（计算机科学与技术专业论文）dna序列的二维图形表示及应用.pdf

il 2 d g r a p h i c a lr e p r e s e n t a t i o no fd n as e q u e n c e sa n di t sa p p l i c a t i o n b y l i uy a n s h u b e ( h u n a nn o r m a lu n i v e r s i t y ) 19 9 8 at h e s i ss u b m i t t e di np a r t i a ls a t i s f a c t i o no ft h e r e q u i r e m e n t sf o rt h ed e g r e eo f m a s t e ro fe n g i n e e r i n g c o m p u t e ra p p l i c a t i o n i n t h e g r a d u a t es c h o o l o f h u n a nu n i v e r s i t y s u p e r v i s o r p r o f e s s o rl i a ob o j u l y , 2 0 1 0 舢7删6m 6m 8 0 9m 1 舢y i j 湖南大学 学位论文原创性声明 本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所 取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任 何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡 献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的 法律后果由本人承担。 储硌5 秘 嗍湖。年争月刎 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意 学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文 被查阅和借阅。本人授权湖南大学可以将本学位论文的全部或部分内容编 入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇 编本学位论文。 本学位论文属于 1 、保密口，在年解密后适用本授权书。 2 、不保密回。 ( 请在以上相应方框内打“ ) 作者签名：；f 存姝日期：切口年缪月乡b 日 导师签名：蜀冬剐殳 日期：卯f o 年 8 ，月l 。 日 ii 摘要 随着人类基因组计划的完成，生命科学领域也进入了后基因时代。而基因和 蛋白质也成为生命科学研究的重点之一。过去，生物科学家们关注的是单一的基 因或蛋白质。现在，尤其是将来，科学家们将把工作的重心放在d n a 序列信息， 蛋白质结构信息，以及他们的相关关系上面。为了在不同层面和角度描述生物信 息，很多科学家进行了基因和蛋白质统计关系以及数学关联问题的研究，生物信 息学的飞速发展给科学家们带来的新的挑战。计算分子生物学主要用于研究这些 内容。计算分子生物学是一门交叉学科，涵盖数学、计算机、生物科学。其主要 研究内容为基因与蛋白质序列的相互联合关系。其核心内容就是序列比对、序列 分析、生物信息数据库、基因识别、进化树的构建以及生物分子结构预测等等。 随着人类研究生命科学技术不断进行，不断有新的分子序列数据被产生出来 了，同时它们又推动生物信息学的发展对这些序列数据进行科学的分析、处理 可以。序列分析是生物信息学中的基本操作，通过分析序列之间的相似性可以预 测它们之间的结构和功能关系。本文将在图形表达的基础上对d n a 序列进行进化 分析研究。图形表达是序列分析的重要方法。d n a 序列的图形表示方法为研究d n a 序列提供了重要手段，利用图形表示方法描述基因序列具有直观性和计算简单等 优点，这样相对于传统的研究方法，大大缩短研究的进程。 本文我们提出一种基于蛋白质中的2 0 种氨基酸和一个终止代码，也即核苷酸， 三联体的d n a 二维图形表达方法，对序列进行形象而直观的描述。在这种二维图 形表达的基础上，对序列进行相似性分析，并运用u p g m a 方法构建进化树，对2 4 种冠状病毒基因组进行进化分析。进化距离源于计算序列的二维曲线的差异性。 相比于现有一些进化分析方法，我们的方法不需要多序列比对。进化分析表明我 们的图形表达方式是有效的。 