第七章蛋白质结构预测的原理与方法-中北大学

1、2022-2-61第七章：蛋白质结构预测的原理与方法 第一节：引言 第二节：影响蛋白质折叠的因素 第三节：蛋白质结构分析与蛋白质结构数据库 第四节 二级结构预测 第五节 三级结构预测 第六节 蛋白质结构预测发展趋势2022-2-62第一节：引言 所谓的蛋白质结构预测是指从蛋白质的氨基酸序列预测其三维结构。2022-2-63蛋白质的蛋白质的 4 级结构级结构一级结构（一级结构（Primary）- 氨基酸序列氨基酸序列 二级结构（二级结构（Secondary）- 螺旋（螺旋（alpha helix）- 片层片层（beta sheet）- 盘绕（盘绕（旋转）旋转）三级结构（三级结构（Tertiary

2、）- 3D 构象构象四级结构（四级结构（Quaternary）- 多肽链组合多肽链组合2022-2-64 对蛋白质进行结构预测研究主要是基于两种需要发展起来的：首先是蛋白质的氨基酸序列与其三维空间结构的关系可以看作是分子生物学中心法则的延伸；其次，蛋白质结构的信息对于生物学研究的各个相关方面都有重要的作用。 从数学上讲，蛋白质结构预测的问题是寻找一种从蛋白质氨基酸线性序列到蛋白质所有原子三维坐标的映射。 蛋白质结构预测的一般流程如下：P1492022-2-65 蛋白质结构预测主要有两大类方法： 一类是理论分析方法或从头预测方法是指通过理论计算（分子力学、分子动力学）进行结构预测，该方法假设折叠

3、后的蛋白质取能量最低的构象。从原则上讲，此种方法可行，但在实际应用中此法不合适。原因： （1）自然的蛋白质结构和未折叠的蛋白质结构两者之间能量差异非常小； （2）蛋白质可能的构象空间庞大，针对蛋白质折叠的计算量非常大； （3）计算模型中力场参数的不确定性。2022-2-66 另一类蛋白质结构预测的方法就是统计法。对已知结构的蛋白质进行统计分析，建立序列到结构的映射模型，进而根据映射模型对未知结构的蛋白质直接从氨基酸序列预测结构。映射模型可以是定性的，也可以是定量的。此种方法包括：经验性方法、结构规律提取法和同源模型化方法等。 经验法：根据一定序列形成一定结构的倾向性进行结构预测。 结构规律提取

4、法：从蛋白质结构数据库中提取关于蛋白质结构形成的一般性原则，指导建立未知结构的蛋白质模型。有许多提取结构规律的方法，如通过视察观察方法、基于统计分析和序列多重比对的方法、利用人工神经网络提取规律的方法。2022-2-67 同源模型化方法：通过同源序列分析或者模式匹配预测蛋白质的空间结构或者结构单元（螺旋、转角、DNA结合域）。原理：每一个自然的蛋白质具有一个特定的结构，但许多不同的序列会采用同一个基本的折叠。即具有相似序列的蛋白质倾向于折叠成相似的空间结构。在蛋白质结构预测方面，同源模型化方法预测结果最可靠。 蛋白质的同源性比较往往借助于序列比对进行，通过序列比对可以发现蛋白质之间的进化关系。

5、利用同源模型化方法可以预测10-30%的蛋白结构，然而，许多具有相似结构的蛋白质是远程同源的，其等同序列不到25%，这些蛋白质的同源性不能被传统的序列比对所识别。2022-2-68 搜索远程同源蛋白质是一项非常困难的，处理这个过程要通过“线索”技术。找到远程同源蛋白质后，可以通过远程同源建模方法建立蛋白质的结构模型。 如果既没找到一般的同源蛋白质，又没找到远程同源蛋白质，如何预测？ 可行的是充分利用现有数据库中的信息，包括二级结构和空间结构的信息，首先从蛋白质序列预测其二级结构，然后从二级结构出发，预测蛋白质的空间结构，或采用从头预测法进行预测。2022-2-69第二节：影响蛋白质折叠的主要因

