多序列比對(duì)和蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)

多序列比對(duì)和蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)第1頁(yè)，共48頁(yè)，2023年，2月20日，星期四

雙序列比對(duì)是序列分析的基礎(chǔ)。然而，對(duì)于構(gòu)成基因家族的成組的序列來(lái)說(shuō)，我們要建立多個(gè)序列之間的關(guān)系，這樣才能揭示整個(gè)基因家族的特征。多序列比對(duì)在闡明一組相關(guān)序列的重要生物學(xué)模式方面起著相當(dāng)重要的作用。第2頁(yè)，共48頁(yè)，2023年，2月20日，星期四

多序列比對(duì)有時(shí)用來(lái)區(qū)分一組序列之間的差異，但其主要用于描述一組序列之間的相似性關(guān)系，以便對(duì)一個(gè)基因家族的特征有一個(gè)簡(jiǎn)明扼要的了解。與雙序列比對(duì)一樣，多序列比對(duì)的方法建立在某個(gè)數(shù)學(xué)或生物學(xué)模型之上。因此，正如我們不能對(duì)雙序列比對(duì)的結(jié)果得出“正確或錯(cuò)誤”的簡(jiǎn)單結(jié)論一樣，多序列比對(duì)的結(jié)果也沒(méi)有絕對(duì)正確和絕對(duì)錯(cuò)誤之分，而只能認(rèn)為所使用的模型在多大程度上反映了序列之間的相似性關(guān)系以及它們的生物學(xué)特征。第3頁(yè)，共48頁(yè)，2023年，2月20日，星期四

目前，構(gòu)建多序列比對(duì)模型的方法大體可以分為兩大類。第一類是基于氨基酸殘基的相似性，如物化性質(zhì)、殘基之間的可突變性等。另一類方法則主要利用蛋白質(zhì)分子的二級(jí)結(jié)構(gòu)和三級(jí)結(jié)構(gòu)信息，也就是說(shuō)根據(jù)序列的高級(jí)結(jié)構(gòu)特征確定比對(duì)結(jié)果。這兩種方法所得結(jié)果可能有很大差別。一般說(shuō)來(lái)，很難斷定哪種方法所得結(jié)果一定正確，應(yīng)該說(shuō)，它們從不同角度反映蛋白質(zhì)序列中所包含的生物學(xué)信息。第4頁(yè)，共48頁(yè)，2023年，2月20日，星期四

基于序列信息和基于結(jié)構(gòu)信息的比對(duì)都是非常重要的比對(duì)模型，但它們都有不可避免的局限性，因?yàn)檫@兩種方法都不能完全反映蛋白質(zhì)分子所攜帶的全部信息。蛋白質(zhì)序列是經(jīng)過(guò)DNA序列轉(zhuǎn)錄翻譯得到的。從信息論的角度看，它應(yīng)該與DNA分子所攜帶的信息更為“接近”。而蛋白質(zhì)結(jié)構(gòu)除了序列本身帶來(lái)的信息外，還包括經(jīng)過(guò)翻譯后加工修飾所增加的結(jié)構(gòu)信息，包括殘基的修飾，分子間的相互作用等，最終形成穩(wěn)定的天然蛋白質(zhì)結(jié)構(gòu)。因此，這也是對(duì)完全基于序列數(shù)據(jù)比對(duì)方法批評(píng)的主要原因。

第5頁(yè)，共48頁(yè)，2023年，2月20日，星期四

如果能夠利用結(jié)構(gòu)數(shù)據(jù)，對(duì)于序列比對(duì)無(wú)疑有很大幫助。不幸的是，與大量的序列數(shù)據(jù)相比，實(shí)驗(yàn)測(cè)得的蛋白質(zhì)三維結(jié)構(gòu)數(shù)據(jù)實(shí)在少得可憐。在大多數(shù)情況下，并沒(méi)有結(jié)構(gòu)數(shù)據(jù)可以利用，我們只能依靠序列的相似性和一些生物化學(xué)特性建立一個(gè)比較滿意的多序列比對(duì)模型。第6頁(yè)，共48頁(yè)，2023年，2月20日，星期四多序列比對(duì)的定義

