蛋白质的β发夹、β（γ）转角及其四类简单超二级结构预测.pdf

蛋白质的∥一发夹、∥()，)一转角及四类简单超二级结构预测 摘要 由于蛋白质的功能与其结构是密切相关的，因此研究蛋白质的结构是获取功能信 息的重要手段。随着人类基因组计划的顺利实施，蛋白质序列信息的积累速度远快于 蛋白质结构数据的增长速度。然而，通过实验手段确定蛋白质的结构，不但成本高、 耗时，而且实验中还会遇到一些目前无法解决的技术困难，因此人们非常希望能利用 理论计算的方法直接从序列信息预测蛋白质结构，这也是生物信息学研究的重要课题。 目前，直接从序列信息预测蛋白质的三级结构还很困难。由于局域结构有着较强 的序列信号，且在三级结构中大量存在、频繁出现，对蛋白质的折叠、识别和稳定性 起重要作用，因此，局域结构的预测可以简化结构预测问题，是蛋白质三级结构预测 重要的中间步骤。 本文主要研究蛋白质局域结构中超二级结构的预测，重点研究p一发夹模体的预 测；研究了部分规N-级结构中p一转角和r转角的预测。 1．提出了一种新的预测算法一基于离散增量的支持向量机算法，用该算法首次对 超二级结构数据库(ArchDB40)中D一发夹模体进行了预测，取得较好效果。． 2．利用离散增量和序列打分值构成的向量来表示序列信息，将离散增量和打分值 作为向量输入支持向量机，在向量空间中寻找最优超平面，提出了一种新的组合向量 and Acids Bhasin，Nucleic p一发夹数据集和文献(Kumar 已有的p一发夹数据集的预测结果显示，我们的算法可以实现比以往方法更高的预测成 功率。与文献中已有数据集的预测结果相比，对独立的检验集预测精度提高4％，p一 发夹的敏感性提高6％。 论是对5一交叉检验的训练集，还是对独立的检验集都取得较好分类结果。 3．在离散增量和序列打分值的基础上，进一步把预测的二级结构信息加入组合向 量，将它们共同输入支持向量机，对普遍使用的，分别包含426个和320个蛋白质序 列的两数据集中的部分规则二级结构p．转角和丫．转角进行了预测。结果指出，对p．转 角的7．交叉检验预测精度达到79．8％、相关系数为o．47；对丫．转角5一交叉检验预测的 相关系数达到了O．18，这些结果都是目前最好的预测结果。 4．建立了一个新的包括2208个非冗余蛋白质链的数据库，蛋白质结构分辨率高 构预测，当序列模式固定长取8个氨基酸残基，对“822型”序列模式3．交叉检验的平 取10个氨基酸残基，对“1041型”序列模式3．交叉检验的平均预测精度达到83％， Jack-knife检验的平均预测精度达到79．8％。 5．在蛋白质简单超二级结构分类预测、肛发夹预测、p．转角预测及P转角的预测 工作中，引入了二肽组分信息参数和亲疏水特征信息参数，改善了预测结果。 关键词：局域结构预测，超二级结构模体，p一发夹，p一转角，丫一转角，离散增量，打 分矩阵，支持向量机 Kinds Predictionof andFour the∥-Hairpins，∥(力一Turns SimpleSuoer-secondaryyradnoces-repui叁elpmiSsnietorP‘serutcurtS Structuresinroteins Abstract The ofthesnllctLlreofa is tOunderstanditsfunction． knowledge proteinimportant WiththeSuccessofhuman between genomeproject，awideninggapappears rapidly known andslowaccumulationofknown struc