关键词：d n a 序列；序列图形表示；进化树构建 】lil d n a 序列的二维图形表示及应用 a b s t r a c t w i t ht h ei m p l e m e n to ft h eh u m a ng e n o m ep r o j e c t ( h g p ) ，l i f es c i e n c e sh a v e e n t e r e dt h ep o s t - g e n o m ee r a g e n e sa n dp r o t e i n sh a v eb e c o m et h em a i nr e s e a r c h s u b j e c t so fl i f es c i e n c e s i nt h ep a s t ，b i o l o g i c a ls c i e n t i s t ss t u d i e das i n g l eg e n eo r p r o t e i n ，b u tn o w ，e v e ni nt h ef u t u r e ，s c i e n t i s t sw i l lf o c u so nt h es t u d yo fd n a s e q u e n c ei n f o r m a t i o n ，p r o t e i ns t r u c t u r ei n f o r m a t i o n ，a sw e l la st h ei n t e r a c t i o n b e t w e e nt h e m i no r d e rt od e c i p h e rt h eb i o l o g i c a li n f o r m a t i o no fe a c hl e v e l ，g e n eo r p r o t e i n 。r e l a t e ds t a t i s t i c sa n dc o m b i n a t o r i a lm a t h e m a t i c sp r o b l e m sa r ep r o p o s e d ，a n d t h er a p i dg r o w t ho f b i o l o g i c a li n f o r m a t i o nh a sa l s ob r o u g h tt h ec h a l l e n g eo fc o m p u t e r s c i e n c e t h u s ，t h ec o m p u t a t i o n a lm o l e c u l a rb i o l o g ya n db i o i n f o r m a t i c sh a v e e m e r g e d c o m p u t a t i o n a lm o l e c u l a rb i o l o g yi so n eo ft h ee m e r g i n gf i e l do fc r o s s m a t h e m a t i c s ，c o m p u t e rs c i e n c ea n db i o l o g i c a ls c i e n c e s ，w h i c hm a i n l yr e s e a r c hg e n e o rp r o t e i ns e q u e n c e s - r e l a t ec o m b i n a t i o na n dc o m p u t a t i o n ，a n di t sm a i nt o p i c s a r e ： s e q u e n c ea l i g n m e n t ，s e q u e n c ea n a l y s i s ，b i o i n f o r m a t i o nd a t a b a s e ，g e n e si d e n t i f i e d ， p h y l o g e n e t i ct r e ec o n s t r u c t e da sw e l la st h em o l e c u l a rs t r u c t u r ep r e d i c t i o na n ds oo n w i t ht h e d e v e l o p m e n to fo u rr e s e a r c h e s o nl i r e s c i e n c e s ，m o r ea n dm