蛋白质序列研究.ppt

甲基化、糖基化、磷酸化位点及非经典分泌蛋白分析（CBS网页） 蛋白功能预测（CBS网页） ProtFun * 一、蛋白质理化性质分析 使用工具：Protparam 二、跨膜区分析 使用工具：TMpred 三、二级结构分析 使用工具：PredictProtein 四、结构域分析 使用工具：InterProScan 五、蛋白质三级结构分析 使用工具：SWISS-MODEL/SWISS- PdbViewer 课程总结 * * * * * * * * * * * 信号肽：某些肽链的N-末端存在着15～30个氨基酸的一段顺序，其功能与将此蛋白质多肽链输送到细胞的特定部位(细胞器)有关。 1.信号肽预测：SignalP 结果输出 每一aa给出位于0~1之间C，S，Y三个数值： （1）C-score（信号肽断裂位点得分值）， （2）S-score（信号肽区域得分值） 高得分值区域为信号肽断裂位点前面的区域， （3）Y-score（综合信号肽断裂位点得分值） 可以更为准确地预测出信号肽断裂位点。 信号肽结构特征 带正电荷的n区， 疏水的核心区h区， 不带电荷但呈极性的c区， 注意事项 预测的是分泌型信号肽， 获得一个预测结果后，需要进一步分析预测产生信号肽区域的长度。 真核生物， 平均长度22.6个aa 较长或较短的，可能是假阳性 跨膜蛋白： 部分或全部镶嵌在细胞膜中或内外两侧，以非极性氨基酸与脂双分子层的非极性疏水区相互作用而结合在质膜上的蛋白质。 亲水部分暴露在膜的一侧或两侧表面; 疏水区同脂双分子层的疏水尾部相互作用。 跨膜蛋白可再分为单次跨膜、多次跨膜、多亚基跨膜等。 跨膜蛋白一般含25%～50%的α螺旋, 也有β折叠， 2.跨膜区预测： 如线粒体外膜和细菌质膜中的孔蛋白。它可分为 ①胞外区，肽链的N端部分 ②跨膜区； ③胞质区 （三）蛋白质三维结构预测 蛋白质三维结构预测是当前的难点之一 蛋白质的折叠过程仍然不十分明了 两种工作路线 同源性分析：存在一级结构相似性在40%以上的已知结构蛋白质序列的未知蛋白质，同源模建的方法预测其空间结构，但其准确性相对较高， 从头预测：并不存在已知结构蛋白质的同源蛋白，从头预测的方法，其算法还很不成熟，其准确性仍有待改进。 1.SWISS-MODEL同源模建服务器 / 完全自动的蛋白结构同源模建服务器，提供蛋白质三维结构预测服务。 工作模式： 简捷模式（First Approach mode） 来决定序列能否被建模， 在ExPDB找到了一个或多个合适的同源物， －联配界面（Alignment interface) 优化模式（Optimise mode）。 利用其它知识如生物化学信息来修正构建的结构模型。 四、功能预测（一）motif分析 prosite （二）domain分析 (三）亚细胞定位 TargetP －无规则卷曲（random coil) 无规则卷曲或称卷曲(coil)，泛指那些不能被归入明确的二级结构如折叠片或螺旋的多肽区段。 受侧链相互作用的影响很大，经常构成酶活性部位和其他蛋白质特异的功能部位如许多钙结合蛋白中结合钙离子的EF手结构（E-F hand structure)的中央环 序列模体和结构域 都是通过对相关蛋白质的多序列比对分析而获得的 序列模体(Motif)，较短的序列模式， 结构域(Domains)，相对较长的区域，通过序列谱获得的， 序列模体的著名的数据库为Prosite数据库。 InterPro 蛋白家族信息（续） 该家族蛋白在不同种类生物体中出现情况 其他家族与该家族的重叠情况 * 五、蛋白质三维结构预测 方法 特点 工具 同源建模法 ( Homology/Comparative modelling ) 基于序列同源比对，对于序列相似度30％的序列模拟比较有效，最常用的方法 SWISS-MODEL CPHmodels 串线法/折叠识别法 (Threading/Fold recognition) “穿”入已知的各种蛋白质折叠骨架内，适于对蛋白质核心结构进行预测，计算量大 THREADER 3D-PSSM 从头预测法 ( Ab initio/De novo methods ) 基于分子动力学，寻找能量最低的构象，计算量大，只能做小分子预测 HMMSTR ROSSETA * 蛋白质结构预测精度 * 同源建模法分析步骤： 多序列比对 与已有晶体结构的蛋白质序列比对 确定是否有可以使用的模板 序列相似度30% 序列相似度30%，结合功能，蛋白质一级序列、二级结构或结构域信息 构建三维模型 三维模型准确性检验