jié)構(gòu)模型http:/www.sbg.bio.ic.ac.uk/phyre/index.cgiphyre與已知折疊子比對(duì)在既沒有已知結(jié)構(gòu)的同源蛋白質(zhì)、也沒有已知結(jié)構(gòu)的遠(yuǎn)程同源蛋白質(zhì)的情況下，上述兩種蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)的方法都不能用，這時(shí)只能采用從頭預(yù)測(cè)方法，

22、即直接或僅僅根據(jù)序列本身來預(yù)測(cè)其結(jié)構(gòu)。 從頭預(yù)測(cè)方法一般由下列3個(gè)部分組成： （1）一種蛋白質(zhì)幾何的表示方法由于表示和處理所有原子和溶劑環(huán)境的計(jì)算開銷非常大，因此需要對(duì)蛋白質(zhì)和溶劑的表示形式作近似處理。 （2）一種勢(shì)函數(shù)及其參數(shù)通過對(duì)已知結(jié)構(gòu)的蛋白質(zhì)進(jìn)行統(tǒng)計(jì)分析確定勢(shì)函數(shù)中的各個(gè)參數(shù)。 （3）一種構(gòu)象空間搜索技術(shù) 構(gòu)象空間搜索和勢(shì)函數(shù)的建立是從頭預(yù)測(cè)方法的關(guān)鍵。能量函數(shù)和優(yōu)化 需要考慮的相互作用疏水作用氫鍵二硫橋靜電作用范德華力溶劑作用 基于勢(shì)函數(shù)或者力場(chǎng)的結(jié)構(gòu)預(yù)測(cè)方法在實(shí)際應(yīng)用中存在許多問題，主要原因: 我們還沒有完全了解究竟是哪些力決定了蛋白質(zhì)的折疊過程，同時(shí)這些力之間又是如何相互作用的。

23、 力場(chǎng)參數(shù)不精確，沒有對(duì)溶劑處理的好方法。 構(gòu)象搜索過程容易陷入局部能量極小點(diǎn)。 自然折疊的蛋白質(zhì)結(jié)構(gòu)與一般蛋白質(zhì)構(gòu)象之間的能量差比較小。 研究蛋白質(zhì)折疊的計(jì)算量非常大。方法方法特點(diǎn)特點(diǎn)工具工具同源建模法( Homology/Comparative modelling )基于序列同源比對(duì)，對(duì)于序列相似度30的序列模擬比較有效，最常用的方法 SWISS-MODEL， CPHmodels 線索化法/折疊識(shí)別法 (Threading/Fold recognition)“穿”入已知的各種蛋白質(zhì)折疊骨架內(nèi)，適于對(duì)蛋白質(zhì)核心結(jié)構(gòu)進(jìn)行預(yù)測(cè)，計(jì)算量大PHYRETHREADER，從頭預(yù)測(cè)法( Ab initio/De novo met