為了便于描述，對(duì)多序列比對(duì)過(guò)程給出下面的定義。把多序列比對(duì)看作一張二維表，表中每一行代表一個(gè)序列，每一列代表一個(gè)殘基的位置。將序列依照下列規(guī)則填入表中：（a）一個(gè)序列所有殘基的相對(duì)位置保持不變；（b）將不同序列間相同或相似的殘基放入同一列，即盡可能將序列間相同或相似殘基上下對(duì)齊（表1）。

第7頁(yè)，共48頁(yè)，2023年，2月20日，星期四1234567891ⅠYDGGAV-EALⅡYDGG---EALⅢFEGGILVEALⅣFD-GILVQAVⅤYEGGAVVQAL表1多序列比對(duì)的定義表示五個(gè)短序列（I-V）的比對(duì)結(jié)果。通過(guò)插入空位，使5個(gè)序列中大多數(shù)相同或相似殘基放入同一列，并保持每個(gè)序列殘基順序不變第8頁(yè)，共48頁(yè)，2023年，2月20日，星期四

我們稱比對(duì)前序列中殘基的位置為絕對(duì)位置。如序列Ⅰ的第3位的殘基是甘氨酸G，則絕對(duì)位置Ⅰ3就是甘氨酸，而不能變成任何其它氨基酸。相應(yīng)地，我們稱比對(duì)后序列中殘基的位置為相對(duì)位置。顯然，同一列中所有殘基的相對(duì)位置相同，而每個(gè)殘基的絕對(duì)位置不同，因?yàn)樗鼈儊?lái)自不同的序列。絕對(duì)位置是序列本身固有的屬性，或者說(shuō)是比對(duì)前的位置，而相對(duì)位置則是經(jīng)過(guò)比對(duì)后的位置，也就比對(duì)過(guò)程賦予它的屬性。第9頁(yè)，共48頁(yè)，2023年，2月20日，星期四算法復(fù)雜性

多序列比對(duì)的計(jì)算量相當(dāng)可觀，因此有必要分析以下技術(shù)的復(fù)雜性。雙序列比對(duì)所需要的計(jì)算時(shí)間和內(nèi)存空間與這兩個(gè)序列的長(zhǎng)度有關(guān)，或者說(shuō)正比于這兩個(gè)序列長(zhǎng)度的乘積，用O（m1m2）表示。其中m1、m2是指兩條序列的長(zhǎng)度。三序列比對(duì)則可以理解為將雙序列比對(duì)的兩維空間擴(kuò)展到三維，即在原有二維平面上增加一條坐標(biāo)軸。這樣算法復(fù)雜性就變成了O（m1m2m3），其中m3表示第三條序列的長(zhǎng)度。第10頁(yè)，共48頁(yè)，2023年，2月20日，星期四

隨著序列數(shù)量的增加，算法復(fù)雜性也不斷增加。我們用O（m1m2m3…mn）表示對(duì)n個(gè)序列進(jìn)行比對(duì)時(shí)的算法復(fù)雜性，其中mn是最后一條序列的長(zhǎng)度。若序列長(zhǎng)度相差不大，則可簡(jiǎn)化成O（mn），其中n表示序列的數(shù)目，m表示序列的長(zhǎng)度。顯然，隨著序列數(shù)量的增加，序列比對(duì)的算法復(fù)雜性按指數(shù)規(guī)律增長(zhǎng)。第11頁(yè)，共48頁(yè)，2023年，2月20日，星期四

降低算法復(fù)雜性，是研究多序列比對(duì)的一個(gè)重要方面。為此，產(chǎn)生了不少很有實(shí)用意義的多序列比對(duì)算法。這些方法的特點(diǎn)是利用啟發(fā)式（heuristics）算法降低算法復(fù)雜性，以獲得一個(gè)較為滿意但并不一定是最優(yōu)的比對(duì)結(jié)果，用來(lái)找出子序列、構(gòu)建進(jìn)化樹(shù)、查找保守序列或序列模板，以及進(jìn)行聚類（clustering）分析等。有的算法將動(dòng)態(tài)規(guī)劃和啟發(fā)性算法結(jié)合起來(lái)。例如，對(duì)所有的序列進(jìn)行兩兩比對(duì)，將所有的序列與某個(gè)特定的序列進(jìn)行比對(duì)，根據(jù)某種給定的親源樹(shù)進(jìn)行分組比對(duì)，等等。必須指出，上述方法求得的結(jié)果通常不是最優(yōu)解，至少需要經(jīng)過(guò)n-1次雙序列比對(duì)，其中n為參與比對(duì)的序列個(gè)數(shù)。第12頁(yè)，共48頁(yè)，2023年，2月20日，星期四比對(duì)方法1.手工比對(duì)方法

