(机械制造及其自动化专业论文)基于混合遗传算法的蛋白质结构预测研究.pdf_第1页
(机械制造及其自动化专业论文)基于混合遗传算法的蛋白质结构预测研究.pdf_第2页
(机械制造及其自动化专业论文)基于混合遗传算法的蛋白质结构预测研究.pdf_第3页
(机械制造及其自动化专业论文)基于混合遗传算法的蛋白质结构预测研究.pdf_第4页
(机械制造及其自动化专业论文)基于混合遗传算法的蛋白质结构预测研究.pdf_第5页
已阅读5页,还剩71页未读, 继续免费阅读

(机械制造及其自动化专业论文)基于混合遗传算法的蛋白质结构预测研究.pdf.pdf 免费下载

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

武汉理工大学硕士学位论文 摘要 蛋白质结构预测问题就是如何从蛋白质的氨基酸序列出发预测它的功能、 构象折叠等问题。怎样由一定的氨基酸顺序排列的多肽链生成一定空间结构的 蛋白质,这是一个人类破译生命奥秘的重大问题。蛋白质的折叠问题就是通过 蛋白质的一级结构来预测蛋白质的三维结构。蛋白质折叠热力学假说中明确指 出蛋白质一级结构可以完全决定其空间构型,天然结构下的蛋白质的自由能是 全局最小值。因而如何从一级结构预测其三维构型以及如何找到蛋白质折叠能 量函数的最小值就成为目前国内外的研究热点。蛋白质折叠过程是热力学过程 和动力学过程的综合,其折叠的随机性、过程的复杂性可想而知。因而要对折 叠过程进行研究,寻找能量函数的极小值必须借助简化模型和特殊方法进行。 本文首先探讨了如何求解蛋白质结构的能量问题。理想的能量函数应该能 够精确表达蛋白质的所有原子空间位置及其能量之间的关系。但是由于蛋白质 分子本身的复杂性,直接综合其生物、物理、化学等各方面性质建立的模型自 由度非常大,求解问题将会遇到很多困难。因此,求解时必须对能量函数进行 适当的简化。基于这种目的,本文将已有能量函数与h p 格子模型相结合,构建 了一种简化的能量函数。 在搜索最小自由能的蛋白质的三维结构这个问题上,本文采用的蛋白质三 维组态模型是h p 立方格点模型,详细论述了h p 立方格点模型的组成方式、表 示方法、特征以及如何用数据结构来对其进行描述;在这个模型的基础之上, 首先随机生成n 个三维空间结构,然后利用混合遗传算法,在巨大的蛋白质三 维组态空间中进行搜索,模拟蛋白质的折叠过程并找到自由能最小的蛋白质空 间结构。 搜索出自由能最小的天然蛋白质空间结构后,本文根据组成该蛋白质的每 个氨基酸的空间位置和属性,利用j a v a 3 d 技术对其结构进行仿真。 最后总结了本论文所做的工作,并指出本课题领域有待于进一步研究的问题。 关键词:蛋白质折叠h p 格子模型能量函数混合遗传算法j a v a 3 d 技术 武汉理工大学硕士学位论文 a b s 仃a c t t h ei s s u e so fp m t e i nc o n f i 删i o nf o r e c 私t i n ga r em eq u e s t i o n sh o wt of o r e c 嬲t i t sf u n c t i o na n df 0 1 d i n ga n ds oo n 舶mm ep r o t e i na l l l i l l o p h e n o ls e q u e n c e h o wm e s p a t i a lp m t e i nc o n f i 晷l r a t i o nc r e a t e db yt h ed e f i l l i t e 蛐o p h e n o lo n e - m m e n s i o n a l c o 而g u r a t i o n ,i sa i li i n p o n a l l ti s s u et h a tm eh u _ i n a nu v c i lt h em y s t e r yo fl i f e t h e p r o b l e mo fp m t e i nf o l d i r 培i st op r e d i c tt l l ep m t e i nt h r e e - d i m e n s i o n a ls m l c n l r e 丘o m i t so n e d i m e n s i o i l a ls 诅l c t i l r e t h ep m t e i l lf o l d i n gt h e m l o d y n 删ch y p o m e s i sp o 血t s o mm a tt h es p a t i a ls t n l c t u r eo fap r o t e i ni se n c o d e db yi t sp r i m a r ys 仇l c n l r e ,a n di t s 咖q u es p a t i a ls 伽l c t u r ei sm ec o n f o m l a t i o nw i t hm i i l i m a l 丘e ee n e r g ) - s oi tb e c o m e s t h ei n t e m a la n do v e r s e a sr e s e a r c hh o t s p o