o r e m o l e c u l a rs e q u e n c e sd a t ah a v eb e e ng e n e r a t e d t h ea n a l y s e sa n dp r o c e s s i n go ft h e s e d a t aa c c e l e r a t et h ed e v e l o p m e n to fb i o i n f o r m a t i c s s e q u e n c ea n a l y s i si so n eo ft h e m o s ti m p o r t a n to p e r a t i o n si nb i o i n f o r m a t i c s s e q u e n c ea n a l y s i sh e l p st o p r e d i c tt h e f u n c t i o n so fn o v e lg e n e sw i t h i na n ys p e c i e s o nab r o a d e rs c a l et h e s ea l g o r i t h m sh a v e a l s ob e e nu s e dt od e t e r m i n eh o m o l o g i e sb e t w e e ns e q u e n c e si no r d e rt o p r e d i c t s t r u c t u r a la n df u n c t i o n a lr e l a t i o n s h i p s g r a p h i c a lr e p r e s e n t a t i o no fd n as e q u e n c ep r o v i d e sas i m p l ew a yo fv i e w i n g ， s o r t i n ga n dc o m p a r i n gv a r i o u sg e n es t r u c t u r e s g r a p h i c a lt e c h n i q u e sh a v ee m e r g e da s av e r yp o w e r f u lt o o lf o rt h ev i s u a l i z a t i o na n da n a l y s i so fl o n gd n a s e q u e n c e s t h e s e t e c h n i q u e sp r o v i d eu s e f u li n s i g h t si n t ol o c a la n dg l o b a lc h a r a c t e r i s t i c sa n dt h e o c c u r r e n c e s ，v a r i a t i o n sa n dr e p e t i t i o no ft h en u c l e o t i d e sa l o n gas e q u e n c ew h i c ha r e n o ta se a s i l yo b t a i n a b l eb yo t h e rm e t h o d s 。 i nt h i sp a p e r , w ep r o p o s e da2 dg r a p h i c a lr e p r e s e n t a t i o no ft h ed n a s e q u e n c e s b a s e do nt h e2 0a m i n oa c i d sa n das t o pc o d eo fp r o t e i ns e q u e n c e s b a s e do nt h i s2 d g r a p h i c a lr e p r e s e n t a t i o n ，w eo u t l i n e dan e wa p p r o a c ht oa n a l y z et h ep h y l o g e n e t i c r e l a t i o n s h i p so f2 4c o r o n a v i r u s e sb a s e do nu p g m a t h ee v o l u t i o n a r yd i s t a n c e sa r e i i i 硕上学位论文 o b t a i n e dt h