手工比對(duì)方法在文獻(xiàn)中經(jīng)?？吹健Ｒ?yàn)殡y免加入一些主觀因素，手工比對(duì)通常被認(rèn)為有很大的隨意性。其實(shí)，即使用計(jì)算機(jī)程序進(jìn)行自動(dòng)比對(duì)，所得結(jié)果中的片面性也不能予以忽視。在運(yùn)行經(jīng)過(guò)測(cè)試并具有比較高的可信度的計(jì)算機(jī)程序基礎(chǔ)上，結(jié)合實(shí)驗(yàn)結(jié)果或文獻(xiàn)資料，對(duì)多序列比對(duì)結(jié)果進(jìn)行手工修飾，應(yīng)該說(shuō)是非常必要的第13頁(yè)，共48頁(yè)，2023年，2月20日，星期四多序列比對(duì)的軟件已經(jīng)有許多，其中一些帶有編輯程序。最好的辦法是將自動(dòng)比對(duì)程序和編輯器整合在一起。為了便于進(jìn)行交互式手工比對(duì)，通常使用不同顏色表示具有不同特性的殘基，以幫助判別序列之間的相似性。顏色的選擇十分重要，如果使用不當(dāng)，看起來(lái)不很直觀，就會(huì)使比對(duì)結(jié)果中一些有用的信息丟失。相反，如果選擇得當(dāng)，就能從序列比對(duì)結(jié)果中迅速找到某些重要的結(jié)構(gòu)模式和功能位點(diǎn)。第14頁(yè)，共48頁(yè)，2023年，2月20日，星期四

例如，如果用某種顏色表示一組高度保守的殘基，則某個(gè)序列的某一位點(diǎn)發(fā)生突變時(shí)，則由于顏色不同，就可以很快找出。顏色的選擇可以根據(jù)主觀愿望和喜好，但最好和常規(guī)方法一致。用來(lái)構(gòu)筑三維模型的按時(shí)氨基酸殘基組件和三維分子圖形軟件所用的顏色分類方法，比較容易為大家接受（表2）。第15頁(yè)，共48頁(yè)，2023年，2月20日，星期四表2氨基酸分組方法和代表性顏色殘基種類殘基特性顏色Asp(D),Glu(E)酸性紅色His(H),Arg(R),Lys(K)堿性蘭色Ser(S),Thr(T),Asn(N),Gln(Q)極性綠色Ala(A),Val(V),Leu(L),Ile(I),Met(M)疏水性，帶支鏈白色Phe(F),Tyr(Y),Trp(W)疏水性，帶苯環(huán)紫色Pro(P),Gly(G)側(cè)鏈結(jié)構(gòu)特殊棕色Cys(C)能形成二硫鍵黃色*表中采用的分組方法和用來(lái)區(qū)分不同組別的顏色與模型構(gòu)件和三維圖形軟件中所用方法一致第16頁(yè)，共48頁(yè)，2023年，2月20日，星期四

多序列比對(duì)程序的另一個(gè)重要用途是定量估計(jì)序列間的關(guān)系，并由此推斷它們?cè)谶M(jìn)化中的親緣關(guān)系?？梢酝ㄟ^(guò)計(jì)算完全匹配的殘基數(shù)目或計(jì)算完全匹配殘基和相似殘基的數(shù)目得到這種定量關(guān)系。這一方法除了可以大略了解序列間的親緣關(guān)系外，也可用來(lái)評(píng)估比對(duì)質(zhì)量。如果序列的相似性值低于預(yù)料值，那么有可能是序列間親緣關(guān)系較遠(yuǎn)，也可能是比對(duì)中有錯(cuò)誤之處第17頁(yè)，共48頁(yè)，2023年，2月20日，星期四2.同步法

同步法實(shí)質(zhì)是把給定的所有序列同時(shí)進(jìn)行比對(duì)，而不是兩兩比對(duì)或分組進(jìn)行比對(duì)。其基本思想是將一個(gè)二維的動(dòng)態(tài)規(guī)劃矩陣擴(kuò)展到三維或多維。矩陣的維數(shù)反映了參與比對(duì)的序列數(shù)。這類方法對(duì)于計(jì)算機(jī)的系統(tǒng)資源要求較高，通常是進(jìn)行少量的較短的序列的比對(duì)第18頁(yè)，共48頁(yè)，2023年，2月20日，星期四

