生物信息学第11章蛋白质结构与预测3.ppt

4、 跨膜片段的预测 内在膜蛋白中的跨膜片段可以通过搜索跨越脂质膜的连续疏水残基来进行预测。有些方法还预测跨膜片段的方向（进—出）或拓扑结构，但是这通常都不太准确。 Integral Membrane Proteins Membrane-spanning segments loops 跨膜片段往往含有较高比例的疏水残基，长度常常在20个残基以上，对应于6-7个跨膜螺旋的螺旋圈。这种相对较长的强烈疏水残基系列在可溶性球蛋自中很少见。这意味着可以基于疏水残基系列来进行预测。 Tools: TMPred, TMHMM and TopPred. 跨膜片段的预测 5、 现有的工具 ExPASy (http://www.expasy.ch) 十一、 高级蛋白质结构预测与预测策略 1. 折叠识别 2. 从头 (ab initio)预测 3. 策略 1、 折叠识别 折叠识别致力于检测非常疏远的结构和进化关系。它能检测出蛋白质采取了某种已知折叠，即使该蛋白质与任何已知结构的蛋白质都没有显著的序列相似性（25%）。通过使用序列和结构信息，折叠识别方法通常试图找出某已知折叠库中最一致的折叠。折叠识別也叫做线程(threading)。 折叠识别 折叠识别的输出通常是查询序列与一条或多条已知其结构的、与查询序列关系疏远的序列之间的比对。因此，通过使用通常的比较建模方法就可以得出被预测蛋白质的全三维结构。 2、 Ab initio Prediction 这类方法试图从基本原理预测蛋白质结构，但是，与前面讲述的比较建模、二级结构预测和折叠识别等方法相比，从头开始预测的方法目前还是不大有效。 3、 预测策略 Step 1: 鉴定出该查询序列中的任何特征。E.g. 潜在跨膜片段; 低组成复杂度; 卷曲螺旋（coiled coils）; 已知结构域或序列的整体结构域 (通过Interpro); 其他相关序列和亚序列 (domains) (通过PSI-BLAST)。如果蛋白质是多结构域的，而且序列中结构域的位置可以找出，那么分别预测每个结构域将会很有用。 Presentations 生技第10组：利用SWISS-MODEL进行蛋白结构预测举例 生制第10组：利用TopPred进行蛋白跨膜结构预测举例 生科第10组：利用GOR方法进行蛋白二级结构预测举例 八、蛋白质结构预测简介 1. 为什么要预测结构? 2. 什么是结构预测? 1、 为什么要预测结构? 结构预测是有意义的，因为通过实验来确定结构仍然要比通过实验确定序列慢得多。 为什么要预测结构? 结构预测帮助我们理解蛋白质的功能和作用机制，对合理的药物设计也是很有意义的。 Rational structure-based drug design Levinthal和Anfinsen的早期工作使得结构预测成了又一个极有发展潜力的科学领域。 Anfinsen: 证明了蛋白质可以自发地折叠成它们的天然结构，而不需要其他任何试剂的介入 – sequence determining the 3D structure. Levinthal: 指出寻找正确结构的过程不能是随机搜索所有的可能性，因为这样将花费太长的时间。 为什么要预测结构? 2、 什么是结构预测? 一般说来，结构预测是指仅依据蛋白序列的信息来预测蛋白质每个原子在三维空间中的相对位置。 结构预测方法包括：比较建模法（comparative modeling）, 折叠识别法（fold recognition）, 二级结构预测法（secondary structure prediction）, 从头预测法（ab initio prediction） 以及跨膜片段预测法（ transmembrane segment prediction）。 什么是结构预测? 按理论基础可分为: ab initio prediction: 尝试计算并最小化自由能，或得出一个合适的近似最小值的方法。 knowledge-based prediction: 尝试使用已知结构数据库中的信息来预测蛋白质结构。 (comparative modeling, fold recognition). Blind testing: CASP (Critical Assessment of Structure Prediction) 什么是结构预测? ab initio prediction comparative modeling fold recognition 九、通过比较建模预测结构 1. 理论基础 2. 内容 3. 过程 4. 精确性 5. 现有资源 1、 理论基础 在80个以上残基的比对中，一致性达到25%以上的序列采用的是相同的基本结构。这是比较建模预测的理论基础。 ta