r o u g hm e a s u r i n gt h ed i f f e r e n c e sa m o n gt h et w o d i m e n s i o n a lc u r v e s u n l i k em o s te x i s t i n gp h y l o g e n yc o n s t r u c t i o nm e t h o d s ，t h ep r o p o s e dm e t h o dd o e sn o t r e q u i r em u l t i p l ea l i g n m e n t k e yw o r d s ：d n as e q u e n c e s ；g r a p h i c a lr e p r e s e n t a t i o no fs e q u e n c e ；p h y l o g e n e t i ct r e e c o n s t r u c t i n g i v d n a 序列的二维图形表示及应用 目录 学位论文原创性声明和学位论文版权使用授权书i 摘要i i a b s t r a e t i i i 插图索引一v i i 附表索引v i i i 第1 章绪论 1 1 选题意义和背景 1 2 国内外研究现状 1 2 1 国内研究现状 1 2 2 国外研究现状 1 3 分子生物学基础 1 3 1 核酸：d n a 和 1 3 4 氨基酸的性质 1 3 5 开放阅读框 1 3 6 分子遗传学机 ：! ：； 4 r n a 4 1 4 本文的主要工作 1 5 论文的结构 第2 章d n a 序列分析研究 2 1d n a 序列分析研究现状 2 2 序列图形表示方法介绍 2 2 1d n a 图形表示方法 2 2 1 蛋白质图形表示方法介绍 2 2 2 图形表示的应用 2 3d n a 序列的数字表示方法 2 3 1 序列的数字表示 2 3 2 序列直线图和变换分析 2 4 进化分析方法简介 2 4 1 基于距离的进化树构建方 2 4 2 基于特征的进化树构建方 法19 法2 0 v 5 6 构 结 和 类 分 的酸因基基氨 2 3 3 3 1 2 31l，l，l 3 5-tl 5 5l ，- 6 7 7，l，_t 8 9，l ，i 硕f - q ：位论文 2 4 3 用p h y l i p 进行进化树构建2l 2 5 小结一2 2 第3 章基于核苷酸三联体的序列2 d 图形表示及特征分析2 3 3 1 序列图形表示基本方法2 3 3 1 1 典型的d n a 序列的图形表示法2 3 3 1 2 序列图形的矩阵表示2 6 3 1 3 矩阵不变量2 7 3 2 基于核昔酸三联体的2 d 图形表示2 8 3 3 特征分析3 l 3 4 小结3 3 第4 章基于图形表示的进化树构建方法研究3 4 4 1 相似性分析3 4 4 2 进化树构建3 6 4 2 1 建树方法3 6 4 2 22 4 种冠状病毒进化树构建3 9 4 3 小结4 2 结论4 3 参考文献4 4 致谢4 8 附录a 攻读学位期间所发表的学术论文和参加的项目4 9 v i 核酸序列的图形表示及应用 插图索引 图1 1r n a 和d n a 的核苷酸分子结构示意图4 图1 2 人类基因的结构示意图5 图1 3 氨基酸分子结构示意图7 图1 42 0 种常见氨基酸的分子结构8 图2 1f m 分枝法2 0 图2 2 邻接法星形图2 0 图3 1g u o 等改进的二维图形表示2 4 图3 2r a n d i c 等的水平线型图形表示2 5 图3 3 一h ，一c ，一p ，否二维坐标中的位置2 9 图3 4m = i 2 ，n = 3 4 和m = l 4 ，n = 9 1 6 时， 图3 5m = l 2 ，n = 3 4 和m = l 4 ，n = 9 16 时， 图3 6m = l 2 ，n = 3 4 和m = l 4 ，n = 9 16 时， 在第一阅读框的s a r s 的特征曲线3 0 在第二阅读框的s a r s 的特征曲线3 0 在第三阅读框的s a r s 的特征曲线3 0 图4 12 4 种冠状病毒基因组的进化树4 1 v i i 硕十学位论文 附表索引 表1 12 0 种常见氨基酸的名称和符号9 表1 2 种常见氨基酸的5 种性质1 0 表1 32 0 种氨基酸的遗传密码1 2 表3 1 三种二维图形表示方法2 3 表3 221 种可能的方向3 2 表4 12 4 种冠状病毒基因组3 9 表4 22 4 种冠状病毒基因组的几何中心和三个主要特征值4 0 v i i i 硕_ 学位论文 第1 章绪论 2 0 0 1 年人类基因组序列草图的发布为生命科学研究树立了一个重要的里程 碑。