這類方法中最常用的就是Clustal，它是由Feng和Doolittle于1987年提出的（Feng和Doolittle，1987）。由于對(duì)于實(shí)際的數(shù)據(jù)利用多維的動(dòng)態(tài)規(guī)劃矩陣來(lái)進(jìn)行序列的比對(duì)不太現(xiàn)實(shí)，因此大多數(shù)實(shí)用的多序列比對(duì)程序采用啟發(fā)式算法，以降低運(yùn)算復(fù)雜度。

Clustal的基本思想是基于相似序列通常具有進(jìn)化相關(guān)性這一假設(shè)。比對(duì)過(guò)程中，先對(duì)所有的序列進(jìn)行兩兩比對(duì)并計(jì)算它們的相似性分?jǐn)?shù)值，然后根據(jù)相似性分?jǐn)?shù)值將它們分成若干組，并在每組之間進(jìn)行比對(duì)，計(jì)算相似性分?jǐn)?shù)值。根據(jù)相似性分?jǐn)?shù)值繼續(xù)分組比對(duì)，直到得到最終比對(duì)結(jié)果。比對(duì)過(guò)程中，相似性程度較高的序列先進(jìn)行比對(duì)，而距離較遠(yuǎn)的序列添加在后面。作為程序的一部分，Clusal可以輸出用于構(gòu)建進(jìn)化樹(shù)的數(shù)據(jù)。3.步進(jìn)法第19頁(yè)，共48頁(yè)，2023年，2月20日，星期四Clustal程序有許多版本，ClustalW（Thompson等，1994），根據(jù)對(duì)親緣關(guān)系較近的序列間空位情況，確定如何在親緣關(guān)系較遠(yuǎn)的序列之間插入空位。同樣，相似性較高的序列比對(duì)結(jié)果中的殘基突變信息，可用于改變某個(gè)特殊位置空位罰分值的大小，推測(cè)該位點(diǎn)的序列變異性。

Clustal是免費(fèi)軟件，很容易從互聯(lián)網(wǎng)上下載，和其它軟件一起，廣泛用于序列分析。Clustal所支持的數(shù)據(jù)格式包括EMBL/SWISSPROT、NBRF/PIR、Pearson/FastA、GCG/MSF，以及Clustal本身定義的格式。它的輸出格式可以是Clustal格式，也可以是可用于GDE、Phylip、GCG等軟件的格式第20頁(yè)，共48頁(yè)，2023年，2月20日，星期四多序列比對(duì)的數(shù)據(jù)庫(kù)第21頁(yè)，共48頁(yè)，2023年，2月20日，星期四

多序列比對(duì)的意義在于它能夠把不同種屬的相關(guān)序列的比對(duì)結(jié)果按照特定的格式輸出，并且在一定程度上反映它們之間的相似性。多序列比對(duì)結(jié)果所提供的信息對(duì)于提高數(shù)據(jù)庫(kù)搜索靈敏度也具有很大幫助。因此，方便實(shí)用的多序列比對(duì)數(shù)據(jù)庫(kù)也就應(yīng)運(yùn)而生。目前，互聯(lián)網(wǎng)上可用的多序列比對(duì)數(shù)據(jù)庫(kù)已經(jīng)不少。其中一些利用計(jì)算機(jī)程序?qū)⒁淮螖?shù)據(jù)庫(kù)按家族分類；另外一些則是通過(guò)手工或自動(dòng)方法根據(jù)基因家族構(gòu)建二次數(shù)據(jù)庫(kù)。第22頁(yè)，共48頁(yè)，2023年，2月20日，星期四

例如，Pfam是將一次庫(kù)通過(guò)自動(dòng)比對(duì)來(lái)構(gòu)建的數(shù)據(jù)庫(kù)，它將大量具有結(jié)構(gòu)相似性的序列歸為一類，比如各種不同種類動(dòng)物的轉(zhuǎn)鐵蛋白的基因序列具有一定的相似性，Pfam將這些序列歸為一類命名為T(mén)RANSFERRIN，我們可以在Pfam查找TRANSFERRIN來(lái)得到原始序列比對(duì)信息，開(kāi)頭是一些注釋信息，然后給出了比對(duì)序列的名字，再下是比對(duì)結(jié)果，以“//”開(kāi)始，并以“//”結(jié)束。對(duì)于一個(gè)未知的蛋白質(zhì)序列在該序列庫(kù)中查詢，該序列庫(kù)會(huì)給出匹配的類及得分供你參考。第23頁(yè)，共48頁(yè)，2023年，2月20日，星期四