ta tp r e s e n tt h a th o wt op r e d i c tt h es p a t i a l c o n f i g u r a n o nb ym es e q u e n c eo f a n l i n oa c i d sa n dh o wt of m dt l l en l i n i m a l 舶ee n e r g y t h ec o u r s eo fp r o t e i l l f o l d i n gi n c l u d e sac o l l r s eo ft h 锄o d 1 a m i c sa n dt h a to f d y n a i i l i c s ,w t l i c hi sr a m e rr a n d o ma 1 1 dc o 1 p l e x ,t h e r e f o f e ,p r e d i g e s t i n gm o d e la n d e s p e c i a lm e t h o da r ea un e c e s s a r yi nt h ec o u r s eo fs e a r c h i n gt 1 1 em i l l i m a lo fp r o t e i n f o l d i i l ge n e 嬉y 劬c t i o n t h em a i nr e s u l t sb a s e do nt h i sr e s e a r c hi nt h et h e s i sa r ea s f o l l o w s : t h ct h e s i sd i s c u s s e s 1 ep m b l e mh o wt os 0 1 v em ee n e 唱yo fp r o t e i ns 仃u c t l l f e f i r s t l yt h ep e m c te n e 唱yf 呖c t i o ns h o u l de x p r e s se x a c t l y l er e l a t i o no fm et o t a l s p a t i a lp o s i t i o no fa t o m so fp r o t e i n 孤d 吐l e i re n e r g y0 w i i 培t om ec o p l e x i t yo f p r o t e i nm o l e c u l ci t s e l f t h e 丘e d o md e 盯e eo ft l l ee r e c t e dm o d e li n t e 黟a t i n gi t s p m p e n i e ss u c ha sb i o l o 鼢p h y s i c s ,c h e i n i ca n ds oo ni sv e r yl a r g e ,a n di tw i l lf a l l a c r o s sag r e a tm a c hd i f f i c u l t yt os 0 1 v et 1 1 ep r o b l e m s o 让呛e n e r g y 向n c t i o n m s tb e p r e d i g e s t e dp m p e r l yw h e ns o 工v i n gt h cp m b l 锄t h em e s i sc o m p o s e sap r e d i g e s t i n g e n e 碹yf i l n c t i o nc o m b i i l i n gt 1 1 ee x i s t e de n e 唱y 血n c t i o na n dt h eh pl a n i c em o d e l b a s e do nt h ep u l p o s e t h ep r o t e 如n 】r e e d i m e n s i o n a lc o n f o 】呵n a “0 nm o d e la d o p t e db vt h ed l o s i si sh p c 1 1 _ b el a t t i c em o d e lo nm ei s s u eo fs e a r c h i n gt h ep m t e i ns t n l c t u r ew i t hm i n i m a le n e r 夥 t h i st h e s i sd i s c u s s e st h em o d e l ss 乜m c t u r e ,t h er n o d e l sd e n o t a t i o n ,t h em o d e l ,s i i 武汉理工大学硕士学位论文 c h a r a c t e r i s 廿c 趾dh o wt od e s c r i b ei tu s i 工l gd a t ac o n f i 洲i o n b a s e do nt 1 1 i sm o d e l , f i r s to fa l l ,也e r ew i uc r e a t en 也r e e d i m e n s i o n a lc o n 研铂a l i