生物信息学随着大量生物分子序列( 例如核酸和蛋白质) 数据的不断产生应 运而生，它不仅融合了生物学，而且还包含了数学和计算机等多门学科。生物信 息学利用现代高科技技术，借助计算机实现自动分析分子水平上的生物学数据。 它是从理论上认识生物本质的一种有效途径。从海量数据中挖掘在数据背后隐藏 的有用生物学信息，运用现有的成熟数学研究方法，在计算机技术高度发达的基 础上对生物数据进行解释、获取、存储、传输、加工和分析比对等工作，为生物 科研工作者理解生物的生命存在和物种进化、新药物的研究开发和新疗法的方案 制订提供帮助。其主要研究领域有物种系统发育树的构建、生物序列分析、序列 相似性分析、序列在数据库搜索比对、基因( 蛋白质编码基因) 计算机辅助识别、 基因组突变和重排、分子进化和比较基因组学、d n a 片断组装、r n a 和蛋白质结构 预测、d n a 语言学、d n a 物理作图、基因预测、药物计算机辅助设计等方面，其中 物种进化分析和生物大分子序列比较是生物信息学( b i o i n f o r m a t i c s ) 的基础。 1 1 选题意义和背景 核酸和蛋白质是生物信息学的研究内容中两个主要的方面，包括蛋白质和核 酸的功能、结构和序列的分析研究。生物信息学是研究生物信息的采集，处理， 存储，传播，分析和解释等各方面的一门学科，它通过综合利用生物学，计算机 科学和信息技术而揭示大量而复杂的生物数据所赋有的生物学奥秘。基因组测序 的完成，后基因组时代的不断发展，收集的生物数据的数据库快速增长，其信息 量也越来越大，如何处理研究分析和理解弄清这些庞大的数据表示的生物序列以 及其中所蕴涵的生物物种意义，越发迫切要求生物研究者们迫切的任务。因此， 生物信息学已成为生命科学研究的前沿，整个发展中的生命科学重要组成部分。 生物信息学是首先通过分析基因组d n a 序列信息，然后破译遗传密码，并掌握基 因代码，在获得蛋白质编码信息后进行模拟和预测蛋白质结构的空间和特性表示， 在此基础上再依据蛋白质片段的特定功能进行药物研发【l 3 】。 2 0 0 1 年2 月，人类基因组工程测序的完成，使生物信息学走向了一个高潮。 生物信息学也更加注重生物分子数据库中数据的获取、信息关系的确定，并通过 储存、查询和比对，认清数据的本质意义。生物学家和计算机学家等面临的巨大 挑战是如何更好地挖掘、解释和利用生物信息数据，取得更多的价值。 d n a 序列的二维图形表，j 及应用 数据挖掘是一种科学计算技术与数据分析的重要方法，它将传统的数据分析 方法与处理大量数据的复杂算法相结合，能够有效地从大量数据中提取潜在的信 息与知识。当前数据挖掘已被广泛应用在电信、零售、农业、网络日志、银行、 电力、生物、天体、化工、医药等方面，它已成为一项很重要的数据分析技术【4 j 。 在生物信息领域内，数据挖掘也起到了重要的作用，帮助人类从中发现可以用来 认识生物内在数据所隐藏的各种信息，为人类更深入的利用生物信息提供了依据， 从而正确理解数据所表达出来的生物学含义。目前的研究主要是应用众多的数据 挖掘技术来分析生物数据信息。这些技术包括：针对生物数据功能研究的挖掘分 析、挖掘生物数据体系架构的设计、各种对比分析算法的研究等【2 ，3 5 】。 张春庭院士创新提出了分析生物序列的几何学表示方法，将抽象的d n a 序 列与几何学的曲线微分、坐标系、投影曲线、多面体等建立起紧密联系，对比传 统的统计学的表示方法，几何学表示方法在原核生物编码区与非编码区的辨别、 氨基酸的物化性质分类、分子进化研究、蛋白结构类预测、反义核酸等问题上做 了大量实验，经过研究分析取得较好的应用结果1 3 哂j 。 序列相似性是指一条d n a 或蛋白质序列与另一条序列的相似程度，它是通过 比较多个序列提取的符号表示间的相似度来实现的。在序列相似性分析和序列比 对中经常会用到“同源”这个概念，同源是指它们具有共同的祖先。进化树也叫 系统发生树，用来描述物种之间的进化关系，建立这棵系统发生树的基础就是序 列比对两个或者多个序列之间的系统发生关系对于生物信息的分析。通过对生物 学的分子序列的数据建模，各种各样的分子数据中包含了分子进化中重要步骤的 证据，有效地运用这些模型进一步提取相关特征，这些对于研究生物形成或进化 的历史都非常有效。生物发展过程中的重要的进化事件也可以用来解决有关进化 历史和物种之间关系的问题。