6、素 除了原子间的共价连接以外，蛋白质结构的形成及稳定性在很大程度上依赖于非键相互作用。 对于水溶性蛋白质来说：多肽链的折叠主要受氨基酸侧链的疏水性所驱动，在蛋白质内部形成紧密的堆积。 影响蛋白质结构稳定性的非共价键有： 1、范德华力2022-2-610 2、氢键 多肽主链上羟基氧和酰胺氢之间所形成的，此外，还可在侧链与侧链、侧链与介质水、主链肽基与侧链或主链肽基与水之间。 3、盐健 离子键，在近中性环境中，蛋白质分子中酸性氨基酸残基侧链电离后带负电荷，碱性氨基酸残基侧链电离后带正电荷，二者之间形成离子键。 4、二硫键 在多肽链的转角附近形成。 5、疏水键 介质中球状蛋白质的折叠总是倾向与把疏水

7、残基埋藏在分子的内部，这一现象称为疏水作用。2022-2-611第三节：蛋白质结构分析及蛋白 质结构预测 目前，多数蛋白质结构预测方法都是基于知识的预测，即总结各种蛋白质相关的规律性知识。 蛋白质结构根据不同的层次可分为：一级结构、二级结构、三级结构、四级结构。2022-2-612 蛋白质的一级结构（蛋白质的一级结构（primary structure） 蛋白质的一级结构是指多肽链中氨基酸的序蛋白质的一级结构是指多肽链中氨基酸的序列。列。 2022-2-613蛋白质的二级结构 二级结构主要有以下几种形式：二级结构主要有以下几种形式：（i） 螺旋螺旋（ii） 折叠折叠 平行折叠平行折叠 反平行折

8、叠反平行折叠（iii） 转角转角 连接作用连接作用（iv）无规卷曲）无规卷曲-没有确定规律性的肽链构象，但仍然是紧没有确定规律性的肽链构象，但仍然是紧密有序的稳定结构密有序的稳定结构 （v）无序结构）无序结构2022-2-614蛋白质的超二级结构 （i）环花样 （ii）发夹花样（环花样） （iii）希腊图案花样由四条反平行片组成 （iv）花样-环- -环- 2022-2-615三级结构（三级结构（tertiary structure） 在二级结构基础上的肽链再折叠形成的构象。在二级结构基础上的肽链再折叠形成的构象。2022-2-616蛋白质的四级结构 组成蛋白质的多条肽链在天然构象空间上的排列

9、方式，多以弱键互相连接。疏水力、氢键、盐键 每条肽链本身具有一定的三级结构，就是蛋白质分子的亚基。2022-2-617 1、有关氨基酸残基的信息 从一级结构的角度讲了各个氨基酸残基所能提供的信息。如脯氨酸能以较大的概率采取顺势肽键构象。 2、周期性的二级结构 螺旋和折叠的结构 3、非周期性的二级结构 连接规则二级结构间的区域统称为环区，环区也遵循一定的规律。2022-2-618 4、残基间的相互作用及埋藏 5、超二级结构 6、蛋白质数据库 PDB数据库 / 7、蛋白质结构域的折叠模式与蛋白质结构分类数据库 (1)蛋白质结构域的折叠模式 (2)蛋白质折叠模式的有

10、限性2022-2-619 (3)蛋白质结构分类数据库 最著名的蛋白质结构分类数据库就是SCOP和CATH数据库。 8、蛋白质的进化 同源性的蛋白质是从一个共同的祖先进化而来，往往具有相关的功能并采取相似的三维结构。类似的蛋白质可以采取相似的三维结构，这种不同源的蛋白质采取类似三维结构的现象可能是收敛进化造成的。2022-2-620蛋白质序列的基本性质分析 蛋白质的基本序列性质分析是蛋白质序列分析的基本方面，包括蛋白质的理化性质、亲水性/疏水性、跨膜区、信号肽、Coil区分析及结构功能域等方面的分析。 蛋白质的理化性质包括分子质量、分子式、理论等电点、氨基酸组成、消光系数、稳定性等。2022-2

11、-621 1、利用ProtParam工具分析水稻瘤矮病毒P8 （Rice gall dwarf virus P8）蛋白质的理化性质2022-2-622 2、蛋白质的疏水性分析有两种方法：一是利用BioEdit软件进行；二是通过protscale在线分析，以RGDV P8蛋白质为例研究其疏水性。2022-2-6233、蛋白质的跨膜区分析 膜蛋白是一类结构独特的蛋白质，执行着重要的细胞生物学功能。常见的跨膜区分析的在线网络工具有：2022-2-624 TMHMM是一个基于隐马尔科夫模型（HMM）预测跨膜螺旋的程序，它综和了跨膜区疏水性、电荷偏倚、螺旋长度和膜蛋白拓扑学限制等性质，可对跨膜区及膜内外