o n s ,t h e n 也e 也e s i sa d o p t s m i x e dg e n e t i ca l g o 埘mf o rp a t t e ms e a r c h i n gi n 也et r e m e n d o u sc o n f o i m a t i o ns p a c e t os i m u l a t et h ep m c e s so fp r o t e i nf 0 1 d i n ga n dt 0f i n d 也em r e e d i m e n s i o n a ls t n l c t l l r e w i t i lt h em “m a l 疗e e e 唱y t h et h e s i su s e sj a v a3 dt e c h o l o g yt oi m i t 砒em et 1 1 r e e i e n s i o n a ls t m c t u r e b a s i n go nm es p a t i a lp o s i t i o na n dp r o p e r t yo fe a c h 锄i n oa c i dw l l i c hc o n s i s tm e p r o t e i r i 心e rs e a r c h i n gm es a v a g e n e s sp r o t e i ns p a t i a lc o n 丘g 啪t i o nw i t ht h ei n i i 妣1 f k ec 1 1 e r g y _ k e y w o r d s : p r o t e i nf 0 1 d i n gh pl a m c e m o d c l e n e r g y 劬c t i o n m i x e dg e n e t i ca l g o r i t h mj a v a 3 dt e c h n o l o 酵 i i i 武汉理工大学硕士学位论文 第1 章绪论 蛋白质结构预测问题就是如何从蛋白质的氨基酸序列出发预测它的功能、 构象折叠等问题。怎样由一定的氨基酸顺序排列的多肽链生成一定空间结构的 蛋白质,这是一个人类破译生命奥秘的重大问题。蛋白质的折叠l 1 1 问题就是通过 蛋白质的一级结构来预测蛋白质的三维结构。 蛋白质是一种生物大分子,基本上是由2 0 种氨基酸以肽键连接而成的肽链。 肽链在空间卷曲折叠成为特定的三维空间结构,它包括二级结构和三级结构二 个主要层次。有的蛋白质由多条肽链组成,每条肽链称为亚基,亚基之间又有 特定的空间关系,称为蛋白质的四级结构。所以蛋白质分子有非常特定的复杂 的空间结构。 外界环境的变化可以导致蛋白质空间结构的破坏和生物活性的丧失,但却 并不破坏它的一级结构( 氨基酸序列) ,这称为蛋白质的变性。变性的蛋白质往 往成为条伸展的肽链,在一定的条件下可以重新折叠成原有的空间结构并恢 复原有的活性。对蛋白质变性作用的认识是我国科学家吴宪在三十年代首先提 出的。蛋白质异常的三维空间结构可能会引发疾病,如疯牛病、老年性痴呆症、 囊性纤维病变、家族性高胆固醇症、家族性淀粉样蛋白症、某些肿瘤、白内障 等等都是“折叠病”。造成疯牛病的p r i o n 病蛋白可以感染正常蛋白而在蛋白质 之间传染。研究蛋白质的折叠问题不仅具有重大的科学意义,而且在医学和生 物工程领域都具有极大的应用价值。 1 1 研究背景及现状 二十一世纪是生命科学的世纪,其里程碑就是即将完成的、历时1 3 年、耗 资数十亿的著名的人类基因组计划( h 啪a | 1g e n o m ep r o i e c t ,h g p ) ,因为该计 划的完成将为最终揭示人体构造之谜奠定坚实的数据基础;而应人类基因组计 划和生物科学迅猛发展的要求而迅速兴起的生物信息学,则历史性地成为下 世纪生命科学浪潮中的热门学科。通俗来讲,基因组是由四种不同的脱氧核糖 核苷酸( 腺嘌呤a 、鸟嘌呤g 、胸腺嘧啶t 、胞嘧啶c ) 按照特定的编码规则串 联成的脱氧核糖核苷酸串( d n a ) ,其中蕴藏着生物体中所有结构信息的控制信 武汉理工大学硕士学位论文 息。因此,可以说基因组就是生物体内的控制中心,其中的功能单位可以转录 为核糖核苷酸序列( r n a ) ,有的就以r n a 的形式发挥生物功能,有的则迸一 步被翻译成为各种蛋白质而行使生物体构建和生命调控功能。基因组是一本完 整地讲述人体构造和运转情况的指南,有了它,就可以揭开有关人体生长、发 育、衰老、患病和死亡的秘密,因而危害人类健康的5 0 0 0 多种遗传病以及与遗 传密切相关的癌症、心血管疾病、关节炎、糖尿病、高血压、阿尔茨海默氏症 以及多发性硬化症和精神病等,就都可以得到诊断和治疗。 蛋白质( p r o t e i n s ) 是生命活动的主要承担者,对其结构及其功能进行研究 对揭开生命的秘密有着非常重要的意义。所谓蛋白质的折叠阀题,就是由氨基 酸维序列预测蛋白质的三维结构及其关联功能的问题。对这个过程的了解有 很大的实践意义,因为很多疾病,比如:阿尔茨海默氏症及疯牛病等都与蛋白 质的错误折叠【2 【4 5 有关。