蛋白质结构功能关系及其与小分子相互作用预测的新方法研究.ppt

蛋白质 结构功能关系及其与小分子相互作用预测的新方法研究 兰州大学化学信息与分子模拟研究所 姚小军 主要内容 蛋白质折叠行为的预测 T细胞表位的识别预测 蛋白质 小分子结合能力预测 蛋白质致病性单氨基酸突变的预测 结论与展望 2 背景介绍 3 蛋白质序列 蛋白质结构 蛋白质结构 功能关系 蛋白质结构功能关系及相互作用研究 蛋白质整体性质的研究 折叠速率 折叠途径 单氨基酸多态性氨基酸残基性质的预测和识别 蛋白质中磷酸化 甲基化 乙酰化等位点的识别相互作用研究 蛋白质与蛋白质 DNA RNA以及小分子的相互作用机理的研究 耐药性机制 折叠机理 4 二级结构 折叠机理的解释 蛋白质 配体结合强度 蛋白质序列 蛋白质结构 蛋白质结构 功能关系 蛋白质结构功能关系及相互作用研究 5 主要思路和方法 序列描述与机器学习方法相结合分子对接 分子动力学模拟 蒙特卡罗模拟 有效的序列特征描述方法的研究 自相关方法新的建模方法和策略 局部建模 最小二乘支持向量机 决策森林方法 一致性建模策略 关键问题 致病性单点氨基酸突变的预测研究 InsilicopredictionofdeleterioussingleaminoacidpolymorphismsofproteinsfromaminoacidsequenceLiS andYaoX etal 2010 inrevision 6 nsSNP 非同义性单核苷酸多态性 OMIM数据库http www ncbi nlm nih gov entrez query fcgi db OMIMHGMD数据库http www biobase 研究背景 Ng P C Henikoff S AnnuRevGenomHumG2006 7 61 80 SAP singleaminoacidpolymorphisms 是否致病以及致病机理的探索 7 研究背景 PaulineC NgandStevenHenikoff Annu Rev Genom HumanGenet 2006 7 61 80 8 PaulineC NgandStevenHenikoff Annu Rev Genom HumanGenet 2006 7 61 80 研究背景 9 存在问题 准确率不够高 过程繁琐复杂 缺乏机理解释 研究的目标 10 模型结果的解释和机理的探索 3类特征描述氨基酸物理化学性质 2 单肽和二肽组成 420 蛋白质序列自相关性质 240 特征筛选及建模大数据集问题 49532 662 RandomForest44个重要特征用于最后建模 研究思路和方法 SwissProt v57 2 50 000SAP 数据集 研究SAP问题的最佳数据集 Careetal Bioinformatics 2007 23664 672 49532substitutionsfrom10895humanproteins 20483disease relatedsequencesand29049neutralpolymorphismsequences FastKennard stone FKS 44580训练集样本 11 模型的预测结果 12 预测结果及其与文献方法的比较 外部测试集结果比较 运行时间SIFT 5 10分钟 200AA蛋白 SeqRF 40秒 200AA蛋白 2008substitutionsitesfrom720humanproteins 13 致病性和非致病性突变中的氨基酸突变类型分析 H High M Middle L Low 14 统计所有可能突变 找出与疾病高度相关的突变分子动力学模拟 进一步的机理探索 在线预测系统 http montana informatics indiana edu cgi bin seqmut seqsubpred cgi 15 蛋白质折叠行为预测 16 17 蛋白质的折叠是指一条多肽链从其一级序列折叠成为具有特定生物学功能的天然构象的过程 蛋白质折叠行为预测 蛋白质折叠途径类型的预测研究 蛋白质折叠速率的预测研究 测定蛋白质折叠速率的方法实验测定理论预测模型 序列描述和建模算法 18 1 蛋白质折叠速率的预测研究 全局模型 MLR局部模型 LLR 19 101条蛋白质序列 模型的建立 关键特征的选择 样本特征的计算 模型的验证 氨基酸序列自相关PROFEAT伪氨基酸组成特征 研究思路和方法 引入局部建模思路 遗传算法GA Leave one outN foldcrossvalidation 20 模型的预测结果 21 影响折叠率的主要特征以及系数 22 前人的研究成果 23 二态折叠 two statefolding 多态折叠 multiple statefolding 2 蛋白质折叠途径类型的预测 24 影响蛋白质折叠途径类型的因素 蛋白质的氨基酸序列组成 一些关键性的突变使得中间体变得不稳定 这可能会改变折叠途径 理论上讲 在相同的实验条件下 最重要的决定因素是蛋白质分子自身固有的性质 Ma等从序列长度 氨基酸组成 二级结构组成和三级结构的拓扑复杂度几个方面系统分析了影响蛋白质分子折叠途径的影响因素 