利用蛋白质序列的预测方法 页码,6/20 与α螺旋相比,β链是一种更舒展的结构。与α螺旋在二级结构单元内部形成氢键不同 键形成于两条或多条相邻的β链之间。多条β链间通过这种氢键作用使整个结构形成β折叠 片。这些折叠片可以是平行的,也可以是反平行的,这取决于各β链中N末端和C末端的取 向。一个β折叠片的变种是β拐角,多肽链构成发卡状的急转弯,并形成反平行β叠片。 1976年Leⅵtt和 Chothi a根据蛋白质中二级结构元件的排列顺序提出了一个分类系统( Levi tt 和 Chothi a,1976)。非常简单,一个α结构基本由α螺旋构成:一个β结构主要由β链构 成。肌红蛋白是典型的全由α螺旋构成的蛋白质,因而属于α结构类( Takano,1977)。质 体蓝素是β类的好例子,其中8条β链间的氢键的模式形成了一个紧密的桶状结构(Guss和 Freeman,1983)。组合折叠类α邝β是由交替出现的β链和α螺旋构成的。黄素氧还蛋白是 α邝β蛋白的一个好例子,其中β链构成中心的β折叠,周围由α螺旋包围( Burnett等, 1974) 在以下讨论中,有一个术语会经常出现:神经网络。它赋予了计算过程“学习”的能力以模 仿人类的学习,而大多数计算程序都延着固有的顺序盲目地执行指令。神经网络技术在如二 级结构预测这种分析模式和趋势的问题中有广泛的应用。每个神经网络都包含一个输入层和 个输出层。在二级结构预测的应用中,输入层是序列带来的信息,输出层是每个特定氨基 酸形成特定二级结构的几率。实际的学习过程发生在位于输入层和输出层之间的一个或多个 隐含层中。学习的实现需要向网络提供一组训练数据集。这里,一组合适的训练集是已测出 结构的蛋白质数据库。网络会加工这些信息去寻找氨基酸序列与之以特定上下文关系所形成 结构之间的微弱联系。神经网络在二级结构预测中的应用更具体的讨论可见 Kneller等 (1990)的文献。 nnpredict nnpredi ct算法使用了一个双层、前馈神经网络去给每个氨基酸分配预测的类型(Knel!er 等,1990)。在预测时,服务器使用 FASTA格式的文件,其中有单字符或三字符的序列以及蛋 白质的折叠类(α、β或α邝β)。残基被分为几类,如α螺旋(H)、β链(E)或其它 (一)。若对给定残基未给出预测,则会标上问号(?),这说明无法作出可信的分配。若 没有关于折叠类的信息,预测也能在不定折叠类的情况下进行,而且这是缺省的工作方式 据报道,对于最佳实例的预测, nnpredi ct的准确率超过了65% 序列通过向 nnpredicteceleste.ucsf.eo发送电子邮件提交给 nnpredi ct。