12、区进行整体预测。由于其在区分可溶性蛋白和膜蛋白方面尤为见长，故常用于判定一个蛋白是否为膜蛋白。 例：使用TMHMM Server v.2.0对RGDV P8蛋白进行跨膜区分析。 背景：在研究RGDV P8蛋白的疏水性使用的K-D TGREASE算法能有效的检测出RGDV P8蛋白高疏水性的区域，但不能据此说明P8蛋白含有跨膜区，因为水溶性球状蛋白的内埋区也是基本为疏水性的。故可以使用TMHMM 软件分析P8蛋白以确定其是否为跨膜蛋白。2022-2-625 4、信号肽预测 信号肽的概念：分泌蛋白新生肽链N端的一段2030氨基酸残基组成的肽段。将分泌蛋白引导进入内质网，同时这个肽段被切除。现这一概

13、念已扩大到决定新生肽链在细胞中的定位或决定某些氨基酸残基修饰的一些肽段。 根据信号肽组成及其位置特征，可将信号肽划分为四大类：（1）分泌信号肽（含RR-motif信号肽）；（2）脂蛋白信号肽；（3）细菌素和信息素信号肽；（4）Pilin-like信号肽。 2022-2-626 5、Coil区分析 卷曲螺旋(Coiled coil)是蛋白质中由2-7条-螺旋链互相缠绕形成类似麻花状结构的总称。卷曲螺旋是控制蛋白质寡聚化的元件，含有卷曲螺旋结构的蛋白质主要是一些转录因子、骨架蛋白、动力蛋白、膜蛋白、酶等，在机体内执行着分子识别、代谢调控、细胞分化、肌肉收缩、膜通道等生物学功能。 七肽重复区(HR)

14、是典型的卷曲螺旋结构类型之一，HR是由多个七肽单元连接而成的重复序列。2022-2-627 预测蛋白质中是否含有卷曲螺旋结构，可以联机访问COILS服务器，该服务器提供简单的Web提交界面，原理是将输入序列提交到已知包含卷曲螺旋蛋白结构的数据库中进行搜索，同时与包含球状蛋白序列的PDB次级库进行比较，根据两个数据库分析的情况算出目的序列形成卷曲的概率。 实例： 使用COILS Server对RGDV P2蛋白卷曲螺旋预测分析。2022-2-628蛋白质的结构域分析一、结构域分析 结构域(structure domain)是在蛋白质三级结构中介于二级和三级结构之间的可明显区分但又相对独立的折叠单

15、元，每个结构域自身形成紧实的三维结构，可以独立存在或折叠，但结构域与结构域之间关系较为松散。 结构功能域通常由25-300个氨基酸残基组成，不同蛋白质分子中结构域的数目不同，同一蛋白质分子中的几个结构域彼此相似或不尽相同。常见的结构功能域主要有：全平行结构域、反平行结构域、+结构域、 /结构域及其他折叠类型。 常见的结构功能域分析在线工具及数据库2022-2-629第四节第四节 蛋白质二级结构预测蛋白质二级结构预测 蛋白质蛋白质 序列：序列： 二级结构：二级结构：2022-2-630二级结构预测二级结构预测 蛋白质蛋白质 序列：序列： 二级结构：二级结构：QLMGERIRARRKKLK STH

16、HHHHHHHHHHHT 2022-2-6311、二级结构预测概述、二级结构预测概述 蛋白质的二级结构预测的基本依据是：蛋白质的二级结构预测的基本依据是：每一段相邻的氨基酸残基具有形成一定二每一段相邻的氨基酸残基具有形成一定二级结构的倾向。级结构的倾向。 二级结构预测问题是模式分类问题二级结构预测问题是模式分类问题 二级结构预测的目标：二级结构预测的目标： 判断每一段中心的残基是否处于判断每一段中心的残基是否处于 螺旋、螺旋、 折叠、折叠、转角（或其它状态）之一的二级结构态，即三转角（或其它状态）之一的二级结构态，即三态。态。 2022-2-632基本策略（1）相似序列相似结构QLMGERIR

