蛋白质超二级结构模体的统计分析

-精选财经经济类资料- -最新财经经济资料-感谢阅读- 1 蛋白质超二级结构模体的统计分析 【摘 要】蛋白质的空间结构决 定其生物学功能，蛋白质空间结构的预 测成为重要课题。从蛋白质的一级结构 预测高级结构却很困难。由超二级结构 得到的信息可用于三级结构的预测。本 文从氨基酸序列出发，对四类超二级结 构进行统计分析，得一系列可用于蛋白 质结构预测的有益信息。 中国论文网 /5/view-4007211.htm 【关键词】蛋白质；超二级结构； 统计分析 超二级结构是介于二级结构和高 级结构之间的模体，由超二级结构得到 的结构信息可用于三级结构的预测1。 一般在超二级结构中无规卷曲也称为 -精选财经经济类资料- -最新财经经济资料-感谢阅读- 2 Loop，Loop 在蛋白质结构中是一个重 要部分。最简单的具备特殊功能的超二 级结构模体包括两边的二级结构片断和 它们的连接 Loop2，二级结构中螺旋 记为“H”，折叠记为“E” 。由此，超二级 结构模体可分分四类，Loop 两端连接 螺旋，则定义为 HH；HE 是 Loop 左端 连接螺旋，右端连接折叠； EH 定义 类似；EE 是 Loop 两端连接两个折叠。 本文对四类超二级结构统计分析，得到 蛋白质超二级结构中一些有用信息，可 用于蛋白质结构及功能的预测。 1.数据集 选取 SCOP（1.69release）中 7290 个蛋白质序列片断，再从 PDB 库 中都找到该序列对应的二级结构。再从 这些序列中整理出 HH、HE、EH、EE 四类超二级结构。模体中 Loop 的氨基 酸长度从 1 到 20 个，经过统计发现 loop 长大多在 2 到 8 之间，所以选取 loop 氨基酸长为 2 到 8 的序列进行统计 分析，四类超二级结构中 Loop 长为 2-8 -精选财经经济类资料- -最新财经经济资料-感谢阅读- 3 的超二级结构序列片段个数见图 1。 2.方法 我们参照文献3的作法，对 Loop 长为 2-8 的五类超二级结构序列统 计了各位点 20 种氨基酸出现概率。选 取了 8 个位点：按照 Loop 起始位点对 齐时，我们选取 4 个位点，-3、-2、- 1、N；五类模体 Loop 序列的起始位点 记为 N，与 Loop 相连接的左边 3 个残 基从左到右记为-3、-2 、-1 ；Loop 终止 位点对齐时，选取 4 个位点， C、1、 2、3；五类模体 Loop 序列的终 止位点记为 C，与 Loop 相连接的右边 3 个残基从左到右记为 1、2、3。 3.结果 Loop 起始位点对齐时，对选取 4 个位点：-3、-2 、-1、N ，统计 20 种 氨基酸出现概率结果见图 2-图 5；Loop 终止位点对齐时，对选取 4 个位点： C、1、 2、3，统计 20 种氨基酸出现概 率结果见图 6-图 9。 可以看到，图 2-图 3 的图形走向 -精选财经经济类资料- -最新财经经济资料-感谢阅读- 4 很相似，说明 loop 长 2-8 的超二级结构 序列在-3 、-2 二位点 20 种氨基酸出现 概率的规律是相似的；图 3-图 6 的图形 走向不一致，说明 loop 长 2-8 的五类超 二级结构序列在-1、N、C、1 四位点 20 种氨基酸出现概率的规律有较大差别； 可以看到，图 8-图 9 的图形走向也很相 似，说明 loop 长 2-8 的超二级结构序列 在 2、3 二位点 20 种氨基酸出现概率的 规律是相似。说明超二级结构序列中 Loop 序列的起始位点和终止位点以及 与 Loop 起始位点和终止位点相连接的 规则二级结构的第一个氨基酸残基，在 20 种氨基酸的含量上明显的不同于序列 中其它位点。统计发现脯氨酸 P 变化最 大，说明 P 不利于形成螺旋但经常出现 在螺旋的第一圈中1。半胱氨酸 C、甲 硫氨酸 M、组氨酸 H、色氨酸 W 四种 氨基酸含量普遍底，符合文献1中指出 这四种氨基在蛋白质序列中出现的概率 最低。甘氨酸 G 是最倾向于形成无规卷 曲，图 2-图 9 中也看到四类模体在 N -精选财经经济类资料- -最新财经经济资料-感谢阅读- 5 位置 G 含量都最高，C 位置 G 的含量 也较高，其余位置却相对较低。由图 1- 图 8，我们还发天冬氨酸 D、天冬酰胺 N、甘氨酸 G、丝氨酸 S、谷酰胺 Q 在 四类模体的-3、-2 、-1、1、2、3 六个位 置上含量都较低；精氨酸 R、丙氨酸 A、赖氨酸 K、苏氨酸 T、酪氨酸 Y 四 类模体中含量变化较小；谷氨酸 E、异 亮氨酸 I、缬氨酸 V、亮氨酸 L、含量 在四类模体中含量变化较大，可知 E、I、V、L 的信息可用来区分四类模 体。 4.总结 本文对五类超二级结构模体按位 点对齐统计了 8 个位点 20 种氨基酸的 含量，得一些规律可用于区分四类模体， 但工作尚有很多不足，例如对序列统计 分析时没有考虑氨基酸的亲疏水性，而 氨基酸亲疏水性对