随着人类基因组计划的完成,人们得到的不同物种的 d n a 序列越来越多,但是蛋白质结构数据库( p r o t e i nd a t ab a n k 简称p d b ) 的增 长速度却相对较为缓慢,因而如果能从理论上在序列的基础上对蛋白质的三级 结构进行预测,对蛋白质分子功能的研究、错误折叠的疾病机制和药物设计方 面的研究都有着重大的意义。 目前,蛋白质三维结构研究方法主要分为实验研究和理论研究。实验研究是 结构研究的基础,采用的方法主要有:x 射线晶体衍射分析、多维核磁共振分析、 电子和中子衍射技术、波谱技术以及近年来发展起来的扫描隧道显微术( s t m ) 和原子力显微术等。目前只有前两种方法较为成熟,如在b r o o k h a v e n 蛋白质结 构数据库中源于x 射线晶体衍射的结构占8 0 以上,源于核磁共振谱的占1 6 左右。由于三维结构研究较为困难,其进展速度远远落后于一级序列测定的速 度。目前在测出了氨基酸序列的蛋白质中了解三维结构的仅占1 3 ,而且这一比 例仍在不断减小。为了弥补这不足,理论预测研究逐渐发展起来。 1 2 研究目的与技术路线 1 2 1 研究目的 蛋白质( p r o t e i n ) 是生命活动的主要承担者,对其结构及其功能进行研究对 揭开生命的秘密有着很重要的意义。所谓蛋白质的折叠问题,就是由氨基酸一 维序列预测蛋白质的三维结构及其关联功能的问题。随着人类基因组计划的完 成,人们得到的不同物种的d n a 序列越来越多,但是蛋白质结构数据库( p r o t e i n 武汉理工大学硕士学位论文 d a 扭b a l l k 简称p d b ) 的增长速度却相对较为缓慢,因而如果能从理论上在序列 的基础上对蛋白质的三级结构进行预测,对蛋白质分子功能的研究及错误折叠 的疾病机制及药物设计方面的研究都有着重大的意义。 1 2 2 技术路线 本文采用的蛋白质三维组态模型是h p 立方格点模型,详细论述了h p 立方 格点模型的组成方式、表示方法,特征及其在计算机中的实现;在这个模型的 基础之上,首先对蛋白质能量函数进行优化,然后随机生成n 个三维空间结构, 利用混合遗传算法在巨大的蛋白质三维组态空间中进行搜索,模拟蛋白质的折 叠过程并找到自由能最小的蛋白质空间结构;详细论述了采用混合遗传算法计 算的主要思想与关键技术及其优缺点:在已得到的数据基础之上,利用j a v a 3 d 技术对其结构进行仿真。 1 3 本文的主要工作 1 3 1h p 立方格点模型 h p 格子模型是一种粗粒化的模型,可以将蛋白质中的氨基酸分别放到空间 的格子中,那么这个蛋白质的氨基酸链就由在二维或三维的正方形格子空间中 的自回避行走轨迹表示。蛋白质的氨基酸链中相邻的两个氨基酸占据空间的两 个格子,格子之间的距离即是正方格子空间中最邻近的距离。根据氨基酸的基 本属性,可以将氨基酸分为两类:一类是疏水性的氨基酸,一类是亲水性的氨 基酸。这个模型体现了蛋白质折叠过程的主要驱动力为蛋白质内部的疏水性相 互作用。 本文采用混合遗传算法搜索到自由能最小的天然蛋白质三维结构,因此需要 大量的样本。由于组成蛋白质的氨基酸数目一般都非常多,再由这些氨基酸组 成的空间结构的数目更是一个巨大的数字,把所有的空间结构都作为样本将是 一个非常庞大的工程。我们这里采用随机算法,根据所设定的参数,生成一定 数目的三维结构,这些三维结构的生成不能是按照特定的规律生成的,否则将 增加后面搜索能量最低的空间结构的困难,必将造成预测结果成功率的降低。 本文使用随机算法克服了这个问题。 武汉理工大学硕士学位论文 1 3 2 搜索自由能最小的天然蛋白质三维结构 理想的能量函数应该能够精确表达蛋白质的所有原子空间位置及其能量之 间的关系。但是由于蛋白质分子本身的复杂性,直接综合其生物、物理、化学 等各方面性质建立的模型自由度非常大,求解问题将会遇到很多困难。因此, 求解时必须对能量函数进行适当的简化。基于这种目的,本文将已有能量函数 与h p 格子模型相结合,构建了一种简化的能量函数。 根据提供的样本,如何能找到自由能最小的蛋白质三维结构呢? 首先要解决 的问题就是如何根据蛋白质的三维结构来计算它的自由能了。 在蛋白质折叠的h p 格子模型中,对一个h p 序列所对应的特定结构,可以 计算出它的能量。在h p 格子模型中,只保留最临近的相互作用,当两个在序列 上不相邻的节点在空间上相邻时,便提供给体系一个相互作用能量,那么整个 h p 立方格点模型的总的能量为e 。 i ( n | n 占= 妣f ( 1 1 ) h ,j = l + 1 其中,n 表示蛋白质序列的长度。如果i 与i 在空间中处于最临近的位置但 在序列中并不相邻,那么廿等于1 ,否则,等于0 。e ,表示在序列中第i 个氨 基酸与第i 个氨基酸之间的能量。 根据上面的公式可以算出每一种确定的三维空间结构的能量。但是,如何 能找到具有最小能量的三维结构则是下步需要解决的关键问题。自由能最小 的三维结构并不一定就在样本中。这里我们采用混合遗传算法对其进行搜索, 极大的提高了结构预测的效率和质量。 1 3 3 折叠过程的可视化 本文将使用j a 、,a3 d 作为描述蛋白质分子三维结构的工具,j a v a 3 da p i 是 s u l l 定义的用于实现3 d 显示的接口。3 d 技术是底层的显示技术,j a v a 3 d 提供 了基于j a v a 的上层接口。