一个准确的系统进化树的推断，借助进化树更加有 利于我们掌握生物进化的过程和进化机制，能直观有效的表示出相关生物进化的 过程顺序，有助于人类进一步的相关研究。 1 2 国内外研究现状 1 2 1 国内研究现状 从二十世纪九十年代以后，在一些如大连理工大学的王天明教授，北京大学 的罗静初、天津大学的张春庭院士、顾孝诚两位教授、中科院生物物理所的陈润 生研究员等一些著名院士和专家教授的带领下，在序列的图形化表示、拼接e s t 序列以及基因组演化、建设生物信息学网站、应用几何学分析d n a 序列等方面 均与世界先进水平齐平【5 7 】，对蛋白质和d n a 序列研究方面做出了重大的贡献 1 2 - 1 5 1 。目前国内的生物信息学研究和应用在很多领域取得了长足的成绩，并在国 2 硕l 学位论文 际舞台上占有一席之地。 微生物基因组的大规模完整的测序和分析工作，我国是从1 9 9 8 年开始开展 的。国内现在建立了一批研究单位进行生物信息学的研究，如北京大学生物信息 中心、中科院遗传所人类基因组中心、大连理工大学信息中心、天津大学生物信 息中心、中科院计算所生物信息学实验室、上海生命科学研究所、联合基因集团 有限公司、复旦理论生物中心等等。他们现在已完成或正进行的研究有：高温真 细菌、菊花黄单孢菌、群生热孢菌、钩端螺旋体出血黄疸型赖株、福氏痢疾杆菌。 生物学研究人员现已完成了人类基因组的百分之一的测序工作和绘制了水稻基因 组的四亿三千万对碱基的“工作草图”。国家8 6 3 计划国家9 7 3 计划都有专门针对 性生物信息技术的专项资助课题项目，国家自然基金委员会也已开始对生物信息 处理进行立项，并将其列为重要发展方向。这些都为我国研究生物信息提供最直 接的基础素材。 1 2 2 国外研究现状 19 8 9 年开始，蓬勃发展的生物信息学，给相关基础学科起到了巨大的推动作 用，其研究成果对林业、农业、食品、卫生、医药等产业产生的影响巨大。目前 国际上最大的分子生物信息服务机构当数e m b n e t ( 欧洲分子生物网络组织) 。诸 多发达国家创建了很多生物信息中心用来存储海量的序列数据信息，如n c b i ( 美 国的生物技术信息中心) 、e b i ( 欧洲的生物信息学研究所) 、n c g r ( 英国的基因组资 源中心) 、c i b ( 日本的信息生物学中心) 等。随着基因组的研究的进一步深入和完 善，那些d n a 、蛋白质、m r n a 、r n a 等分子序列及其结构数据呈指数级增多，生命 科学的时代悄然兴起。面对巨大的复杂信息数据，利用已高度发展的计算机系统 辅助完成信息分析、数据存储、误差控制、找出进化规律及过程变得势在必行。 因此，各国政府对此极为重视，相继成立相应的研究机构，并投入大量资金做出 保障。借助当代电子信息技术的迅猛发展( i n t e r n e t 和信息高速公路) ，为了能给生 物信息学提供大型数据库服务，越来越多的国家在互联网上建立网络节点。 e m b n e t 已经连接了八个大型生物计算中心和二十二个国家节点，成为网络上最 大的生物信息学支持中心。 二十一世纪以来，关于图形化表示蛋白质和d n a 序列的研究更加活跃了， 不仅给出诸多的二维和三维的可视的图形表示，甚至出现了很多的高维数学表示 2 0 - 2 1 】。研究表明，基于d n a 序列特征求得相对应的矩阵的数学表示方法，可利 用导出矩阵的数字特征，很方便的分析加工出需要的信息。基于这种数字特征表 示方法，利用相似性分析方法，专家可针对不同物种的蛋白基因序列，分析出相 似性，取得了不少的研究成果【3 1 3 2 1 。不管生命是一个多么复杂的过程和系统，它 都是通过编辑、解读、存储遗传信息、执行遗传指令，并按生物生存进化规律来 d n a 序列的二维图形表示及应用 胁4 f 一鼍卜 一e 国拇 4 硕+ 学位论文 羟基与另一个的5 t 磷酸基脱水得到磷酸二脂键连接形成的。 碱基互补配对是d n a 复制机制的关键特征。即c 与g 配对，a 与t 配对。在 氢键的作用下d n a 单个链按羧基( 5 一端) 到氨基( 3 一端) 的次序与相反方向的 互补链配对。d n a 单个链( 按5 一端到3 一端的次序) ，在氢键的作用下与相反方向 的互补链配对。如：5 c a t g c c t g a3 与3 g t a c g g a c t5 配对。 1 9 5 3 年f r a n c i sc r i c k 和j a m e sw a r s o n 发现脱氧核糖核酸的分子结构是双 链形式，即两条单链绕在一起形成双螺旋( d o u b l eh e l i x ) 结构。脱氧核糖核酸的 复制得以正确有效的完成，就是依靠是碱基的这种互补配对机制。 