結構基序預測蛋白質功能

關于結構基序預測蛋白質功能在類的合并上，主要有三種算法來確定類間的距離：單一連鎖(single-linkage)、完全連鎖(complete-linkage)和平均連鎖(average-linkage)。這三種算法在定義類間的距離時分別取兩類間的最小距離、最大距離和平均距離。前兩種算法對邊緣值太過敏感，對于未知的元素分布，一般采用平均連鎖算法。

完全連鎖(completelinkage)，又稱最遠鄰(furthestneightbour)方法。同樣從相似度矩陣或距離矩陣出發(fā)，但定義距離為兩類之間數據的最大距離。同樣不考慮到類的結構。傾向于找到一些緊湊的分類。第2頁,共41頁，2024年2月25日，星期天以最小近鄰法聚類為例最短距離聚類法具有空間壓縮性，而最遠距離聚類法具有空間擴張性。最短距離為dAB=da1b1，最遠距離為dAB=dap2。

第3頁,共41頁，2024年2月25日，星期天表示了八種不同系統(tǒng)聚類方法計算類間距離的統(tǒng)一表達式

第4頁,共41頁，2024年2月25日，星期天CompositeStructuralMotifsofBindingSitesforDelineatingBiologicalFunctionsofProteins

匯報人：劉言第5頁,共41頁，2024年2月25日，星期天簡介在原子水平上，我們都是通過蛋白質之間或蛋白質與其他分子之間相互作用來理解生物學過程的。

大部分蛋白質會同步或不同步的與很多分子相互作用。單原子離子，小分子到蛋白質、核酸和其他大分子第6頁,共41頁，2024年2月25日，星期天

眾所周知，蛋白質相互作用的類型和蛋白質是否相互作用可以調節(jié)蛋白質的功能（血紅蛋白與氧結合，與一氧化碳結合）。因此，我們不僅要確定個體蛋白的相互作用，也要考慮潛在的蛋白質相互作用，這些相互作用或許可以充分描述蛋白質的功能，也能從同源蛋白中區(qū)分它們的不同功能。第7頁,共41頁，2024年2月25日，星期天

Genomesequencetechnologies促使我們更加急迫的去發(fā)掘從序列信息預測蛋白質功能的有效技術。迄今為止，最常用于蛋白質功能預測的方法是annotationtransfer，它是基于一種蛋白質序列相似，功能相似的假設基礎上的方法。然而，隨著研究的逐步深入，這種方法在很多情況下卻是不可靠的。第8頁,共41頁，2024年2月25日，星期天

蛋白質功能相似，并不僅僅是序列功能的相似。蛋白質序列折疊方式不同，會導致結構不同，從而影響功能。所以我們要更加精細的檢查蛋白質功能的決定因素，而不是只單純的考慮蛋白質序列相似性。第9頁,共41頁，2024年2月25日，星期天

結構信息可以為蛋白質功能預測提供更加準確的信息。

Todate,therehavebeenmanymethodsfordetectingpotentialligandbindingsitesbasedonstructuralsimilarityofproteins[14,16–22].Mostofthesemethodsaretargetedatpredictingproteinfunctionsatthelevelofligandbindingandcatalyticactivity.Therehavealsobeenmanystudiesonprotein-proteininteractioninterfacestounderstandbiologicalfunctionsofproteinsincellularcontexts。第10頁,共41頁，2024年2月25日，星期天然而，大部分研究都是針對于一些特殊的相互作用本身和不明確機理的相互作用如何調控蛋白質的生物學功能的。第11頁,共41頁，2024年2月25日，星期天文中思想為了明確原子水平上蛋白質相互作用的模式與其功能的關系，在這里我們采用一個非常詳盡的all-against-allstructuralcomparisonsofbindingsitestructuresatatomiclevelusingallstructuresavailableintheProteinDataBank(PDB)。第12頁,共41頁，2024年2月25日，星期天1.Identificationofelementaryandcompositemotifs首先，我們找到PDBMLfile中所有有注釋的生物學單元，然后從中提取出197690個蛋白質亞基（這些亞基均至少包含一個配體結合位點）這里，我們把一個亞基的配體結合位點定義為一個亞基的原子集（與配體原子的距離在5A之內）。然而我們不用已知的基于序列相似性的非冗余數據庫，我們的冗余在相似結構聚類之后再清理。通過這種方式，確定在后續(xù)的分析中當結構冗余條件移除后高度相似的蛋白質結構差異或相同的氨基酸序列是否能夠preserved。第13頁,共41頁，2024年2月25日，星期天KinjoAR,NakamuraH(2007)Similaritysearchforlocalproteinstructuresatatomicresolutionbyexploitingadatabasemanagementsystem.