j a v a 3 d 把o p e n g l 和d i r e c t ) ( 这些底层技术包装在j a v a 接口中。这种全新的设计使3 d 技术变得不再繁琐并且可以加入到j 2 s e 、j 2 e e 的整套架构,这些特性保证了j a v a 3 d 技术强大的扩展性。 d 武汉理工大学硕士学位论文 1 4 论文的组织 文章第一章简述了蛋白质折叠的研究背景及意义,同时简述了本文的核心内 容。第二章分析了蛋白质以及蛋白质折叠问题,以及所做系统的模块。重点论述 了蛋白质结构的一种粗粒化模型h p 格子模型。第三章首先对简化的能量函 数进行了探讨,然后详细论述了本论文如何对蛋白质三维结构的能量进行计算 的方法。第四章首先介绍了模拟退火算法和遗传算法以及它们在蛋白质结构预 测中的应用,然后重点论述了如何应用混合遗传算法搜索能量最小的蛋白质三 维结构。第5 章,介绍了j a v a 3 d 技术以及如何进行蛋白质三维结构的仿真。第6 章,给出了本文的总结,并对下一步的工作做了展望。 本研究的总体结构框架如图1 1 所示,它表达了各章之间的关系。 图1 1 论文各章的关系 武汉理工大学硕士学位论文 第2 章蛋白质与蛋白质结构预测 蛋白质是由许多氨基酸聚合而成的生物大分子化合物,它是生命的最基本 的物质之一。蛋白质广泛存在于各种生物组织细胞内,是生物细胞最重要的组 成物质。1 9 世纪有机化学发展后,人们才逐渐认识蛋白质的化学本质,同时也 认识到蛋白质是人类生活中不可缺少的物质。正是由于这个原因,随着人类对 客观世界的认识不断加深,随着生物信息学的发展,对蛋白质的研究特别是对 蛋白质结构和功能的研究逐渐成为一个重要的、极具研究价值的研究方向。 2 1 蛋白质简介 蛋白质是构成生命大厦的基础,在人体的固体成分中,蛋白质的含量几乎 占一半。人体的毛发、指甲、皮肤乃至人体内部的五脏六腑都是由蛋白质构成 的。 蛋白质不仅是生命大厦的主要建筑材料,而且是生命活动的活跃分子。心 脏的跳动,肺脏的呼吸,双腿的行走,双手的劳动,都要借助肌肉的收缩和伸 张,而赋予这种牵拉能力的主要成分就是蛋白质。人要把吸进的氧气带到全身 去,把二氧化碳排出体外,必须靠红血球中的血色素来承担运输任务,而血色 素这个重要角色也是一种蛋白质。人体内的许多化学变化,离不开酶这个奇妙 的化学技师,而酶的主要成分,还是蛋白质。人类要免受细菌、病毒等邪气的 侵袭,人体的正气就必须进行激烈的战斗,而保卫自己的强大武器抗体, 仍然是蛋白质【6 】。 “蛋白质”一词的在希腊语中是“首要”的意思,科学家之所以从希腊文 中选择了这个名字,就是特别强调它的重要。 恩格斯说:生命是蛋白质存在的形式。 蛋白质有比较复杂的组成,通过科学家的不断研究,对其组成已有了比较 正确的认识,下面就对蛋白质的组成进行简要的介绍。 武汉理工大学硕士学位论文 2 1 1 氨基酸及其基本结构 氨基酸的种类有2 0 种,它是由3 个碱基所构成的密码子形成的。碱基一共有 4 种,分为嘌呤( 腺嘌呤a 、鸟嘌呤g ) 和嘧啶( 胸腺嘧啶t 、胞嘧啶c ) 两类。 碱基在自然界中是以配对的形式存在的。配对方式是确定的,即腺嘌呤a 与胸 腺嘧啶t 配对( a t ) ,鸟嘌呤g 与胞嘧啶c 配对( g c ) 。 氨基酸的基本结构可分为三个部分,分别为胺基( n h 2 ) ,羧基( c o o h ) , 支链( s i d ec h a i n ) 。一般的形式见图2 1 。2 0 种氨基酸的三个部分之中,只有支 n r c 0 0 h n h 2 图2 一l 氨基酸的基本结构 链不同,也就是r 不同,但是这个支链对蛋白质的空间结构与理化性质有非常 重要的本质影响。 2 1 2 蛋白质的基本组成 蛋白质是由氨基酸组成的。一个氨基酸的胺基和另一个氨基酸的羧基缩合形 成肽键,一定数目的氨基酸以肽键的形式形成一条多肽链。多肽链中的氨基酸 由于脱水形成了部分残缺,所以叫做残基”。这条多肽链是蛋白质的基本组成, 是蛋白质的一级结构。图2 2 显示了两个氨基酸脱水的过程。 f 同e 一h 图2 - 2 两个氨基酸脱水的过程 鲁 一 武汉理工大学硕士学位论文 2 1 3 蛋白质的结构 蛋白质是一种生物大分子,是由2 0 种氨基酸以肽键连接成的肽链。肽键连 接成肽链称为蛋白质的一级结构。不同蛋白质根据其肽链的长度不同,肽链中 不同氨基酸的组成和排列顺序也各不相同。肽链在空间卷曲折叠成为特定的三 维空间结构,包括二级结构和三级结构二个主要层次。有的蛋白质由多条肽链 组成,每条肽链称为亚基,亚基之间又有特定的空间关系,称为蛋白质的四级 结构。所以蛋白质分子有非常特定的复杂的空间结构。一般认为,蛋白质的一 级结构决定二级结构,二级结构决定三级结构【8 儿4 “。 一级结构:蛋白质中的氨基酸序列; 二级结构:蛋白质多肽链中有规则重复的区域,如螺旋,折叠,转角: 超二级结构:相邻二级结构单元组成的结构单位,常为蛋白质三维结构的 构件,如单元,折叠桶等; 三级结构:由二级结构和超二级结构组成,是蛋白质的基本功能单位; 四级结构:由几条多肽链组成的蛋白质分子,每一个肽链为一个亚基; 五级结构:由独立的生物大分子组成的聚合体,如蛋白质一蛋白质聚合体, 蛋白质一核酸聚合体。 