泛素偶联系统的生物信息学研究-生物信息技术专业论文.docx

独创性声明 本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研 究成果。尽我所知，除文中已经标明引用的内容外，本论文不包含任何其他个人或集 体已经发表或撰写过的研究成果。对本文的研究做出贡献的个人和集体，均已在文中 以明确方式标明。 完全意识到本声明的法律结果由本人承担。 学位论文作者签名： 日期： 年 月 日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，即：学校有权保 留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本 人授权华中科技大学可以将本学位论文的全部或部分内容编入有关数据库进行检索， 可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。 本论文属于 保 密□，在 年解密后适用本授权书。 不保密□。 （请在以上方框内打“√”） 学位论文作者签名： 指导教师签名： 日期： 年 月 日 日期： 年 月 日 摘 要 泛素和类泛素偶联是最重要的蛋白质翻译后修饰之一，负责调控各种各样的生物 学过程。在真核生物中，泛素化和其它类泛素修饰有相似的酶级联 E1（泛素激活酶） -E2（泛素偶联酶）-E3（泛素蛋白连接酶）。泛素和类泛素研究发现了一千多个具有 活性的酶，但是不能确定它们的正确分类以及在物种中的准确数量。经过文献检索， 已收集到 E1, E2, E3 和 DUB 的数量分别是 26、105、1003 和 148。综合文献中的各种 观点，所有酶分为 1、3、19 和 7 个家族。对活性结构域保守的 E1, E2, E3 和 DUB 家 族，分别建立了 1、1、15 和 6 个隐马可夫谱。对活性结构域不保守的家族，采用了 双向 BLAST 的同源搜索办法。经过实验验证的酶作为测试集，评估了预测性能和隐 马可夫谱识别的特异性。最后，本文构建了泛素和类泛素偶联酶的数据库 UUCD (Ubiquitin and Ubiquitin-like Conjugation Database)，包含 E1, E2, E3 和 DUB 酶的数量 分别是 738、2937、46631 和 6647，这些酶分布在 70 种真核生物中。利用泛素和类泛 素偶联酶，可以分析泛素和类泛素偶联系统与复杂疾病的关系。在 Cancer Gene Census 和 Drugbank 这两个数据库中，发现只有 27 个癌症基因和 16 个药物靶点与人类的泛 素和类泛素偶联酶相关。通过超几何分布的统计学分析，发现它们在泛素和类泛素偶 联系统中不显著 (P-value 0.05)。但是 KEGG 的分析结果显示泛素和类泛素偶联酶在 小细胞肺癌相关的 PI3K-Akt 信号、细胞循环、自噬和 p53 信号通路中起着重要的作 用。 E3 能特异性地识别底物，决定泛素化修饰的特异性。目前已开发有多种预测泛素 化位点的工具，但它们不能揭示底物位点和 E3 的关系。通过文献检索，本文发现 1027 个具有 E3 特异性的位点。单个位点可能对应多个 E3，按照位点和 E3 的一对一原则， 整合出 1214 对 site-E3 组合。根据 UUCD 数据库中 E3 的分类原则，全部 site-E3 组合 可分为类、组、亚组、家族和个体五种水平。在家族水平上可分为 10 个数据集，在 个体水平上可分为 92 个数据集。E3 特异性的位点预测选在家族和个体水平上进行。 训练过程采用 GPS 2.2 (Group-based Prediction System, version 2.2) 算法中的模体长度 I 选择、权重训练和矩阵突变。每个数据集的 cutoff 分为 high, medium 和 low 三种水平， 分别对应于假阳性率 (False positive rate, FPR) 为 2%、6%和 10%时的阈值。根据上述 分类、训练结果以及 cutoff 设置，本分开发了具有层次分类结构的 E3 特异性的泛素 化位点预测工具 GPS-PLUB 1.0，可以预测 10 种 E3 家族和 92 种 E3 个体特异性的泛 素化位点。此外，GPS-PLUB 1.0 可对实验发现的 141076 个泛素化位点进行大规模预 测。 泛素偶联类型是底物位点泛素化的具体表现形式，包括单聚泛素化和不同链类型 的多聚泛素化。每种泛素偶联类型能决定底物的功能。许多泛素化研究难以揭示底物 的 E3 酶，但是容易验证底物的泛素偶联类型。大量位点泛素偶联类型数据的产生， 迫切需要预测工具对数据特征进行整合。通过文献检索，收集到 1485 个含泛素偶联 类型的位点。单个位点可能对应多个泛素偶联类型，按照位点与泛素偶联类型的一对 一原则，整合出 2122 对位点与泛素偶联类型的组合。所有组合可分为 2 个组、2 个亚 组和