基于优化特征参量蛋白质βαβ模体识别分析.docVIP

基于优化特征参量蛋白质βαβ模体识别分析 　　摘要：选取了来自1 423个相似性小于33%的蛋白质序列的1 459个βαβ模体和2 419个非βαβ模体，通过分析模体中各二级结构单元的分布情况，确定固定序列模式长。基于优化的氨基酸信息，利用离散增量算法识别βαβ模体。运用10-fold交叉检验和独立检验方法对算法进行检验，识别总精度分别达到79.4%和78.6%。 　　关键词：蛋白质；βαβ模体；离散增量；优化的参量；优化位点氨基酸；识别精度 　　中图分类号： Q51文献标志码： A文章编号：1002-1302（2015）02-0020-04 　　收稿日期：2014-04-09 　　基金项目：辽宁省教育厅教学改革立项（编号：2012411）。 　　作者简介：姜雪（1978―），女，黑龙江明水人，硕士，讲师，主要从事生物信息学研究。E-mail：shuidi780829@163.com。 模体是具有特定功能或作为一个独立结构域一部分的相邻的二级结构的聚合体，是蛋白质家族组成结构和执行功能的重要部分，介于蛋白质二级结构和三级结构之间，充当三级结构的构件。近20年来，对简单模体如β-转角、β-发夹的预测[1-8]得到了很好的发展，主要方法集中在人工神经网络、支持向量机和统计方法上，且都取得了较好的预测效果。而βαβ是常见的复杂结构模体之一。如果2组平行的β折叠片通过α螺旋经过连接肽（Loop）回折2次，且β折叠之间有氢键相连，最终β折叠片的疏水侧链面向α螺旋的疏水面，彼此紧密装配，形成β-Loop-α-Loop-β结构，简记为βαβ，多倾向于形成右手扭曲的拓扑结构[9]。它包含大量的折叠信息，频繁地出现在每一个具有β折叠片的蛋白质结构中，常与形成功能结构位点和活性位点有关，同时βαβ模体上存在大量的功能位点，能为药物分子设计提供信息。因此对蛋白质的功能有着重要影响。正确地识别βαβ模体对研究蛋白质的空间结构和功能具有重要意义，对分子药物开发设计具有相应的理论价值。1983年，Taylor等运用和已知模板进行序列比对的方法对16个α/β类蛋白质包含的βαβ模体进行了预测，预测率达到70%[10]；1984年，Taylor等在统计βαβ模体的基础上用同样的方法对18个α/β类蛋白质包含的βαβ模体进行了预测，预测率达到75%[11]；1986年Wierenga等运用指纹图谱方法对PID数据集中的2 676条序列中的βαβ模体的ADP结合位点进行了预测[12]。可见，对复杂结构模体βαβ的预测研究工作还很少，但成功的预测却说明βαβ存在着功能位点，其理论预测是可行的。 　　本研究构建了2个数据集：一是来自1 423个相似性小于33%的蛋白质的1 459个βαβ模体和2 419个非βαβ模体；二是来自256个相似性小于25%的蛋白质的310个βαβ模体和480个非βαβ模体。通过分析模体中各二级结构单元的分布情况，确定了固定序列模式长为33个氨基酸残基，运用了一种基于优化特征参量的离散信息算法，识别了βαβ模体，取得了良好的效果。 　　1材料与方法 　　1.1数据 　　构建合理的数据集是蛋白质模体预测的关键，本研究中使用DSSP[13]（definition of secondary structure of proteins）数据库和PROMOTIF[14]软件来构建βαβ数据集，这是目前广泛应用的获得蛋白质特殊结构模体的方法。数据来自EVA（这是一种连续的、自动化、大规模的工作方式进行蛋白质结构预测算法评估的Web服务器http：//b.uam.es/eva/）。从中选取了1 423个相似性小于33%、分辨率高于2.5的蛋白质作为数据集1（set1）和256个相似性小于25%、分辨率高于3.0的蛋白质作为数据集2（set2）。选取的蛋白质需要满足：（1）每个蛋白质序列中至少包含一个βαβ模体；（2）剔除含有不规则氨基酸的模体。序列及其对应的二级结构信息按DSSP库确定，文中在使用时将二级结构分为3类：H、I、G归为α螺旋，用H表示；E归为β折叠；其他都归为无规卷曲，用C表示。对set1，获得二级结构为ECHCE模式的片断为 3 878个，利用PROMOTIF软件分析获得βαβ模体片段为1 622个，其中与ECHCE模式相匹配的1 459个片断确认为βαβ，其余2 419个确认为非βαβ；对set2，获得的二级结构为ECHCE模式的片断为790个，利用PROMOTIF获得与ECHCE模式相匹配的310个确认为βαβ，其余480个确认为非βαβ。 　　1.2序列固定模式长的选取 　　复杂结构模体是由简单的二级结构连接而成，其二级结构单元的种类、连接肽的长度等信息影响着复杂结构模体的形成及功能。因此有必要对2个数据集