基于距离函数蛋白质超二级结构β—α—β模体预测.docVIP

基于距离函数蛋白质超二级结构β—α—β模体预测 　摘 要：蛋白质超二级结构beta;-alpha;-beta;模体是蛋白质的重要组成部分，所以对蛋白质超二级结构的研究是非常有意义的。根据蛋白质超二级结构的保守性，用距离函数值对蛋白质中beta;-alpha;-beta; 模体进行识别，训练集5交叉检验预测总精度和相关系数分别是64.12%和0.31。距离函数应用于独立检验集进行检验预测精度达到71.14%。　　关键词：蛋白质结构预测；beta;-alpha;-beta; 模体；距离函数　　中图分类号：Q51 文献标识码：A DOI：10.11947/nyyjs.20160509001　　引言　　2个平行的beta;-strand被较长的loop连接，loop中间包含alpha;螺旋（alpha;-helical），并且2个beta;折叠片之间存在氢键，形成的结构模体beta;-loop-alpha;-loop-beta;叫做beta;-alpha;-beta; 模体，它是含有平行的beta;折叠（sheet）的蛋白质中的常见模体[1，5] ，它频繁的出现在每一个具有beta;折叠片的蛋白质结构中，在蛋白质结构中占有重要地位。因此，对beta;-alpha;-beta;模体的统计分析及预测是十分有意义的。　　在本文中，建立了beta;-alpha;-beta;模体预测的数据库，整理并使用了2个蛋白质数据库分别作为预测的训练集和独立检验集，并且发展了距离函数来预测beta;-alpha;-beta; 模体，得到了较好的预测结果。　　1 材料和方法　　1.1 材料　　数据库选取了EVA的1423个相似性小于33%的蛋白质，作为训练集[4]，同时选取了426个非冗余的蛋白质链组成，序列相似性小于25%，分辨率小于2.0?，作为独立检验集。对训练集，获得二级结构为ECHCE模式的片断为3878个，利用PROMOTIF[3]获得beta;-alpha;-beta;模体分别为1622个，与ECHCE模式相匹配的1459个片断确认为beta;-alpha;-beta;，其余2419个确认为非beta;-alpha;-beta;；对独立检验集，有257条蛋白质链中至少包含一个beta;-alpha;-beta;模体，这个数据库中共得到310个beta;-alpha;-beta;模体和480个非beta;-alpha;-beta; 模体。　　1.2 最佳序列片段长度的选取　　蛋白质超二级结构是由二级结构单元所组成，而超二级结构的构象类型与连接肽所连接的二级结构单元的种类、连接肽的长度以及连接肽残基的构象密切相关，下面对序列对应的每一种二级结构进行详细的统计和分析，过程如下：　　对模体beta;-alpha;-beta;模体和非beta;-alpha;-beta;模体中的氨基酸长度进行统计，见图1。在beta;-alpha;-beta;模体中，最少为8个氨基酸，最多为60个氨基酸，平均是28.5个氨基酸；在非beta;-alpha;-beta;模体中，最少为6个氨基酸，最多为86个氨基酸，平均为22.2个氨基酸。而对于全部ECHCE模式，含有6～29个氨基酸的序列数占85.7%。　　通常情况下超二级结构模体的预测是来自序列预测，因此，要选取适合的序列信息。由图1分析，选取33个氨基酸是最佳序列模式长，能够包含比较全面的序列信息。　　固定序列长的选取：当序列长为奇数时，序列的左侧比右侧多取一个氨基酸残基，当序列长为偶数时，序列两侧取相同的残基数。若序列不足33个氨基酸残基的，两侧添加空位补齐。获得beta;-alpha;-beta;模体1121个，非beta;-alpha;-beta;模体1890个。　　上述选取方式，参考了Kuhn[2]、Kumar[4]和Cruz[3]等的对beta;发夹固定模式片段截取方法。　　1.3 方法　　1.3.1 距离函数　　距离函数可以衡量所研究的样品之间存在的相似性，已被成功的应用于蛋白酶的预测研究。距离函数的计算公式如下：　　1.3.2 精确评价指标　　为了评价预测的正确率和预测方法的可信度，精度 （S）、Matthew相关系数 （Mcc）、 beta;-alpha;-beta;模体的敏感性（Sn）、非beta;-alpha;-beta;模体的敏感性（SnN）、beta;-alpha;-beta;模体的特异性（Sp）和非beta;-alpha;-beta;模体的特异性（SpN） 如下计算：　　p为真阳性样本序列数，r为真阴性样本序列数，u假阴性样本序列数，o为假阳性样本序列数。　　2 结果与讨论　　2.1 距离函数的预测结果　　本文使用了距离函数对蛋白质超二级结构进行5交叉检验，得到了的预测结果见表1。Mcc的值为