一定顺序的氨基酸聚合成多肽链也就是蛋白质的一级结构,多肽链借助于 氢键沿维方向排列成具有一定周期性的结构如螺旋或者折叠,在二级结构的 基础上依靠多肽链中氨基酸侧链基团参与的氢键离子键,疏水相互作用范德华 力以及二硫键构建起的蛋白质的三级结构,一个或多个蛋白质分子通过亚基与 亚基之间的疏水相互作用结合成有序排列的特定空间结构。对于一段d n a 序列 来说,经翻译和转录过程后,被表达成一段由2 0 种不同氨基酸按特定顺序排列 的肽链,它构成了蛋白质的一级结构。在溶液中肽链会在三维空间形成特定的 结构。随着温度,p h 值或溶液中不同成分的变化,特定的蛋白质三级结构会迅 速变性成为一个相对松散无序而柔性较高的结构。相反,倘若发生条件可逆的 变化蛋白质分子会回到生理条件下的特定结构。这种由特定二级结构组成的较 紧密而有序的结构称为天然结构。 2 1 4 蛋白质的功能 蛋白质是生物体中的一类非常重要的物质,是生命的承担者,它主要有以 武汉理工大学硕士学位论文 下的一些功能【9 j : 催化功能:蛋白质最重要的功能是作为生物体内生化反应的催化剂。生物 体内的很多生化反应都需要催化剂,而蛋白质恰恰是一种非常好的催化剂。 运输功能:蛋白质在生物体内具有传递的功能。它是氨基酸分子、葡萄糖 分子以及其它的一些物质的载体。 收缩与运动的功能:有些蛋白质赋予生物体的细胞收缩与运动的功能。比 如动物与人的肌肉可以自由的收缩就是因为肌肉是由蛋白质构成的。 营养和储存功能:有一类蛋白质可以储存氨基酸,这种蛋白质被用于生物 体中的一些组织的生长。 免疫功能:蛋白质具有帮助生物体内的机体抵御外来物质侵害的功能,它 能区别生物体内的物质与生物体外的物质,有效地保护生物体内的机体。 调控功能:蛋白质具有调控生物体内的物质的生长功能。 结构组织功能:蛋白质是生物体的细胞与多数机体组织的组成部分,是生 物体组织的物质构成形态。 蛋白质还有一些其它的功能,总的说来蛋白质的功能是非常复杂的。随着 生物学的发展,人类对蛋白质原有的功能的认识不断加深,同时还不断地发现 蛋白质的一些新的功能。 在生物学中,已经可以采用一些生物的方法对蛋白质的结构进行预测,但 是效率非常低下,而且代价较高。所以人们希望通过计算机这种现代工具从另 外的途径对蛋白质的结构做出预测。 2 2 1 蛋白质三维结构预测的研究背景 随着人类基因组计划的完成与生物学和生物信息学的发展,人类已经得到 了大量的生物信息序列。这些生物信息序列为人类迸一步探索生物界的奥秘奠 定了坚实的基础。但是这些生物序列只是生物物质的组成和一维排列,现在的 主要任务就是要得到这些信息的意义。在这种研究背景下,d n a 的序列比对与 蛋白质的三维结构和功能的预测就成为一个当今生物信息学的中心问题。随着 人类的努力探索,序列比对的问题取得了较大的进展,现在已经有了一些方法 武汉理工大学硕士学位论文 来进行序列比对分析【1 0 ,在这一领域还存在一些软件,并且这些软件已经得到 了较为广泛的应用。但是蛋白质三维结构与功能的预测却始终没有取得突破性 的进展。现在蛋白质序列数据库的容量非常之大,而且以惊人的速度在增长, 但是蛋白质结构与功能数据库的增长速度却非常之慢。在这种情况下,就急需 用设计好的算法来进行蛋白质三维结构与功能的预测,模拟蛋白质的折叠过程。 相信在不远的将来,人类最终可以解决这个问题。 2 2 2 蛋白质三维结构预测的意义 蛋白质的生物学功能在很大程度上取决于其空间结构【4 ”,蛋白质结构的构 象多样性导致了不同的生物学功能。对蛋白质结构与功能关系的研究是进行蛋 白质功能预测及蛋白质设计的基础。蛋白质的结构与功能是统一的,蛋白质分 子只有处于它自己特定的三维空间结构情况下,才能获得它特定的生物活性; 三维空间结构稍有破坏,就很可能会导致蛋白质生物活性的降低甚至丧失。因 为它们的特定的结构允许它们结合特定的配体分子,知道了基因密码,科学家 们可以得到组成某种蛋白质的氨基酸序列,却无法绘制蛋白质空间结构。因而, 揭示人类每一种蛋白质的空间结构,已成为后基因组时代的制高点,这也就是 结构基因组学的基本任务。这一任务也可以归结为找到蛋白质从氨基酸到空间 结构的折叠机理,也叫做中心法则的第二遗传密码。对于蛋白质空间结构的了 解,将有助于对蛋白质功能的确定。更进一步,弄清楚蛋白质的结构对于理解 蛋白质的作用机理,理解蛋白质结构与功能的关系,并在此基础上进行蛋白质 复性、突变体设计,以及基于结构的药物设计具有非常重要的意义。而且蛋白 质结构的预测,尤其是基于热力学定理的蛋白质结构预测,能够帮助我们认识 蛋白质的折叠机理,揭示折叠密码【1 1 】。 2 3 获得蛋白质三维结构的两种方法 根据现代生物学的观点,蛋白质的结构决定蛋白质的功能,具有不同结构 的蛋白质具有不同的功能。要想知道某一种蛋白质的功能,必须要知道这种蛋 白质的结构,所以如何获得蛋白质的结构是一个现代生物学家必须解决的问题。 根据现代生物学及生物信息学的发展,目前存在两种获得蛋白质结构的方法: 一种是蛋白质序列的分析方法;另一种就是从头预测的方法,也就是本文所要 武汉理工大学硕士学位论文 研究的蛋白质折叠问题。 2 3 1 蛋白质序列分析方法 蛋白质的序列分析方法也叫蛋白质的模式识别方法【6 ”。根据现代生物信息 学的基本原理,并不是所有蛋白质的组成都对蛋白质的功能有决定性的贡献。 在这所有的构成中,只有少许的部分对蛋白质的功能有决定性的作用。这少许 的对蛋白质的功能有决定性影响的部分叫做蛋白质的特征模式。这种特征模式 具有保守性,它与蛋白质的活性有关,同时与蛋白质的折叠方式有关。