子 糖 形 1 生 传 因 现 序 或 因 d n a 序列的一：维图形表示及应用 子，它有三个，分别是t a a 、t a g 、t g a ) 结束的一个编码序列。基因按照功能分 为三类： ( 1 ) r r n a 基因、t r n a 基因，只转录而不翻译的基因。如。 ( 2 ) 可调节控制结构基因表达的基因一一调控基因。 ( 3 ) 可被转录形成m r n a 一一结构基因，并进而翻译成多肽链，构成各种结 构蛋白质、催化各种生化反应的酶和激素等。 基因组( g e n o m e s ) 是一个细胞中全部的间隔序列和基因序列的统称。经过多 年的努力，科学家们通过对海量的生物信息数据的加工处理，已经完成了几十种 生物体的基因组测序工作，并形成了大量的基因序列库，为后续的研究工作打下 了坚实基础。基因识别正是在对这些海量的生物学数据的研究和分析过程中，获 取到生物学的基本规律，在探寻生物学知识的的海洋中迈出了重要一步。 1 3 3 氨基酸 生物体的大部分物质是各种各样的蛋白质，蛋白质的结构与功能几乎体现了 所有的生命现象。它是荷兰化学家m u l d e r 在试验中，于1 9 世纪中期发现的；时 隔一个世纪，英国生物化学家s a n g e r 才发明了蛋白质测序方法。 蛋白质种类多，结构复杂，是生物大分子。蛋白质通过肽键连接的天然氨基 酸形成的，存在一切生物有机体中。蛋白质是表达生物性状的一类主要物质，其 中组织的构成单元是结构蛋白，而酶中合成过程中是起化学反应的催化剂，它们 都具有特定的生物功能。氨基酸( a m i n oa c i d ) 分子的聚合能够形成持有生物特有 功能的大分子一一蛋白质。氨基酸是带有氨基的有机酸，其中心碳原子( 称为a 碳原子) ，c a 连接着一个h ( 氢原子) 、一个一c o o h ( 羧基) 、一个- n h 2 ( 氨基) 和一 个r 基团。如图1 3 所示是它的分子结构。 肽是由一个氨基酸的羧基与另一个氨基酸的氨基形成缩合而成的聚合物。在 形成肽键的过程中，需要通过脱去一个h 。o 分子，这就使得多肽链中的氨基酸失 去了两个h 和一个o ，从而不可能仍然是一个完整的氨基酸分子，故称为氨基酸 残基。多肽链也是蛋白质的构成基本单位。 多肽链有两个末端，羟基末端( c t e r m i n a l ) 和n t e r m i n a l ( 氨基末端) 。习 惯上将c 端写在右边，n 端与在左边，r 基是侧链，除r 基外的部分称为这个蛋白 质大分子的主链。多肽链是以 一n h c h c 0 一 r 为单位的基本结构。显然，各种的蛋白质分子具有完全相同的共价主链结构，氨 基酸的结构差别氨基酸排列顺序和侧链r 基的不同上。如图1 3 所示，a 图是氨 基酸的一般结构；b 图是r 侧链的变化对氨基酸性质的影响。 6 硕士学位论文 翻貉 a 气一 秘k 一 秘 翻辏州 0 。圹 一b 、o h 嘞、 鞠 躲夕；趣 ，耄喀毽 鞫；秘t| 簦：舻? 氟豺 瓤。 卢一 毫- o 2 豺 嬲辩；e，；e 搿 辩 鞲 d n a 序列的二维图形表示及应用 + h 剖一 口磺 r 纂团 异究氮酸 l l e 荤i l i 鲺陵 p m h；c；毒。 一 。一羔 陵r鲺；曼 磐 上p2 r； 一季。h啷 一 d 按 卜p p 、辨下会节氏静 州 天 ，；。o 一 | | 牲；cl， 一 一 一 | _ ；兰 黢s缸瞰 纽 一 一 一 一 h；铲；参： 一 h；了。， 一 ， 删一 硕十学位论文 表1 12 0 种常见氨基酸的名称和符号 中文名缩写英文名三字母缩写单字母缩写 丙氨酸丙 a l a l l i n ea l aa 半胱氨酸半c y s t e i n ec y s c 甘氨酸甘9 1 y c i n eg 1 y g 苏氨酸苏t r y p t o p h a nt r p t 苯丙氨酸苯丙p h e n y l a l a n i l q e p h ef 甲硫氨酸( 蛋氨酸)蛋 m e t h i o n i n em e tm 亮氨酸亮 l e u c i n el e ul 异亮氨酸异亮 i s o l e r i c i n e1 1 ei 脯氨酸脯prol i n ep r op 精氨酸精a r g i n i n ea r g r 缬氨酸缬 v a li n ev a lv 天冬氨酸天冬a s p a r t i ca c i da s p d 谷氨酸谷 g l u t a m i ca c i d g l ue ： 赖氨酸赖lysinel y s k 组氨酸组 h i s t i d i n eh i sh 谷氨酰胺g l u t a m i n e g l n q 天冬酰胺 a s p a r a g i f i e sa s nn 色氨酸色t r y p t o p h a nt r p w 丝氨酸丝s e r i n e 。 