All-against-allstructure用GIRAF結構搜索和排列程序比對410254小分子結合位點，346288蛋白質結合位點和20388核酸結合位點。完全連鎖聚類后各自輸出5869，7678和398簇（至少有十個成員）。我們把這些簇看做elementarymotifs.一個蛋白質亞基中所包含的全部的elementarymotifs的集稱為亞基的compositemotif.因此兩個亞基有共同的elementarymotifs可以推斷他們有共同的compositemotif。第14頁,共41頁，2024年2月25日，星期天第15頁,共41頁，2024年2月25日，星期天2.Characterizationofcompositemotifs組成compositemotif的elementarymotifs的數目由1-20不等。第16頁,共41頁，2024年2月25日，星期天Tocharacterizethediversityofcompositemotifs,theaverageandminimumsequenceidentitieswerecalculatedforpairsofsubunitssharingthesamecompositemotifs.第17頁,共41頁，2024年2月25日，星期天我們通過把檢驗得到的兩個不同的compositemotifs的相似性和最小序列一致性做一個函數。第18頁,共41頁，2024年2月25日，星期天3.Associationofcompositemotifsimilaritywithfunctionsimilarity第19頁,共41頁，2024年2月25日，星期天whenweusedonlytheUniProtfunctionsundertheBiologicalprocesscategorywhicharelessdirectlyrelatedtomolecularfunctions第20頁,共41頁，2024年2月25日，星期天第21頁,共41頁，2024年2月25日，星期天4.Examplesofcompositemotifssharingthesameelementarymotifandfoldbutwithdifferentfunctions

第22頁,共41頁，2024年2月25日，星期天5.Meta-compositemotifsforannotatingfunctions用一個compositemotif描述一個蛋白質亞基的特殊狀態(tài)，這樣每一個生物學過程都可以看作是一系列的相互作用模型。因此，compositemotif僅僅只能作為整個生物學過程中的點。為了對生物學過程有一個更加綜合性的感官，我們把所有的與特殊功能有關系的compositemotifs分類定義成meta-compositemotifs。第23頁,共41頁，2024年2月25日，星期天第24頁,共41頁，2024年2月25日，星期天type-1：basedsolelyonBLASTE-valuecutoffof0.05

type-2：basedonsequenceidentitycutoffof100%第25頁,共41頁，2024年2月25日，星期天6.Networkstructureofmeta-compositemotifsinbiologicalprocesses

我們把所有的compositemotifs分類組合成meta-compositemotifs，更有利于對蛋白質功能進行分析而不是最開始簡單的預測。第26頁,共41頁，2024年2月25日，星期天通過UniProtkeyword‘‘Transcription’’識別一個meta-compositemotif，然后找到節(jié)點部分。節(jié)點：

basedonrelationssuchascommonelementarymotifsorcommonsequences.第27頁,共41頁，2024年2月25日，星期天

Forexample,therearePDBentriesofhumancellulartumorantigenp53withorwithoutboundDNA(e.g.,PDB1UOL[58]and2AC0[59])whichsharethesameelementarymotifforzincbindingbuthavedifferentCompositemotifsdependingonthepresenceorabsenceoftheelementarymotifforDNAbinding.第28頁,共41頁，2024年2月25日，星期天第29頁,共41頁，2024年2月25日，星期天Toevaluatethepropertiesofnetworksofmetamotifs

第30頁,共41頁，2024年2月25日，星期天MaterialsandMethodsDatasetWehaveusedallthePDBentriesasofDecember29,2010(70,231entries)，whichcontainedatleastoneligandbindingsite.Aligandbindingsiteofasubunitisdefinedasasetofatleast10atomsinthesubunitthatareincontactwithsomeatomsofaligandwithin5Aradius.第31頁,共41頁，2024年2月25日，星期天2.Similaritybetweenbindingsitestructures

Tocomparebindingsitestructures,weusedtheGIRAFstructuralsearchandalignmentprogramwithsomemodificationstoenablefasterdatabasesearchandflexiblealignments(unpublished).Afterall-against-allcomparisonsofbindingsites,elementarymotifsweredefinedascomplete-linkageclusterswithacutoffGIRAFscoreof15.第32頁,共41頁，2024年2月25日，星期天TheGIRAFscoreisdefinedasTheresultsofall-against-allcomparisonofbindingsitesandclassificationsaremadeavailablefordownloadat/giraf/cmotif/.第33頁,共41頁，2024年2月25日，星期天NAandNB分別是A、B原子中的結合位點數目。NA,B是兩原子中配對比對結合的數目。Theweightw(xAa,xBa)forthealignedatompairsxAaandxBa.d(xAa,xBa)

isthedistancebetweentwoatomsinasuperimposedcoordinatesystem.閾值dc設定為2.5A。第34頁,共41頁，2024年2月25日，星期天結合位點的大小是影響GIRAF的初始值的主要因素。所以，在進行結合位點相似性與功能相似性的比對中我們采取了一個標準化的相似性測度使大小各異的結合位點能夠以相同的比例尺進行測量。

normalizedsimilarityS(A,B)betweenthebindingsitesAandBisdefinedas

第35頁,共41頁，2024年2月25日，星期天3.FunctionsdefinedbyUniProtkeywords我們從PDB數據庫中提取的每個亞基（均至少含有一個配體結合位點）在Uniprot數據庫中均可找到注釋。因此，我們要確定他們的關鍵詞從而確定其在Uniprot中的entries。

Twosubunitswhoseassociatedsetsofkeywordsareexactlyidenticalaredefinedtohavethesamefunction.ThesimilaritybetweentwoUniProtfunctionsaredefinedbytheJaccardindexbetweenthesetsofkeywordsassociatedwiththefunctions.第36頁,共41頁，2024年2月25日，星期天4.Similaritybetweentwosets

GiventhesetsAandB,theirsimilarityisdefinedbytheJaccardindexJ(A,B):

compositemotifelementarymotifsfunctionUniProtkeywordsmeta-compositemotifcompositemotifsmeta-sequencemotif