正是这 种特征模式的保守性可以用来得到蛋白质的结构与功能。蛋白质的序列分析方 法就是将已知的一些蛋白质的序列模式与结构模式收集起来,建立蛋白质的模 式数据库与蛋白质的结构数据库,测定了一种新的蛋白质后,看这种蛋白质中 是否具有特定的序列模式与结构模式,然后将这种特征模式与蛋白质序列模式 数据库和蛋白质结构数据库中的己知模式进行比对,辨别这一种蛋白质属于哪 一种蛋白质家族。这种方法也叫做模式识别。根据蛋白质的序列模式数据库的 方法叫做序列模式识别,根据蛋白质的结构模式数据库的方法叫做结构模式识 别。现在利用已有的蛋白质序列模式数据库与蛋白质结构模式数据库来判断蛋 白质所在的蛋白质家族,从而得到蛋白质的结构与功能已成为得到蛋白质结构 与功能的常用方法【6 5 。 2 3 2 蛋白质折叠 大多数蛋白质从一条生长的肽链折叠成有其特定结构的、有活性的蛋白质, 并不是一步完成的,而要经过很多的折叠中间状态。 蛋白质折叠是一个复杂的过程,一个蛋白质特定的三维空间结构是由多种 力:共价的和非共价的,长程的和短程的等复杂又精细的作用力共同作用而成。 可以采用x 光晶体衍射和n m r 共振技术测定蛋白质的三维空间结构,以及 用生化方法来研究蛋白质的功能。但是这些方法的效率并不高,无法适应蛋白 质序列数量飞速增长的需要,因此近几十年来科学家致力于研究用理论的方法 预测蛋白质的三维结构与功能。 蛋白质的折叠问题就是通过蛋白质的一级结构利用计算机来预测蛋白质的 三维结构。这个方法也叫从头预测方法。蛋白质的一级结构唯一地决定蛋白质 一 j 茂汉理工大学硬士学位论文 的三维结构,而且天然的蛋白质结构的能量是最小的。蛋白质在溶液中快速地 折叠,这个折叠过程非常短暂,而且过程极为复杂。这个过程是一个热力学控 制和动力学控制共同作用的过程【4 ”。 所谓热力学控制的折叠意指:一个蛋白质达到它的能量全局极小并且折叠 是与路径无关的,即自然结构仅由最后的自然条件确定而不是由初始的变性条 件确定;热力学控制的折叠需要很长的时间,因为需要大量的组态搜索。 动力学控制的折叠意指:折叠是在具有生物学时间尺度内快速完成的,这是 由于折叠是与路径有关的,最后的结构也许是不同的并依赖于折叠开始时的变 性条件,因此,蛋白质也许仅仅只达到一些相应局域极小的状态【l3 1 。正是基于 上述的基本事实,需要设计好的算法在计算机上模拟它的折叠过程和预测它的 三维结构。图2 3 为蛋白质折叠示意图。 图2 3 蛋白质折叠示意图 从现代生物信息学与分子生物学的研究内容来说,蛋白质折叠应该是包含 两个方面:1 ) 变性的蛋白质或多肽链的折叠;2 ) 通过三联密码翻译成的氨基酸序 列链( 新生肽链) 的折叠 1 4 ” 。因为蛋白质折叠是一个十分复杂、既涉及热力 学又涉及动力学的问题,为简单起见一般我们只关心第一个方面( 因第二个方 面更为复杂) 。第一个方面的研究也就是我们通常说的蛋白质折叠问题。它的 研究是进一步研究新生肽链折叠的基础,也是分子生物学中最有兴趣的问题之 一,具有重大的学术意义。蛋白质折叠问题是生物信息学中的中心问题,它被 列为“2 1 世纪的生物物理学”的重要课题,是分子生物学中心法则尚未解决的 一个重大生物学问题。这个问题是非常难以解决的。由于蛋白质折叠问题是从 蛋白质的一维序列通过计算机算法直接的得到蛋白质的三维结构,而根据现有 的理论,蛋白质的一维序列唯一地决定蛋白质的三维结构,蛋白质的拓扑结构 武汉理工大学硕士学位论文 决定蛋白质的折叠机制,这为蛋白质折叠问题的研究提供了理论基础。 遵照安芬森原理,对于一条具有确定氨基酸排列的多肽链,在一定的外界 条件下,它的折叠态是自由能最低的最稳定的构型,并且这个构型是唯一的。 此折叠态称为序列的自然态,与之相对应的结构称为自然结构。自然结构是具 有生物功能的折叠结构。有了安芬森原理,似乎蛋白质折叠的任务就是找到自 由能最小的自然态。然而,这却是不容易的,因为多肽链具有的组态空间数目 是非常巨大的。组态数随氨基酸个数指数增长。组态空间的全局搜索几乎是不 可能的。实验告诉我们蛋白质折叠的时间大约在l o 3 到1 秒左右,此时间大约比 它在组态空间作全局搜索的时间小1 0 几个数量级。显然,可以推测蛋白质没有 在它的组态空间作全局搜索。蛋白质是怎样在没有作组态空间的全局搜索而找 到它的折叠态的? 现在已有理论提出蛋白质折叠也许是沿着某一特定路径进行 的,蛋白质折叠问题的一个关键难点就是要找到这个折叠路径。现有理论认为, 蛋白质的折叠是在一个能量的高维曲面中完成的,那么这个折叠路径也就存在 于一个高维曲面中,这个高维曲面叫做蛋白质折叠的能量漏斗,这个能量漏斗 的最底端就是蛋白质天然态对应的能量 16 。图2 4 是能量漏斗示意图。 图2 4 能量漏斗示意图 2 3 3 蛋白质折叠与蛋白质序列分析方法的区别 蛋白质折叠问题与蛋白质的序列分析是两种不同的分析蛋白质序列的方 法。蛋白质的序列分析是要借助于蛋白质序列数据库,无论是序列模式识别还 是结构模式识别,都是以已知的蛋白质的序列与结构为基础的。相比之下,蛋 白质的序列模式识别要简单一些,蛋白质的结构模式识别要可靠一些,但是较 为困难【l ”。而蛋白质折叠是直接通过蛋白质的一级结构在计算机上预测蛋白质 的三维结构。它不需要蛋白质的序列模式数据库与蛋白质的结构模式数据库,而是 直接从蛋白质的一维序列通过一定的计算机算法直接预测蛋白质的三维结构。 