于螺旋和折叠取7个残基,其它取5个残基):;在U的骨架上平移等长的片段,从 ROTAMER库中找出那些中心氨基酸与平移片段中心相同的片段,并且两者的局部 骨架要求尽可能相同,在此基础上从数据库中取局部结构数据。(5)构建目 标蛋白质的环区。在第2步的序列比对中,可能加入空位,这些区域常常对应于二 级结构元素之间的环区,对于环区需要另外建立模型。一般也是采用经验性方法, 从已知结构的蛋白质中寻找一个最优的环区,拷贝其结构数据。如果找不到相应的 环区,则需要用其它方法。(6)优化模型。通过上述过程为目标蛋白质U建 立了一个初步的结构模型,在这个模型中可能存在一些不相容的空间坐标,因此需 要进行改进和优化,如利用分子力学、分子动力学、模拟退火等方法进行结构优化 当然,如果能够找到一系列与目标蛋白相近的蛋白质的结构,得到更多的结构模板, 能够提高预测的准确性。通过多重序列比对,发现目标序列中与所有模板结构高度保守的区 域,同时也能发现保守性不高的区域。将模板结构叠加起来,找到结构上保守的区域,为要 建立的模型形成一个核心,然后再按照上述方法构建目标蛋白质的结构模型。对于具有60% 等同部分的序列,用上述方法建立的三维模型非常准确。若序列的等同部分超过60%,则 预测结果将接近于实验得到的测试结果。一般,如果序列的等同部分大于30%,则可以期 望得到比较好的预测结果。当然,这种计算方法要占用大量的计算时间,主要是由于第4 步的数据库搜索过程耗时较多。如果序列的等同部分小于30%或更少,那么预测结果的准 确性如何呢?随着U和T的相似度降低,比对这两个蛋白质序列所需插入的环区增多。为 环区建立精确的三维模型意味着解决结构预测的基本问题。有许多具体的方法可用于为环区 建立三维模型,其中最好的方法在一些情况下能够得到环区正确的取向。为环区建立三维模 型的一种方法是分子动力学模拟。由于环区一般来说相对比较短,可以用分子动力学方法来 模拟,但在动态模拟过程所需要的计算时间随着环区多肽链的残基数指数增长。然而,即使 序列等同部分下降到25%-30%,同源模型化方法也能产生出未知结构蛋白质整体折叠的粗 糙模型。对于这样初始模型可以进行优化,以得到较好的结果 也可以用人工神经网络(如BP网)来预测同源蛋白质的空间结构。Bohr等人曾利用BP 网预测同源蛋白质的折叠模式,该方法应用距离点矩阵表示蛋白质的结构,同源蛋白质的距 离矩阵相似。沿水平轴和垂直轴画出蛋白质序列,如果两个氨基酸Ca原子之间的距离小于 指定的距离,则在矩阵对应位置打上点标记。与二级结构预测的神经网络方法相似,将一个于螺旋和折叠取 7 个残基，其它取 5 个残基）；在 U 的骨架上平移等长的片段，从 ROTAMER 库中找出那些中心氨基酸与平移片段中心相同的片段，并且两者的局部 骨架要求尽可能相同，在此基础上从数据库中取局部结构数据。 （5） 构建目 标蛋白质的环区。在第 2 步的序列比对中，可能加入空位，这些区域常常对应于二 级结构元素之间的环区，对于环区需要另外建立模型。一般也是采用经验性方法， 从已知结构的蛋白质中寻找一个最优的环区，拷贝其结构数据。如果找不到相应的 环区，则需要用其它方法。 （6） 优化模型。通过上述过程为目标蛋白质 U 建 立了一个初步的结构模型，在这个模型中可能存在一些不相容的空间坐标，因此需 要进行改进和优化，如利用分子力学、分子动力学、模拟退火等方法进行结构优化。 当然，如果能够找到一系列与目标蛋白相近的蛋白质的结构，得到更多的结构模板，则 能够提高预测的准确性。通过多重序列比对，发现目标序列中与所有模板结构高度保守的区 域，同时也能发现保守性不高的区域。将模板结构叠加起来，找到结构上保守的区域，为要 建立的模型形成一个核心，然后再按照上述方法构建目标蛋白质的结构模型。对于具有 60% 等同部分的序列，用上述方法建立的三维模型非常准确。若序列的等同部分超过 60%，则 预测结果将接近于实验得到的测试结果。一般，如果序列的等同部分大于 30%，则可以期 望得到比较好的预测结果。当然，这种计算方法要占用大量的计算时间，主要是由于第 4 步的数据库搜索过程耗时较多。如果序列的等同部分小于 30%或更少，那么预测结果的准 确性如何呢？随着 U 和 T 的相似度降低，比对这两个蛋白质序列所需插入的环区增多。为 环区建立精确的三维模型意味着解决结构预测的基本问题。有许多具体的方法可用于为环区 建立三维模型，其中最好的方法在一些情况下能够得到环区正确的取向。为环区建立三维模 型的一种方法是分子动力学模拟。由于环区一般来说相对比较短，可以用分子动力学方法来 模拟，但在动态模拟过程所需要的计算时间随着环区多肽链的残基数指数增长。然而，即使 序列等同部分下降到 25%-30%，同源模型化方法也能产生出未知结构蛋白质整体折叠的粗 糙模型。对于这样初始模型可以进行优化，以得到较好的结果。 也可以用人工神经网络（如BP网）来预测同源蛋白质的空间结构。Bohr等人曾利用BP 网预测同源蛋白质的折叠模式，该方法应用距离点矩阵表示蛋白质的结构，同源蛋白质的距 离矩阵相似。沿水平轴和垂直轴画出蛋白质序列，如果两个氨基酸Ｃα原子之间的距离小于 指定的距离，则在矩阵对应位置打上点标记。与二级结构预测的神经网络方法相似，将一个