17、ARRKKLKQLMGAERIRARRKKLK结构？结构？2022-2-633基本策略（2）分类分析螺旋提取样本提取样本聚类分析聚类分析学习分类规则学习分类规则预测预测.-Gly-Ala-Glu-Phe-.2022-2-634 二级结构预测的方法大体分为三代： 第一代是基于单个氨基酸残基统计分析 从有限的数据集中提取各种残基形成特定二级结构的倾向，以此作为二级结构预测的依据。 第二代预测方法是基于氨基酸片段的统计分析 统计的对象是氨基酸片段 片段的长度通常为11-21 片段体现了中心残基所处的环境 在预测中心残基的二级结构时，以残基在特定环境形成特定二级结构的倾向作为预测依据 2022-2-6

18、35 这些算法可以归为几类： （1）基于统计信息 （2）基于物理化学性质 （3）基于序列模式 （4）基于多层神经网络 （5）基于多元统计 （6）基于机器学习的专家规则 （7）最邻近算法2022-2-636 第一代和第二代预测方法对三态预测的准确第一代和第二代预测方法对三态预测的准确率都小于率都小于70%，而对，而对 折叠预测的准确率仅为折叠预测的准确率仅为28 48% 其主要原因是只利用局部信息其主要原因是只利用局部信息 第三代方法（考虑多条序列）第三代方法（考虑多条序列） 运用长程信息和蛋白质序列的进化信息运用长程信息和蛋白质序列的进化信息 准确度有了比较大的提高准确度有了比较大的提高202

19、2-2-6372、蛋白质二级结构预测方法、蛋白质二级结构预测方法经验参数法蛋白质二级结构的组成规律性比较强；三种基本二级结构平均占氨基酸残基的85%；各种二级结构非均匀地分布在蛋白质中。2022-2-638 有些蛋白质中含有大量的螺旋 如血红蛋白和肌红蛋白 而一些蛋白质中则不含或者仅含很少的螺旋 如铁氧蛋白 有些蛋白质的二级结构以折叠为主 如免疫球蛋白例：肽链Ala(A)-Glu(E)-Leu(L)-Met(M) 倾向于形成螺旋 肽链Pro(P)-Gly(G)-Tyr(Y)-Ser(S)则不会形成螺旋 2022-2-639 每种氨基酸出现在各种二级结构中倾向或者频率是不同的例如：Glu（谷氨酸

20、）主要出现在螺旋中 Asp（天冬氨酸）和Gly（甘氨酸）主要分布在转角中 Pro（脯氨酸）也常出现在转角中，但是绝不会出现在螺旋中 可以根据每种氨基酸残基形成二级结构的倾向性或者统计规律进行二级结构预测2022-2-640经验参数法由Chou 和Fasman在70年代提出来 是一种基于单个氨基酸残基统计的经验预测方法。 通过统计分析，获得的每个残基出现于特定二级结构构象的倾向性因子，进而利用这些倾向性因子预测蛋白质的二级结构。 2022-2-641一个氨基酸残基的构象倾向性因子定义为一个氨基酸残基的构象倾向性因子定义为Pi = Ai / Ti (i= ,c, t)式中下标式中下标i表示构象态表

21、示构象态如如 螺旋、螺旋、折叠、转角、无规卷曲等；折叠、转角、无规卷曲等；Ti是所有被统计残基处于构象态是所有被统计残基处于构象态i的比例；的比例；Ai是第是第A种残基处于构象态种残基处于构象态i 的比例；的比例；Pi大于大于1.0表示该残基倾向于形成二级结构构象表示该残基倾向于形成二级结构构象i，小于，小于1.0则表示倾向于形成其它构象。则表示倾向于形成其它构象。 2022-2-642 发现关于二级结构的经验规则发现关于二级结构的经验规则基本思想是在序列中寻找规则二级结构的成核基本思想是在序列中寻找规则二级结构的成核位点和终止位点。位点和终止位点。 扫描输入的氨基酸序列，利用一组规则发现可能

22、成为特定二级结构成核区域的短序列，然后对于成核区域进行扩展，不断扩大成核区域，直到倾向性因子小于1.0为止。 规则： （i）螺旋规则螺旋规则 （ii）折叠规则折叠规则 （iii）转角规则）转角规则 (iv) 重叠规则重叠规则 延伸 成核区 延伸2022-2-643 （i）螺旋规则螺旋规则 沿蛋白质序列寻找沿蛋白质序列寻找螺旋核螺旋核 相邻的相邻的6个残基中如果有至少个残基中如果有至少4个残基倾向于形成个残基倾向于形成螺旋，则认为是螺旋核。螺旋，则认为是螺旋核。 从螺旋核向两端延伸从螺旋核向两端延伸 直至四肽片段的直至四肽片段的螺旋倾向性因子的平均值螺旋倾向性因子的平均值P 1.03，则，则预测