武汉理工大学硕士学位论文 蛋白质肽链可能存在的构象数目似乎是无穷无尽的,事实上,蛋白质肽链 寻求的是能量最低的构象。蛋白质的天然构象主要是肽链内部和肽链之间相互 作用的结果,并且它在很大程度上也取决于肽链和水所产生的相互作用,因为 蛋白质一般处于水溶液环境中。在水中,蛋白质分子的非极性部分倾向于聚集 在一起而形成非极性的聚集体,这就是疏水作用力。我们所建立的模型的能量 值的大小就是依据疏水力作用的结果。疏水力的作用使得折叠模型是一个具有 疏水核的紧凑模型。自然界中虽然存在2 0 种不同的氨基酸,但它们基本上可以 分为亲水性氨基酸( 用p 表示) 和疏水性氨基酸( 用h 表示) 两类。计算机实验 结果也证明了这种,分类的可行性蟑j ,这个模型能够反映蛋白质的一些结构特性。 2 4 1h p 格子模型简介 氨基酸的类型虽然有2 0 种,但是它们基本上可以分为两类:亲水性氨基酸 ( 用p 表示) 和疏水性氨基酸( 用h 表示) 。根据氨基酸的这一特性,d i l l 等人 8 0 年代提出了h p 格子模型,这使得计算机模拟蛋白质折叠成为可能。 h p 格子模型是种粗粒化的模型。可以将蛋白质中的氨基酸分别放到空间 的格子中。那么这个蛋白质的氨基酸链就由在二维( 三维) 的正方形( 正方体) 格子空间中的自回避行走轨迹表示。蛋白质的氨基酸链中相邻的两个氨基酸占 据空间的两个格子,格子之间的距离即是正方格子空间中最邻近的距离。格子 模型将蛋白质分子内部的连续性空间离散化,并且分子内部的自由度减小1 1 7 】。 这个模型体现了蛋白质折叠过程的主要驱动力为蛋白质内部的疏水性相互作用。 2 4 2 二维整点模型 近年来科学家提出了几种简化了的蛋白质折叠结构的数学模型。目前,国 际上研究得最广泛的一种模型是二维整点模型 2 2 2 3 ,该模型中蛋白质链由两种 类型氨基酸的序列构成,分别是亲水氨基酸( 用p 表示) 和疏水氨基酸f 用h 表示) , 我们将每个氨基酸想象成一个结点,一个合法的蛋白质链空间构形必须满足以 下3 个条件:1 ) 序列每个结点必须放在二维平面的整数坐标上。2 ) 序列中每个结 点相对其前驱结点除可以向前延伸一个单位距离外还能向左或向右延伸个单 位距离。3 ) 二维空间上的每个整数格点上最多只能放一个结点,即不允许蛋白质 武汉理工大学硕士学位论文 链自重叠。构形中所有非直接相连而相邻的h 对的能量之和即是整个构形的能 量。例如图2 - 5 是一个链长为2 5 ( p p h p p h h p p p p h h p p p p h h p p p p h h ) 的蛋白质 空间构形,其能量为8 。 图2 5 链长为2 5 的蛋白质空间构形 2 4 3 立方格点模型 立方格点模型在序列空间与结构空间作了较大的简化,同时保留了最基本 的特性,这一结果使得利用此模型可以对结构序列离散化空间进行完备的描述 及简化搜索,并可以从中得到在天然状态的蛋白质结构序列中有对应意义的规 律。图2 - 6 显示了一个用立方格点模型模拟的一个蛋白质三维结构。 本系统采用立方格点模型作为蛋白质的三维组态模型,立方格点模型是在 二维整点模型的基础之上进行了一些改进得到的。改进的目的是增大蛋白质三 维结构的组态空间,得到能量更小的蛋白质三维结构。下面详细地介绍本论文 是怎样采用立方格点模型对蛋白质三维结构进行建模的。 图2 6 立方格点模型模拟的一个蛋白质三维结构 武汉理工大学硕士学位论文 2 4 3 1 立方格点模型的结构 所谓格子模型,其本质的意义就是将某一个氨基酸放在空间的某个点后, 蛋白质序列中它后面的那个氨基酸可以放在那些在空间上和这个点相邻的点 上。那么这两个点之间所形成的方向就叫做这两个氨基酸的折叠方向。立方格 点模型就是指两个氨基酸的之间的折叠方向是垂直的,也就是沿着x y z 三个坐标 轴的方向折叠,这样的折叠方向有6 个,分别为上、下、左、右、前、后2 钔, 根据空间上的每个整数格点上最多只能放一个结点这一原则,由于氨基酸的位 置不能与前一个和其它氨基酸的位置重合,因此其折叠方向最多有5 个。而二 维整点模型的折叠方向只有3 个。所以立方格点模型的折叠方向大大的超过二 维整点模型,这样会大大的增加遗传算法的搜索空间,并且得到的最小自由能 也较小。但是,搜索空间也增大了很多,这就需要提供高效的搜索算法。 2 4 3 2 立方格点模型的数据结构 假设蛋白质的长度为n ,以h p 格子模型为基础,如果知道了这个蛋白质中 的每两个相邻的氨基酸之间的折叠方向,那么初始化第一个氨基酸的三维空间 位置,就可以得到这个蛋白质的三维结构。由此可知,两个氨基酸之间的折叠 方向是蛋白质三维空间结构的最基本的要素,要想在计算机中以h p 格子模型为 基础来表示此蛋白质的三维空间组态,只需要表示折叠方向,然后将这些折叠 方向连接起来,就形成了一个三维空间结构了。 对于立方格点模型,氨基酸的折叠方向有6 个,我们可以用6 个数字来表 不: 1 表示沿x 轴的正方向折叠 2 表示沿x 轴的负方向折叠 3 表示沿y 轴的正方向折叠 4 表示沿y 轴的负方向折叠 5 表示沿z 轴的正方向折叠 6 表示沿z 轴

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论