Huang等用序列长度和氨基酸组成作为输入特征 采用逻辑回归和SVM两种方法识别了蛋白质折叠途径类型 25 文献中的主要研究方法 J Mol Biol 2007 370 439 448 Proteins 2008 72 44 49 26 27 101条蛋白质序列 模型的建立 关键特征的选择 样本特征的计算 模型的验证 氨基酸序列自相关PROFEAT伪氨基酸组成特征 研究思路和方法 序列描述 最小二乘支持向量机 SVM RFE Leave one outN foldcrossvalidation LS SVMs 28 特征的选择 29 30 T细胞表位 T cellepitope 的识别预测 PredictionofT cellepitopesbasedonleastsquaressupportvectormachinesandaminoacidpropertiesLiS andYaoX etal Anal Chim Acta 2007 584 37 42 31 T细胞表位抗原经过抗原提呈细胞 APC 加工后 主要组织相容性复合体 MHC 分子提呈给T细胞受体 TCR 的短肽 T细胞表位的识别是疫苗研发的基础 研究背景 既能与特定的MHC分子结合 又能与特定TCR结合的抗原肽 MHC 抗原肽和TCR有极大多样性 三者之间可能存在的组合几乎是无穷的 通过纯生物实验去寻找所需要的抗原肽几乎是不可能的 计算方法预测T细胞表位可以为发现T细胞表位以及疫苗的开发具有重要意义 32 实验思路 10 mer多肽数据集 203个样本 33 特征编码10 mer多肽数据集 203个样本 14个常用氨基酸物理化学性质 AAindex数据库 特征提取搜索方法 结合回退跟踪的贪婪爬山算法 最佳优先评价方法 基于相关性的子集搜索最大化相关性 最小化冗余性最终选取25个特征用于建模 34 建模方法 LS SVM方法用于分类模型建模格点搜索最佳参数Sig2andgamma 35 模型预测结果及其与文献研究结果的比较 Note 1Zhaoetal Bioinformatics19 2003 1978 2Yangetal J Chem Inf Model 45 2005 1424 1428 最佳预测结果真阳性 TP 大幅提升 36 中部位置处的氨基酸重要性较高5 7位置处选出大部分特征两端位置处几乎无特征被选出 结果分析 与Doytchinova等人的研究结论相一致 thatduringtheprocessofT cellrecognition T cellreceptorsinteractwiththecentralsectionoftheboundpeptide epitope I A DoytchinovaandD R Flower J Med Chem 49 2006 2193 37 蛋白质 配体结合能力的预测研究 Anovelmethodforprotein ligandbindingaffinitypredictionandtherelateddescriptorsexploration Li S YaoX etal J Comput Chem 2009 30 900 909 38 蛋白 配体结合能力研究虚拟筛选先导化合物的发现预测蛋白 配体结合能力的主要方法基于分子对接的打分方法 快速 基于力场 Forcefieldbased DOCK GOLD基于已有信息 knowledgebasedapproaches DrugScore DFIRE 3DDFT PMFandM Score基于经验 Empiricalmethod X Score FlexXScore VALIDATE SCORE1 LUDI SCORE ChemScore SMoG andBLEEP 研究背景 分子动力学模拟和自由能计算 MDMM PBSAMM GBSA 热力学积分和自由能微扰 TIFEP 39 基于分子动力学模拟的计算方法 耗时 研究背景 Wang etal AnExtensiveTestof14ScoringFunctionsUsingthePDBbindRefinedSetof800Protein LigandComplexes J Chem Inf Comput Sci 2004 44 2114 2125 40 研究思路和方法 数据来源PDBBinddatabase http www pdbbind org 数据集 1300蛋白 配体复合物结合能类型 Ki Kd 特征编码3块描述符类型蛋白质序列特征 1497 蛋白 配体结合口袋结构特征 125 Sybyl SPL MMS配体结构特征 1664 Dragon 20kinds 41 研究方法和思路 Descriptorsgeneration ModelEvaluation 42 研究结果及其与文献结果的比较 43 模型的应用域分析 例外点分析 Kddataset Kidataset 结果分析 44 45 建立了从序列出发 可以实现快速和准确预测致病性蛋白质单氨基酸突变的预测模型 并初步探讨了致病性突变中存在的规律 从蛋白序列角度出发 建立了基于局部建模和