23、为螺旋。预测为螺旋。 延伸 螺旋核 延伸2022-2-644（ii）折叠规则折叠规则 相邻相邻6个残基中若有个残基中若有4个倾向于形成个倾向于形成折叠，折叠，则认为是折叠核。则认为是折叠核。 折叠核向两端延伸直至折叠核向两端延伸直至4个残基的平均折叠倾个残基的平均折叠倾向性因子向性因子P 1.05，则预测为，则预测为折折叠。叠。2022-2-645（iii）转角规则）转角规则转角的模型为四肽转角的模型为四肽 四肽片段四肽片段Pt的平均值大于的平均值大于100，并且，并且Pt 的均值同时的均值同时大于大于P 的均值以及的均值以及P 的均值，则可以预测这样连的均值，则可以预测这样连续的续的4个残基

24、形成转角。个残基形成转角。 则可以预测这样连续的则可以预测这样连续的4个氨基酸形成转角。个氨基酸形成转角。54321105 . 7jjjjffff2022-2-646(iv) 重叠规则重叠规则 对于螺旋和折叠的重叠区域，按对于螺旋和折叠的重叠区域，按Pa和和P 的的相对大小进行预测相对大小进行预测 若若Pa大于大于P ，则预测为螺旋；，则预测为螺旋； 反之，预测为折叠。反之，预测为折叠。2022-2-647(2) GOR方法 是一种基于信息论和贝叶斯统计学的方法 GOR将蛋白质序列当作一连串的信息值来处理 GOR方法不仅考虑被预测位置本身氨基酸残基种类的影响，而且考虑相邻残基种类对该位置构象的

25、影响 2022-2-648序列窗口序列窗口 中心残基中心残基窗口中各个残基对中心残基二级结构的支持程度窗口中各个残基对中心残基二级结构的支持程度2022-2-649两个事件S和R的条件概率P(S|R)即在R发生的条件下，S发生的概率定义信息为： 若S和R无关，则 I(S; R)=0 若R的发生有利于S的发生，则I(S; R)0 若R的发生不利于S的发生，则I(S; R)0)(/ )|(log);(SPRSPRSI2022-2-650 I(S; R)在二级结构预测中的含义R代表中心氨基酸及其所处环境S代表二级结构类型I(S; R)代表中心氨基酸处于S的信息值2022-2-651 例如：假定数据库

26、中有1830个残基， 780个处于螺旋态，1050个处于非螺旋态 库中共有390个丙氨酸（A），有240个A处于螺旋态，其余150个 A 处于非螺旋态。 H：代表二级结构螺旋态； H：除H外的其它类型二级结构。 I(H；)就是丙氨酸A处于中心位置时的螺旋信息值2022-2-652(3) 基于氨基酸疏水性的预测方法立体化学方法 氨基酸的理化性质对二级结构影响较大 在进行结构预测时考虑氨基酸残基的物理化学性质 如疏水性、极性、侧链基团的大小等，根据残基各方面的性质及残基之间的组合预测可能形成的二级结构。 “疏水性”是氨基酸的一种重要性质，疏水性的氨基酸倾向于远离周围水分子，将自己包埋进蛋白质的内部

27、。2022-2-6532022-2-6542022-2-655 螺旋的形成规律：螺旋的形成规律：在一段序列中发现第在一段序列中发现第i、i+3、i+4位（如位（如1、4、5）是疏水残基时，这一片段就被预）是疏水残基时，这一片段就被预测为测为螺旋；螺旋； 当发现第当发现第i、i+1、i+4位（如位（如7，8，11）为疏水残基时，这一片段也被预测为为疏水残基时，这一片段也被预测为螺螺旋。旋。2022-2-656对于折叠的形成规律： 对于折叠，也存在着一些特征的亲疏水残基间隔模式，埋藏的折叠通常由连续的疏水残基组成，一侧暴露的折叠则通常具有亲水-疏水的两残基重复模式。原则上，通过在序列中搜寻特殊的亲