可以看看PRINTS數(shù)據(jù)庫(kù)關(guān)于TRANSFERRIN的比對(duì)信息，PRINTS數(shù)據(jù)庫(kù)在自動(dòng)比對(duì)的基礎(chǔ)上進(jìn)行了手工編輯，查尋PRINTS數(shù)據(jù)庫(kù)中關(guān)于TRANSFERRIN這一類的比對(duì)信息，結(jié)果可以用模體（motif）形式顯示也可以用點(diǎn)擊鏈接調(diào)用JAVAAPPLET進(jìn)行圖形顯示，下圖是關(guān)于TRANSFERRIN序列比對(duì)的局部圖形，可見(jiàn)PRINTS數(shù)據(jù)庫(kù)中TRANSFERRIN一類由更多的序列比對(duì)形成。第24頁(yè)，共48頁(yè)，2023年，2月20日，星期四第25頁(yè)，共48頁(yè)，2023年，2月20日，星期四

一般來(lái)說(shuō)，對(duì)于具有較高相似性的一組序列之間的比對(duì)，自動(dòng)比對(duì)方法是很有效的。一旦序列的親緣關(guān)系變得較遠(yuǎn)，所得結(jié)果就不那么可信。若要得到比較可靠而又具有明確生物學(xué)意義的比對(duì)結(jié)果，比較有效的方法是對(duì)比對(duì)結(jié)果進(jìn)行手工編輯和調(diào)整。這對(duì)于構(gòu)建二次數(shù)據(jù)庫(kù)是非常重要的信息。在選擇現(xiàn)有的序列模式或序列模體公開(kāi)數(shù)據(jù)庫(kù)構(gòu)建自己的數(shù)據(jù)庫(kù)系統(tǒng)時(shí)，對(duì)這些現(xiàn)有數(shù)據(jù)庫(kù)的可靠性必須采取謹(jǐn)慎的態(tài)度第26頁(yè)，共48頁(yè)，2023年，2月20日，星期四蛋白質(zhì)的結(jié)構(gòu)與功能預(yù)測(cè)第27頁(yè)，共48頁(yè)，2023年，2月20日，星期四

蛋白質(zhì)結(jié)構(gòu)與功能的研究已有相當(dāng)長(zhǎng)的歷史，由于其復(fù)雜性，對(duì)其結(jié)構(gòu)與功能的預(yù)測(cè)不論是方法論還是基礎(chǔ)理論方面均較復(fù)雜。統(tǒng)計(jì)學(xué)方法曾被成功地應(yīng)用于蛋白質(zhì)二級(jí)結(jié)構(gòu)預(yù)測(cè)中，如Chou和Fasman提出的經(jīng)驗(yàn)參數(shù)法便是最突出的例子。該方法統(tǒng)計(jì)分析了各種氨基酸的二級(jí)結(jié)構(gòu)分布特征，得出相應(yīng)參數(shù)(Pа,Pβ和Pt)并用于預(yù)測(cè)。下面簡(jiǎn)要介紹蛋白質(zhì)結(jié)構(gòu)與功能預(yù)測(cè)的生物信息學(xué)途徑第28頁(yè)，共48頁(yè)，2023年，2月20日，星期四蛋白質(zhì)功能預(yù)測(cè)一、根據(jù)序列預(yù)測(cè)功能的一般過(guò)程

如果序列重疊群(contig)包含有蛋白質(zhì)編碼區(qū)，則接下來(lái)的分析任務(wù)是確定表達(dá)產(chǎn)物——蛋白質(zhì)的功能。蛋白質(zhì)的許多特性可直接從序列上分析獲得，如疏水性，它可以用于預(yù)測(cè)序列是否跨膜螺旋(transmenbranehelix)或是前導(dǎo)序列(leadersequence)。但是，總的來(lái)說(shuō)，我們根據(jù)序列預(yù)測(cè)蛋白質(zhì)功能的唯一方法是通過(guò)數(shù)據(jù)庫(kù)搜尋，比較該蛋白是否與已知功能的蛋白質(zhì)相似。有2條主要途徑可以進(jìn)行上述的比較分析：第29頁(yè)，共48頁(yè)，2023年，2月20日，星期四①比較未知蛋白序列與已知蛋白質(zhì)序列的相似性；②查找未知蛋白中是否包含與特定蛋白質(zhì)家族或功能域有關(guān)的亞序列或保守區(qū)段。第30頁(yè)，共48頁(yè)，2023年，2月20日，星期四圖1根據(jù)序列預(yù)測(cè)蛋白質(zhì)功能的技術(shù)路線第31頁(yè)，共48頁(yè)，2023年，2月20日，星期四二、通過(guò)比對(duì)數(shù)據(jù)庫(kù)相似序列確定功能