s e rs 酪氨酸酪t y r o s i n et y r y 氨基酸的性质 | c 基酸的性质氨基酸残基的生物化学、物理化学性质对蛋白质的功能和结构 畏远的影响，这是因为氨基酸侧链在酸碱性、大小、疏水性、形状和负电性 方面均存在差异，也就是说这二十种常见的氨基酸的种类就是由于它们r 至的物理化学性质决定的。同理，由于差异的存在，使得氨基酸序列有了各 刁组合形式，并得以形成为适应各种环境，实现不同的功能和性状各不相同 e 各样蛋白质结构，最终实现生物多样性的特定功能。在预测序列功能时， 争虑氨基酸的物理化学性质，可以大大提高预测的效率和质量。表1 2 描述 彗酸的分子量、相对距离、等电点、同义密码子以及不可取代性等物理化学 | c 基酸含有酸性的羧基和碱性的氨基，所以它是具有两性的电解质，既是酸 芄。有些氨基酸的侧链还含有不同的可解离的基团，所以等电点不同，同样 9 它们的p k 值也由其带电状况来决定。 表1 2 种常见氨基酸的5 种性质 除甘氨酸g 外，其它都有不对称碳原子，所以具有l 一型和d 一型两种构造，l 一 型的具有旋光性，大部分存在于天然蛋白质中。w ( 色氨酸) 、f ( 苯丙氨酸) 和y ( 酪氨酸) 具有紫外吸收特性，大多数蛋白质都具有这些氨基酸，这三种种氨基 酸最大吸收值是在2 8 0 n m 处，这是紫外吸收法测定蛋白质的定量基础。 根据2 0 种氨基酸侧链r 基团的极性，可将其分为四大类： 1 、非极性氨基酸：a l a ，i l e ，l e u ，p h e ，m e t ，t r p ，v a l ，p r o ； 2 、极性氨基酸：无电荷侧链氨基酸：s e r ，t h r ，t y r ，a s n ，g l n ，c y s ，g l y ； 3 、带正电荷侧链氨基酸：l y s ，a r g ，h i s ； 4 、带负电荷侧链氨基酸：a s p ，g l u 。 按氨基酸的营养功能分为必需氨基酸( e s s e n t i a la m i n oa c i d ) 和非必需氨基酸 ( n o n e s s e n t i a la m in oa c id s ) 能由简单的前体合成的，不需要由饮食供给的氨基 酸，例如甘氨酸、丙氨酸等氨基酸。人体对必需氨基酸和非必需氨基酸的需要量 比是：婴幼儿为1 ：1 8 6 ；成年人为l ：4 。 l o 硕l ：学位论文 按氨基酸在机体内的代谢途径分为成糖氨基酸和成酮氨基酸。 1 3 5 开放阅读框 读框是指把d n a 序列或r n a 序列划分成密码子的3 种可能方式之一，它可 以从序列的第l ，2 ，3 位置开始进行划分，所以划分的结果就有三种可能。这三种 可能的读码方式称为读码框架。比如序列： a c g a c g a c g a c g a c g a c g ，可能的读码框架就有以下三种： 1 、a c ga c ga c g a c ga c g a c g 2 、c g ac g ac g a c g ac g a 3 、g a cg a cg a c g a cg a c 一个由能翻译成氨基酸序列的三联体构成的阅读框称为开放阅读框。一段翻 译成蛋白质的序列有一个阅读框架，它有一个特殊的起始密码子，从此延伸出一 系列代表氨基酸的三联体，一直到在三种类型的终止密码子上结束。如果终止密 码子频繁出现，就会阻止阅读框被翻译成蛋白质。一个序列的三个阅读框全部被 阻断，那么它就会失去翻译成蛋白质的功能。在任何一段d n a 中，通常不会超 过个读码框是开放的，因为替换的读码框被频繁出现的终止密码子阻断。 1 3 6 分子遗传学机制 由于在合成机体的r n a 时需要d n a 分子指导，而且蛋白质的信息编码于d n a 分子中，所以在每个生命体中，d n a 分子的显得至关重要性。每一个细胞都有几 个被称之为染色体( c h r o m o s o m e ) 的非常长的d n a 分子。尽管d n a 分子非常长，但 并不是其中的所有编码均包含有效信息，其中大部分是含信息的不编码蛋白质， 少部分连续的片段构建蛋白质的编码信息，这些少部分的连续片段称为基因 ( g e n e ) 。每种蛋白质有且仅有一段d n a 序列与之相对应。 蛋白质是氨基酸链。可用三联核昔酸编码每一