第六章蛋白质与蛋白质组教材.ppt

蛋白质 蛋白质(protein)是由许多氨基酸(amino acids)通过肽键(peptide bond)相连形成的高分子含氮化合物。 蛋白质的生物学重要性 1. 蛋白质是生物体的重要组成成分 2. 蛋白质具有重要的生物学功能 　1）作为生物催化剂 　2）代谢调节作用 　3）免疫保护作用 　4）物质的转运和存储 　5）运动与支持作用 　6）参与细胞间信息传递 3. 氧化供能 ? 蛋白质的元素组成 主要有C、H、O、N和S。 有些蛋白质含有少量P或金属元素Fe、Cu、Zn、Mn、Co、Mo，个别蛋白质还含有 I 。 ? 蛋白质元素组成的特点 通过样品含氮量计算蛋白质含量的公式： 一、氨基酸 ——蛋白质的基本组成单位 存在自然界中的氨基酸有300余种，但组成人体蛋白质的氨基酸仅有20种，且均属 L-?-氨基酸（甘氨酸除外）。 　 习惯分类方法 芳香族氨基酸：Trp、Tyr、Phe 含羟基氨基酸：Ser（丝）、Thr、Tyr 含硫氨基酸：Cys(半胱）、Met（甲硫） 杂环族氨基酸：His 杂环族亚氨基酸：Pro 支链氨基酸：Val、Leu、Ile 　 几种特殊氨基酸 Gly：无手性碳原子。 Pro：为环状亚氨基酸。 Cys：可形成二硫键。 二、肽 三、蛋白质的分类 （二）血红蛋白的构象变化与结合氧 Hb与Mb一样能可逆地与O2结合， Hb与O2结合后称为氧合Hb。氧合Hb占总Hb的百分数（称百分饱和度）随O2浓度变化而改变。 * 协同效应(cooperativity) 一个寡聚体蛋白质的一个亚基与其配体结合后，能影响此寡聚体中另一个亚基与配体结合能力的现象，称为协同效应。 促进作用称为正协同效应 (positive cooperativity) 抑制作用称为负协同效应 (negative cooperativity) 变构效应(allosteric effect) 凡蛋白质（或亚基）因与某小分子物质相互作用而发生构象变化，导致蛋白质（或亚基）功能的变化，称为蛋白质的变构效应。 蛋白质结构预测问题 序列——结构——功能 结构预测问题 解决方法 寻找一种从蛋白质的氨基酸线性序列到蛋白质所有原子三维坐标的一种映射 蛋白质结构预测主要有两大类方法： （1）理论分析方法 通过理论计算（如分子力学、分子动力学计算）进行结构预测。 （2）统计的方法 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，进而对未知结构的蛋白质根据映射模型直接从氨基酸序列预测结构。 包括： 经验性方法 结构规律提取方法 同源模型化方法 蛋白质二级结构预测 蛋白质 序列： ↓ 二级结构： 二级结构预测 蛋白质 序列： 二级结构： QLMGERIRARRKKLK → STHHHHHHHHHHHHT 蛋白质二级结构预测 1、二级结构预测概述 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 二级结构预测的目标： 判断每一段中心的残基是否处于?螺旋、?折叠、转角（或其它状态）之一的二级结构态，即三态。 基本策略（1）相似序列→相似结构 基本策略（2）分类分析 α螺旋 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 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 蛋白质二级结构预测 第一代和第二代预测方法对三态预测的准确率都小于70%，而对?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 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 准确度有了比较大的提高 蛋白质组学的提出 蛋白质组和蛋白质组学定义 蛋白质组： 1994年，由澳大利亚麦考瑞大学的Wilkins等首先提出：“蛋白质组指的是一个基因组所表达的全部蛋白质”(proteome indicates the proteins expressed by a genome) “proteome”是由蛋白质一词的前几个字母“prote”和基因组一词的后几个字母“ome”拼接