具有相似序列的蛋白質(zhì)具有相似的功能。因此，最可靠的確定蛋白質(zhì)功能的方法是進(jìn)行數(shù)據(jù)庫(kù)的相似性搜索。一個(gè)顯著的匹配應(yīng)至少有25%的相同序列和超過(guò)80個(gè)氨基酸的區(qū)段。第32頁(yè)，共48頁(yè)，2023年，2月20日，星期四

已有不少種類的數(shù)據(jù)庫(kù)搜索工具，它們或者搜索速度慢，但靈敏；或者快速，但不靈敏?？焖偎阉鞴ぞ?如BLASTP)很容易發(fā)現(xiàn)匹配良好的序列，所以沒(méi)有必要再運(yùn)行更花時(shí)的工具(如FASTA、BLITZ)；只有在諸如BLASTP不能發(fā)現(xiàn)顯著的匹配序列時(shí)，這些工具才被使用。所以，一般的策略是首先進(jìn)行BLAST檢索，如果不能提供相關(guān)結(jié)果，運(yùn)行FASTA；如果FASTA也不能得到有關(guān)蛋白質(zhì)功能的線索，最后可選用完全根據(jù)Smith-Waterman算法設(shè)計(jì)的搜索程序，例如BLITZ(www.ebi.ac.uk/searches/blitz.html)。

BLITZ不做近似估計(jì)(BLAST和FASTA根據(jù)Smith-Waterman算法做近似估計(jì))，所以很花時(shí)，但非常靈敏。通常諸如BLITZ的程序能夠發(fā)現(xiàn)超過(guò)幾百個(gè)殘基但序列相同比率低于20～25%的匹配，這些匹配可能達(dá)到顯著，但會(huì)被那些應(yīng)用近似估計(jì)的程序錯(cuò)過(guò)第33頁(yè)，共48頁(yè)，2023年，2月20日，星期四

還應(yīng)注意計(jì)分矩陣(scoringmatrix)的重要性。選用不同的計(jì)分矩陣有不少重要原因：首先，選用的矩陣必須與匹配水平相一致，例如，PAM250應(yīng)用于遠(yuǎn)距離匹配(<25%相同比率)，PAM40應(yīng)用于不很相近的蛋白質(zhì)序列，而B(niǎo)LOSUM62是一個(gè)通用矩陣；第二，使用不同矩陣，可以發(fā)現(xiàn)始終出現(xiàn)的匹配序列，這是一條減少誤差的辦法。除了選用不同的計(jì)分矩陣，同樣可以考慮選用不同的數(shù)據(jù)庫(kù)。通?？梢允褂玫臄?shù)據(jù)庫(kù)是無(wú)冗余蛋白序列數(shù)據(jù)庫(kù)SWISS-PROT和PDB。其它一些數(shù)據(jù)庫(kù)也可以試試，如可用BLASTP搜索復(fù)合蛋白質(zhì)序列庫(kù)OWL(www.biochem.ucl.ac.uk/bsm/dbbrowser/OWL/owl_blast.html)第34頁(yè)，共48頁(yè)，2023年，2月20日，星期四三、序列特性：疏水性、跨膜螺旋等