28、疏水残基间隔模式，就可以预测螺旋和折叠。 点模式方法（Biou等人提出）： 将20种氨基酸残基分为亲水、疏水以及两性残基三类，用八残基片段表征亲疏水间隔模式。 2022-2-657疏水性定量计算疏水性定量计算 2022-2-658以一个二进制位代表一个残基，疏水为1，亲水为0，共八位。这样，八残基片段的亲疏水模式可用0255的数值来表示。螺旋的特征模式对应的值为：9，12，13，17，201，205，217，219，237。 折叠的特征模式：由连续的1或交替的01构成。2022-2-659(4) 同源分析法（最近邻居法） 将待预测的片段与数据库中已知二级结构的片段进行相似性比较，利用打分矩阵计

29、算出相似性得分，根据相似性得分以及数据库中的构象态，构建出待预测片段的二级结构。 该方法对数据库中同源序列的存在非常敏感，若数据库中有相似性大于30%的序列，则预测准确率可大大上升。2022-2-660 更为合理的方法：是将待预测二级结构的蛋白质U与多个同源序列进行多重比对，对于U的每个残基位置，其构象态由多个同源序列对应位置的构象态决定，或取出现次数最多的构象态，或对各种可能的构象态给出得分值。2022-2-661(5) 人工神经网络方法2022-2-662(6) 综合方法 综合方法不仅包括各种预测方法的综合，而且也包括结构实验结果、序列对比结果、蛋白质结构分类预测结果等信息的综合。 多个程

30、序同时预测，综合评判一致结果 序列比对与二级结构预测 双重预测首先预测蛋白质的结构类型然后再预测二级结构2022-2-6633、利用进化信息预测蛋白质的二级结、利用进化信息预测蛋白质的二级结构构 蛋白质序列家族中氨基酸的替换模式是高度特异的，如何利用这样的进化信息是二级结构预测的关键。 蛋白质二级结构预测软件系统PHD 第一步工作是形成同源序列的多重对比排列 第二步工作是将得到的多重比对的统计结果送到一个神经网络中计算。2022-2-6644、RNA二级结构的预测二级结构的预测 RNA的结构可以分为三个层次 一级结构 二级结构 空间结构2022-2-6652022-2-666 RNA二级结构的

31、预测方法 基于序列比较的方法：通过多序列比对，根据相似序列具有相似结构的原理进行二级结构预测。 能量最小化方法：通过各种能量最优化方法或者分子动力学计算评价所有可能配对的能量，进而发现具有最小能量的结构 RNA是一种重要的生物大分子，是DNA和蛋白质之间的一个中间语言，因此RNA二级结构的准确预测对于了解基因调控和蛋白质产物表达有重要作用。2022-2-667 RNA二级结构预测软件有： RNA draw1.1b RNA二级结构分析软件； RNAstructure4.5 UNIX平台软件mfold的windows版本； Circles 0.1.0 使用比较的分析方法RNA二级结构软件，并以标准

32、格式输出预测的二级结构； 非编码RNA数据库：2022-2-6685、二级结构在线预测 许多蛋白质二级结构预测程序包含在标准的分子生物学软件或商业化软件中，其中，绝大部分可从网上免费下载。 （1）PHD算法 （2）GOR算法2022-2-669第五节第五节 蛋白质三维结构预蛋白质三维结构预测测 1、同源模型化方法、同源模型化方法 主要思想：主要思想：对于一个未知结构的蛋白质，找到一个已知结构对于一个未知结构的蛋白质，找到一个已知结构的同源蛋白质，以该蛋白质的结构为模板，为未的同源蛋白质，以该蛋白质的结构为模板，为未知结构的蛋白质建立结构模型。知结构的蛋白质建立结构模型。 依据：依据： 任何一对

33、蛋白质，如果两者的序列等同部分超过任何一对蛋白质，如果两者的序列等同部分超过30%，则它们具有相似的三维结构，即两个蛋白，则它们具有相似的三维结构，即两个蛋白质的基本折叠相同，只是在非螺旋和非折叠区域质的基本折叠相同，只是在非螺旋和非折叠区域的一些细节部分有所不同。的一些细节部分有所不同。 2022-2-670 假设待预测三维结构的目标蛋白质为假设待预测三维结构的目标蛋白质为U（Unknown），利用同源模型化方法建立结），利用同源模型化方法建立结构模型的过程包括下述构模型的过程包括下述6个步骤：个步骤： （1）搜索结构模型的模板）搜索结构模型的模板(T) （2）序列比对）序列比对 （3）建立

