信号肽预测工具SignalP中文说明.PDF

信号肽预测工具SignalP 中文说明 SignalP 大名鼎鼎的信号肽预测服务器，它的功能是预测给定的氨基酸序列中是否存在潜在的信号肽剪切 位点及其所在，原核生物和真核生物都可以进行预测。目前服务器提供的是SignalP 3.0 版本。 这个是我们输入序列的界面，我们来简单的说一下使用（基本是翻译的O(∩_ ∩)O 哈哈~不用去看英文的 了）： 提交序列中的选项 A ．序列输入方式： 有两种方式：一种是直接输入FASTA 格式的氨基酸序列，可以是一条也可以是多条；另一种是本地上传包含 含有FASTA 格式序列的文件。 这里要注意我们必须输入氨基酸序列，看过有的朋友用核酸序列去预测的；输入的氨基酸序列为单字母简写 形式。除了20 中氨基酸外，仅允许使用X 代表未知氨基酸。所有序列中的其他字母（非20 种氨基酸简写和 X 的）被视为X ；所有的非字母字符将会自动忽略。 还要注意的是对序列长度和多少的限制：每次最多提交2000 条序列进行分析；总氨基酸残基不能超过20 万； 每条序列不能超过6000 残基。其实一般来讲我们都不会有这么多序列一起去预测的O(∩_ ∩)O 哈哈~ B ．物种选择： 根据你预测的蛋白质来源选择革兰氏阳性细菌、革兰氏阴性细菌或真核生物。 C ．方法选择： 可选神经网络法（neural network ，结果中简写NN ）；隐马可夫模型（hidden markov models ，结果中简写HMM ） 以及联合两种方式。默认为两种一起预测。 本文档由腾飞生物论坛发布，为配合腾飞生物网址导航系统（）而制作，谢谢您的关注。  两种方法各自的优势：HMM 主要在于预测是否含有信号肽；NN 主要为预测信号肽位点。 D ．是否输出图表： 图表方式显示的界面要直观一些，默认为GIF 格式，不用改了。 E ．输出格式： 默认为标准模式，输出的结果中含有预测的图表，序列的总体分析数据如是否含有信号肽及其位点；Full 模 式除 Standard 中含有的数据外还有每个氨基酸对应的相应分析数据；Short 的结果仅有序列的总体分析数据。 同样建议默认不要改变。因为full 模式中数据对我们来说意义不大。 F ．分析长度： 一般来讲，信号肽在蛋白质N 端，极少超过45 个氨基酸残基。所以在序列中仅N 端部分序列对信号肽的分 析预测具有重要作用。默认为分析N 端70 个氨基酸，后面的不做分析。如果你想要全部的分析将此值设置为 0 即可。 G ．隐私声明： 分析结束后会删除你提交分析的数据。 结果显示 神经网络法NN 中结果主要主要涉及3 个值：C、S 和Y 。 S 值：每个氨基酸对应1 个S 值，在结果显示的图表中有一个曲线显示S 值的变化趋势，（在full 模式中可以 看见具体数值），信号肽区域的S 值较高。 C 值：剪切位点值。每个氨基酸会有一个C 值，在剪切位点处C 值是最高的。 Y 值：Y-max 综合考虑S 值和C 值的一个参数，其比单独考虑C 值要更精确。因为在一条系列中C 值可能有 不止一个较高的位点，但是剪切位点只有一个；此时的剪切位点就由Y-max 值来推测的，为S 值是陡峭的位 置和具有高C 值的位点。 在现在的3.0 版本中还有两个值S-mean 和D 值。 S-mean 是从N 端氨基酸开始到剪切位点处各氨基酸的平均S 值。 D 值是S-mean 和Y-max 的平均值，对区分是否为分泌蛋白具有重要作用。 隐马可夫模型（HMM ）主要计算序列中是否含有信号肽，在真核生物的预测中还有signal anchor 的一个参数 （相当于信号肽），并进一步分为n-region 、h-region 和c-region 三个部分。 这里我就直接用服务器中提供的结果说明为例。 在分泌蛋白的预测结果中，NN 法Signal peptide 列中结果为yes ，并根据C 值、S 值和Y 值等给出潜在的剪切 位点；图表右上角处有C 值、S 值和Y 值的曲线颜色指示，图表中有各值的变化趋势曲线。  HMM 法文本结果显示其含有信号肽的可能性以及潜在的剪切位点；图表中给出信号肽不同区域划分的预测。  本文档由腾飞生物论坛发布，为配合腾飞生物网址导航系统（）而制作，谢谢您的关注。