許多功能可直接從蛋白質(zhì)序列預(yù)測(cè)出來(lái)。例如，疏水性信息可被用于跨膜螺旋的預(yù)測(cè)。還有不少小的模序(motif)是細(xì)胞用于特定細(xì)胞區(qū)室(cellcompartment)蛋白質(zhì)的定向。網(wǎng)上有大量數(shù)據(jù)資源幫助我們利用這些特性預(yù)測(cè)蛋白質(zhì)功能。第35頁(yè)，共48頁(yè)，2023年，2月20日，星期四疏水性信息可用ExPASy(http://expasy.hcuge.ch/egibin/protscal.pl)的ProtScale程序創(chuàng)建并演示。這是一個(gè)很有用的工具，它能計(jì)算超過(guò)50種蛋白質(zhì)的特性。程序的輸入即可通過(guò)輸入框?qū)⑿蛄姓迟N進(jìn)去，也可輸入SWISS-PROT的記錄號(hào)。僅一項(xiàng)需要額外設(shè)定的參數(shù)是輸入框的寬度，該參數(shù)將指示系統(tǒng)每次運(yùn)行計(jì)算和顯示的殘基數(shù)，其缺省值為9。如果想考慮跨膜螺旋特性，該參數(shù)設(shè)置應(yīng)為20，因?yàn)橐粋€(gè)跨膜螺旋通常有20個(gè)氨基酸長(zhǎng)度第36頁(yè)，共48頁(yè)，2023年，2月20日，星期四

有多種方法可以預(yù)測(cè)序列的跨膜螺旋。最簡(jiǎn)單的方法是通過(guò)查找包含有20個(gè)疏水殘基的區(qū)段，一些更復(fù)雜、更準(zhǔn)確的算法不僅可以預(yù)測(cè)跨膜螺旋的位置，還能確定其在膜上的方向。這些方法都依賴于一系列已知跨膜螺旋特性的研究結(jié)果。TMbase是一個(gè)自然發(fā)生的跨膜螺旋數(shù)據(jù)庫(kù)(http://ulrec3.unil.ch/tmbase/TMBASE_doc.html)。相關(guān)的一些程序：TMPRED(http://ulrec3.unil.ch/software/TMPRED-form.html)、PHDhtm(www.embl_heidelberg.de/services/sander/predictprotein/predictprotein.html)、TMAP(http://www.embl-heidelberg.de/tmap/tmap/tmap_sin.html)和MEMSAT(ftp.biochem.ucl.ac.uk)。

這些程序?qū)⑹褂昧瞬煌慕y(tǒng)計(jì)模型，總體上，預(yù)測(cè)準(zhǔn)確率在80～95%左右?？缒ぢ菪强梢愿鶕?jù)序列數(shù)據(jù)比較準(zhǔn)確預(yù)測(cè)的蛋白質(zhì)特性之一第37頁(yè)，共48頁(yè)，2023年，2月20日，星期四

預(yù)測(cè)前導(dǎo)序列或特殊區(qū)室靶蛋白信號(hào)的程序：SignalP(http://www.cbs.dtu.dk/services/SignalP)和PSORT(http://psort.nibbac.jp/form.html)。另一個(gè)可從序列中確定的功能模序是卷曲(coil)螺旋。在這一結(jié)構(gòu)中，二個(gè)螺旋由于疏水作用而纏繞在一起形成非常穩(wěn)定的結(jié)構(gòu)。相關(guān)的2個(gè)程序：COILS(http://ulrec3.unil.ch/software/COILS_form.html)和Paircoil(/cgi-bin/score)第38頁(yè)，共48頁(yè)，2023年，2月20日，星期四四、通過(guò)比對(duì)模序數(shù)據(jù)庫(kù)等確定功能第39頁(yè)，共48頁(yè)，2023年，2月20日，星期四蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)一般情況下，蛋白質(zhì)的結(jié)構(gòu)分為4個(gè)層次：初級(jí)結(jié)構(gòu)——蛋白質(zhì)序列；二級(jí)結(jié)構(gòu)——а－螺旋和β－折疊片(β-sheets)模式；三級(jí)結(jié)構(gòu)——?dú)埢诳臻g的布局；四級(jí)結(jié)構(gòu)——蛋白質(zhì)之間的互作。一、蛋白質(zhì)結(jié)構(gòu)及其數(shù)據(jù)庫(kù)第40頁(yè)，共48頁(yè)，2023年，2月20日，星期四