34、骨架）建立骨架 （4）构建目标蛋白质的侧链）构建目标蛋白质的侧链 （5）构建目标蛋白质的环区）构建目标蛋白质的环区 （6）优化模型）优化模型U T2022-2-671构建目标蛋白质的侧链构建目标蛋白质的侧链2022-2-672预测结果准确率：预测结果准确率： 对于具有对于具有60%等同的序列，用上述方法所建等同的序列，用上述方法所建立的三维模型非常准确。若序列的等同部分立的三维模型非常准确。若序列的等同部分超过超过60%，则预测结果将接近于实验得到的，则预测结果将接近于实验得到的测试结果。测试结果。 一般如果序列的等同部分大于一般如果序列的等同部分大于30%，则可以，则可以期望得到比较好的预测

35、结果。期望得到比较好的预测结果。2022-2-673 通过SWISS-MODEL同源模建RGDV P8蛋白的三维结构 常见的蛋白质三级结构预测网站如上图所示，SWISS-MODEL是SIB提供的目前最著名的蛋白质三级结构预测服务器，建立在已知大分子结构基础上，利用同源模建的方法对位置序列的蛋白质三级结构进行预测。该服务器创建于1993年，面向全世界的生物化学与分子生物学研究工作者，提供免费的自动模建服务。提供的同源模建主要有两种方式：首选模式和项目模式。2022-2-674 以RGDV P8蛋白为研究对象采用首选模式进行同源模建。2022-2-675 例：通过CPHmodels同源模建RGDV

36、 P8蛋白的三维结构。 CPHmodels是丹麦理工大学生物序列分析中心提供的蛋白质三维结构预测服务器，也是利用神经网络进行同源模建预测蛋白质结构的方法。与SWISS-MODEL相比较， CPHmodels更为简单易学，期预测的结果会将目的序列与模板序列比对的空位以断裂的方式表示在三维结构中。2022-2-676 2、线索化方法（折叠识别方法） 有很多蛋白质具有相似的空间结构，但它们的序列等同部分小于25%，即远程同源。 对于这类蛋白质，很难通过序列比对找出它们之间的关系，必须设计新的分析方法。 对于一个未知结构的蛋白质（U）， 如果找到一个已知结构的远程同源蛋白质（T）， 那么可以根据T的结

37、构模板通过远程同源模型化方法建立U的三维结构模型。U T（远程同源）2022-2-677 一个远程同源模型化方法要解决三个问题： （1）检测远程同源蛋白质（T）； （2）U和T的序列必须被正确地对比排列； （3）修改一般的同源模型化过程，以应用于相似度非常低的情况，即处理更多的环区，建立合理的三维结构模型。 如何解决第一个和第二个问题？ 基本思想是建立一个从U到已知结构T的线索，并通过一些基于环境或基于知识的势，评价序列与结构的适应性。 至于最后建立三维结构模型则是非常困难的序列结构比对2022-2-678 线索化的主要思想： 利用氨基酸的结构倾向（如形成二级结构的倾向、疏水性、极性等），评价

38、一个序列所对应的结构是否能够适配到一个给定的结构环境中。2022-2-679 建立序列到结构的线索的过程称为线索化，线索技术又称折叠识别技术。 线索化或者折叠识别的目标是为目标蛋白质U寻找合适的蛋白质模板，这些模板蛋白质与U没有显著的序列相似性，但却是远程同源的。 线索化方法一般有5个基本组成部分： （1）已知三维折叠结构的数据库； （2）一种适合于进行序列-结构比对的三维折叠信息的表示方法； （3）一个序列-结构匹配函数，该函数对匹配程度进行打分； 2022-2-680 （4）建立最优线索的策略，或者是进行序列-结构比对的策略； （5）一种评价序列-结构比对显著性的方法。假设存在有限数目的核

39、心折叠（core folds） 核心折叠实际上是构成蛋白质空间形状的基本模式。 建立核心折叠数据库 预测- 建立线索 U序列与数据库核心折叠比对取最佳核心折叠U结构模型2022-2-681 一种基于序列与结构比对的最优线索化算法令: s1, s2, sn为蛋白质序列S的n个元素 C1, C2, Cm为数据库中核心折叠C的m个核心区域 Cij为第i个核心区域第j个氨基酸位置 每一个核心区域由若干个氨基酸残基构成 2022-2-682 设t是一个从序列到核心折叠的线索，那么t说明了序列S的哪些元素si,sj,sk,代表核心区域C1, C2, C3,的起始位置。 这实际上是一种从序列S到核心折叠C的

