DNA结合蛋白的分析和预测.ppt

DNA结合蛋白的分析和预测 目录 引言 DNA结合蛋白 数据分析与编码方式 结果讨论 展望 引言 DNA是一切细胞的基本遗传物质 互补的多聚核苷酸链 氢键配对 右手双螺旋结构 高度特异性 信息载体 引言 基因表达如何开关？ 目录 引言 DNA结合蛋白 数据分析与编码方式 结果讨论 展望 DNA结合蛋白 DNA分子可以以不同的形式存在。 功能不同. 识别一定的DNA序列并通过固定在某个作用位点上的DNA结合蛋白来调控的，这种蛋白质称为序列特异性DNA结合蛋白质(sequence-specific DNA-binding proteins)。 DNA结合蛋白 DNA的复制、重组、链裂解、转录 细胞周期中染色体的一系列变化 特异识别的分子机制 调控作用 DNA结合蛋白 几种有显著特征的结构类型： 螺旋－转折－螺旋型结构域(helix-turn-helix motif) 锌指型结构域(zinc-finger motif) 亮氨酸拉链型结构域(leucine-zipper motif) 螺旋－连接－螺旋型结构域(helix-loop-helix motif) β折叠型结构域(β-sheet motif) ………… Helix-turn-helix motif Zinc-finger motif Leucine-zipper motif Leucine-zipper motif DNA结合蛋白 DNA与蛋白的结合机制对于细胞功能是至关重要的，然而这种机制人们并没有理解清楚。 因此要通过已有的数据来分析DNA结合域与蛋白质序列组成、可溶性(solvent accessibility)及二级结构之间的关系。 利用这种关系，在SVM的基础上结合非冗余转录因子数据库(non-redundant databases of transcription factors)和 DNA-蛋白质络合物(protein–DNA complex)进行建模，来预测 DNA结合蛋白和结合残基(binding residues)。 目录 引言 DNA结合蛋白相关概念和定义 数据分析与编码方式 结果讨论 展望 定义 结合残基(binding residues)： 一个蛋白质序列中的氨基酸残基，如果它的侧链 (side chain) 或中心原子(backbone atoms)与任何一个与之结合的DNA中的原子在3.5?距离范围之内，那么这个残基就叫做“结合残基”。 结合片断(binding segments) ： 如果蛋白质片断中心残基的任一原子距离DNA上任一原子小于3.5?，那么这个片断即“结合片断” 定义 结合概率(binding probability)：对组成为 i 的片断, 有 Ri 个与DNA结合，则相应的结合概率的分布由 100*(Ri/ΣRi) 给出。 所用数据库 本文所用数据均从PDB (Protein Data Bank)库中获取。 PDNA-62: 从PDB中提取的典型的DNA-蛋白质络合物的数据库。 在pdb库中输入关键字 ”protein-DNA complex”查询，然后去掉与 PDNA-62 中重合部分，经整理得到的259个络合物数据。 目录 引言 DNA结合蛋白 数据分析与编码方式 结果讨论 展望 数据分析及编码方式 PDB格式文件可以用 WebViewer 软件打开，浏览DNA-蛋白质络合物的三维空间构型；也可以用文本编辑软件EditPlus打开，得到如下图所示的原子的详细信息。 数据分析及编码方式 对本文研究有用的数据为：原子序列号、原子名称、残基名称、残基序列号、原子的三维坐标。 在 TurboC2.0 环境下编写程序，读取每一个原子的信息，然后再根据如前所述定义，计算出任一可能结合的残基。 提取出结合残基的信息后，将片断中的每个残基用20位的二进制数表示，然后构成一个100位的五残基片断。 分别用1和－1来表示结合与非结合情况。 目录 引言 DNA结合蛋白 数据分析与编码方式 结果讨论 展望 结果讨论 传统编码方式预报结果： 首先将PDNA-62中的42个络合物分子作为训练集，对剩余的20个分子构成的测试集做预报。其中结合情况的预报准确率偏低，这可能是与训练集的选取范围过于狭窄所造成。 其次用PDNA-62中所有的62个络合物分子作为训练集，对PDB库中其余的DNA-蛋白质络合物分子进行预报。由于涵盖面较上种情况更广一些，所以其预报结合的准确率比上表有显著的改进。 结果讨论 在上述传统编码方式的基础上，尝试用概率差思想进行编码。 Pi(b)=∑bi/∑B Pi(n)=∑ni/∑N ⊿p= Pi(b)-Pi(n) 即统计片断某一位置上每种残基结合与非结合的概