近年來(lái)，另一個(gè)介于二級(jí)和三級(jí)結(jié)構(gòu)之間的蛋白質(zhì)結(jié)構(gòu)層次——所謂蛋白質(zhì)折疊(fold)已被證明非常有用。“fold”描述的是二級(jí)結(jié)構(gòu)元素的混合組合方式。根據(jù)序列或多序列列線預(yù)測(cè)蛋白質(zhì)二級(jí)結(jié)構(gòu)的技術(shù)已相對(duì)比較成熟，但三級(jí)結(jié)構(gòu)的預(yù)測(cè)則相當(dāng)困難。往往對(duì)于三級(jí)結(jié)構(gòu)預(yù)測(cè)，只能通過(guò)與已知結(jié)構(gòu)蛋白序列同源性比對(duì)來(lái)完成。已有不少相關(guān)數(shù)據(jù)庫(kù)被建立起來(lái)用于蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)。這一方法已是目前進(jìn)行三級(jí)結(jié)構(gòu)預(yù)測(cè)的最準(zhǔn)確方法。但是這一方法并不總是奏效，因?yàn)榇蠹s有80%的已知蛋白質(zhì)序列找不到與之相似的已知結(jié)構(gòu)的蛋白質(zhì)序列。近年來(lái)，一些新方法被提出，這些方法可以不通過(guò)相似性比對(duì)來(lái)預(yù)測(cè)序列結(jié)構(gòu)。

第41頁(yè)，共48頁(yè)，2023年，2月20日，星期四二、二級(jí)結(jié)構(gòu)預(yù)測(cè)

已有大量有關(guān)根據(jù)序列預(yù)測(cè)蛋白質(zhì)二級(jí)結(jié)構(gòu)的文獻(xiàn)資料，這些資料可大致分為二類：一是有關(guān)根據(jù)單一序列預(yù)測(cè)二級(jí)結(jié)構(gòu)；二是有關(guān)根據(jù)多序列列線預(yù)測(cè)二級(jí)結(jié)構(gòu)。第42頁(yè)，共48頁(yè)，2023年，2月20日，星期四

直到最近為止，二級(jí)結(jié)構(gòu)預(yù)測(cè)才不被認(rèn)為具有很高的隨機(jī)性。大多數(shù)預(yù)測(cè)算法均是依據(jù)單一序列。即使是最著名的一些算法(如Chou-Fasman算法和GOR算法)也只有約60%的預(yù)測(cè)準(zhǔn)確率，而對(duì)于一些特定的結(jié)構(gòu)，如那些富含β－折疊片的結(jié)構(gòu)，這些算法難以預(yù)測(cè)成功。預(yù)測(cè)失敗的原因主要是單一序列所提供的信息只是殘基的順序而沒(méi)有其空間分布的信息。兩個(gè)方面的研究進(jìn)展改變了這一狀況：一是認(rèn)識(shí)到多序列列線可被用于改進(jìn)預(yù)測(cè)能力。多序列列線可被視為誘變遺傳學(xué)試驗(yàn)中的自然突變狀況，其對(duì)序列上單一位點(diǎn)變異的分析的確提供了該位點(diǎn)在蛋白質(zhì)三級(jí)結(jié)構(gòu)中的信息；二是神經(jīng)網(wǎng)絡(luò)已開(kāi)始被用于根據(jù)序列預(yù)測(cè)結(jié)構(gòu)。目前已有這樣一個(gè)共識(shí)，即在有大量、高質(zhì)量的多序列列線結(jié)果的情況下，蛋白質(zhì)二級(jí)結(jié)構(gòu)的預(yù)測(cè)將非常準(zhǔn)確——通常準(zhǔn)確率比以單一序列預(yù)測(cè)提高10%。第43頁(yè)，共48頁(yè)，2023年，2月20日，星期四

一些文獻(xiàn)表明，一些程序(諸如PHD)預(yù)測(cè)的準(zhǔn)確率達(dá)到了目前最高水平。PHD(http://www.embl-heidelberg.de/predictprotein/predictprotein.html)提供了從二級(jí)結(jié)構(gòu)預(yù)測(cè)到折疊(fold)識(shí)別等一系列功能。第44頁(yè)，共48頁(yè)，2023年，2月20日，星期四三、三級(jí)結(jié)構(gòu)預(yù)測(cè)

比對(duì)數(shù)據(jù)庫(kù)中已知結(jié)構(gòu)的序列是預(yù)測(cè)未知序列三級(jí)結(jié)構(gòu)的主要方法。多種途徑可進(jìn)行以上這種比對(duì)。最容易是使用BLASTP程序比對(duì)NRL－3D或SCOP數(shù)據(jù)庫(kù)中的序列。如果發(fā)現(xiàn)超過(guò)100個(gè)堿基長(zhǎng)度且有遠(yuǎn)高于40%序