40、比对 令代表核心折叠C中的环到序列S中空位的映射，显然是通过线索化而确定的。令f(t)是进行比对的得分函数，其定义如下： f(t) = g1 (v,t) + g2 (u,v,t) + g3 (,t)2022-2-683 g1 (v,t) 评价氨基酸残基v所处的位置 g2 (u,v,t) 评价残基u和v的相对位置，如果u和v 键合，则得分高； g3 (,t)评价环区，根据环区的大小进行打分。 线索化问题：对于给定的序列S和核心折叠C，选择一个线索t，使得f(t)的值最小，即寻找一个从S到C的最佳映射。2022-2-684 使用PHYRE系统进行RGDV P2蛋白的折叠式别预测。 PHYRE是英国

41、伦敦大学帝国理工学院生物信息学小组维护的蛋白质折叠识别预测的网上服务器，该服务器提供了分别针对免费的学术用户和收费的商业用户两种版本。 本例使用的P2蛋白是水稻瘤矮病毒的次要外层衣壳蛋白，由于ExPDB晶体图像数据搜索不到同源蛋白，故采用折叠识别法预测P2蛋白的三级结构。2022-2-685 3、从头预测方法 在既没有已知结构的同源蛋白质、也没有已知结构的远程同源蛋白质的情况下，上述两种蛋白质结构预测的方法都不能用，这时只能采用从头预测方法，即（直接）仅仅根据序列本身来预测其结构。 从头预测方法一般由下列3个部分组成： （1）一种蛋白质几何的表示方法由于表示和处理所有原子和溶剂环境的计算开销非

42、常大，因此需要对蛋白质和溶剂的表示形式作近似处理。2022-2-686（2）一种势函数及其参数通过对已知结构的蛋白质进行统计分析确定势函数中的各个参数（3）一种构象空间搜索技术 构象空间搜索和势函数的建立是从头预测方法的关键2022-2-687N端的氨基酸位于坐标系统的原点端的氨基酸位于坐标系统的原点第二个氨基酸位于坐标的（第二个氨基酸位于坐标的（1,0）或（）或（1，0，0）处。）处。H-P 模型模型-疏水疏水(hydrophobic)-(hydrophobic)-极性极性(polar)(polar) 2022-2-688基于疏水残基之间的接触进行打分基于疏水残基之间的接触进行打分每一个每一

43、个H和和H的接触（非相邻残基）对能量的贡献都为的接触（非相邻残基）对能量的贡献都为1最优的构象就是所有可能的构象中具有最多最优的构象就是所有可能的构象中具有最多H和和H接触的那个构象接触的那个构象图中的二维和三维构象的得分都是图中的二维和三维构象的得分都是32022-2-689绝对方向表示法绝对方向表示法:每一个位置上可选择的方向每一个位置上可选择的方向: 上、右、左和下（上、右、左和下（U、R、L、D）；）；而对于三维模型而对于三维模型: 上、右、左、下、后和前（上、右、左、下、后和前（U、R、L、D、B、F）。）。构象空间搜索构象空间搜索（R，R，D，L，D，L，U，L，U，U，R） （R

44、，B，U，F，L，U，R，B，L，L，F）2022-2-690相对方向表示法：相对方向表示法：利用每个氨基酸残基主链的转动方向来表示利用每个氨基酸残基主链的转动方向来表示每个位置上的残基的方向二维网格模型：每个位置上的残基的方向二维网格模型： 每个残基位置上可选择的方向有三个每个残基位置上可选择的方向有三个 左、右和前（左、右和前（L、R和和F）三维网格模型：三维网格模型： 左、右、前、上和下左、右、前、上和下 （L、R、F、U、D）2022-2-691 能量函数和优化 除了要考虑疏水作用外，在蛋白质折叠的能量函数中还要考虑氢键、二硫键的形成、静电作用、范德华力以及溶剂作用。 这些力都很难通过试验来计算，因此，我们可通过理论方法，针对这些力对一个折叠蛋白质的总体稳定性的相对作用建立能量函数。目标是得到一个近似的能量函数或力场，那些已知结构的蛋白质结晶构象在这个能量函数中处于一个最小的能量状态。2022-2-692 分子力学方法 假设正确的蛋白质折叠对应于最低能量的构象 分子力学势能是原子坐标的函数 势能函数由多项组成成键作用：化学键的伸缩能（键长）弯曲能（键角）扭转能（