以黄素氧还蛋白为 例,电子邮件的格式为 opti on: a/b >fl avodoxi n- Anacystis ni dul ans AKI GLFYGTOTGVTQTI AESI QQEFGGESI VDLNDI ANADASKLNAYDYLI I GCPTWNVGELOSDWEGIY DDLDSVNFOGKKVAYEGAGDOVGYSDNFQDAMGI LEEKI SSLGSQTVGYWPI EGYDENESKAVRNNQFVG LAI DEDNOPDLTKNRI KTWSQLKSEFGL 0 pti on行标明蛋白质的折叠类:n用于无折叠类,a为α,b为β,a/b为α/β。每个电子邮 件只能提交一个序列,服务器返回的结果经整理见图11.3 Predi ctProtei n file://E:wcb生物信息学(中译本)\第十一章利用蛋白质序列的预测方 2005-1-18ϢD㶎ᮟⳌ↨ˈE䫒ᰃϔ⾡᳈㟦ሩⱘ㒧ᵘDŽϢD㶎ᮟ೼Ѡ㑻㒧ᵘऩݙܗ䚼ᔶ៤⇶䬂ϡৠˈ⇶ 䬂ᔶ៤Ѣϸᴵ៪໮ᴵⳌ䚏ⱘE䫒П䯈DŽ໮ᴵE䫒䯈䗮䖛䖭⾡⇶䬂԰⫼ՓᭈϾ㒧ᵘᔶ៤Eᡬ঴ ⠛DŽ䖭ѯᡬ঴⠛ৃҹᰃᑇ㸠ⱘˈгৃҹᰃডᑇ㸠ⱘˈ䖭পއѢ৘E 䫒Ё1᳿ッ੠&᳿ッⱘপ ৥DŽϔϾEᡬ঴⠛ⱘব⾡ᰃEᢤ㾦ˈ໮㚑䫒ᵘ៤থव⢊ⱘᗹ䕀ᔃˈᑊᔶ៤ডᑇ㸠E঴⠛DŽ 1976ᑈLevitt੠Chothiaḍ᥂㲟ⱑ䋼ЁѠ㑻㒧ᵘܗӊⱘᥦ߫乎ᑣᦤߎњϔϾߚ㉏㋏㒳˄Levitt ੠Chothiaˈ1976˅DŽ䴲ᐌㅔऩˈϔϾD 㒧ᵘ෎ᴀ⬅D 㶎ᮟᵘ៤˗ϔϾE 㒧ᵘЏ㽕⬅E䫒ᵘ ៤DŽ㙠㑶㲟ⱑᰃ݌ൟⱘܼ⬅D㶎ᮟᵘ៤ⱘ㲟ⱑ䋼ˈ಴㗠ሲѢD㒧ᵘ㉏˄Takanoˈ1977˅DŽ䋼 ԧ㪱㋴ᰃE ㉏ⱘད՟ᄤˈ݊ЁᴵE 䫒䯈ⱘ⇶䬂ⱘ῵ᓣᔶ៤њϔϾ㋻ᆚⱘṊ⢊㒧ᵘ˄Guss੠ Freemanˈ1983˅DŽ㒘ড়ᡬ঴㉏D /Eᰃ⬅Ѹ᳓ߎ⦃ⱘE䫒੠D㶎ᮟᵘ៤ⱘDŽ咘㋴⇻䖬㲟ⱑᰃ D /E 㲟ⱑⱘϔϾད՟ᄤˈ݊ЁE 䫒ᵘ៤ЁᖗⱘE ᡬ঴ˈ਼ೈ⬅D 㶎ᮟࣙೈ˄Burnettㄝˈ 1974˅DŽ ೼ҹϟ䅼䆎Ёˈ᳝ϔϾᴃ䇁Ӯ㒣ᐌߎ干˖⦃㒣㔥㒰DŽᅗ䌟ќњ䅵ㅫ䖛⿟Āᄺдāⱘ㛑࡯ҹ῵ ӓҎ㉏ⱘᄺдˈ㗠໻໮᭄䅵ㅫ⿟ᑣ䛑ᓊⴔ೎᳝ⱘ乎ᑣⳆⳂഄᠻ㸠ᣛҸDŽ⼲㒣㔥㒰ᡔᴃ೼བѠ 㑻㒧ᵘ乘⌟䖭⾡ߚᵤ῵ᓣ੠䍟࢓ⱘ䯂乬Ё᳝ᑓ⊯ⱘᑨ⫼DŽ↣Ͼ⼲㒣㔥㒰䛑ࣙ৿ϔϾ䕧ܹሖ੠ ϔϾ䕧ߎሖDŽ೼Ѡ㑻㒧ᵘ乘⌟ⱘᑨ⫼Ёˈ䕧ܹሖᰃᑣ߫ᏺᴹⱘֵᙃˈ䕧ߎሖᰃ↣Ͼ⡍ᅮ⇼෎ 䝌ᔶ៤⡍ᅮѠ㑻㒧ᵘⱘ޴⥛DŽᅲ䰙ⱘᄺд䖛⿟থ⫳೼ԡѢ䕧ܹሖ੠䕧ߎሖП䯈ⱘϔϾ៪໮Ͼ 䱤৿ሖЁDŽᄺдⱘᅲ⦄䳔㽕৥㔥㒰ᦤկϔ㒘䆁㒗᭄᥂䲚DŽ䖭䞠ˈϔ㒘ড়䗖ⱘ䆁㒗䲚ᰃᏆ⌟ߎ 㒧ᵘⱘ㲟ⱑ䋼᭄᥂ᑧDŽ㔥㒰ӮࡴᎹ䖭ѯֵᙃএᇏᡒ⇼෎䝌ᑣ߫ϢПҹ⡍ᅮϞϟ᭛݇㋏᠔ᔶ៤ 㒧ᵘП䯈ⱘᖂᔅ㘨㋏DŽ⼲㒣㔥㒰೼Ѡ㑻㒧ᵘ乘⌟Ёⱘᑨ⫼᳈݋ԧⱘ䅼䆎ৃ㾕Knellerㄝ ˄1990˅ⱘ᭛⤂DŽ nnpredict nnpredictㅫ⊩Փ⫼њϔϾঠሖǃࠡ作⼲㒣㔥㒰এ㒭↣Ͼ⇼෎䝌ߚ䜡乘⌟ⱘ㉏ൟ˄Kneller ㄝˈ1990˅DŽ೼乘⌟ᯊˈ᳡ࡵ఼Փ⫼FASTAḐᓣⱘ᭛ӊˈ݊Ё᳝ऩᄫヺ៪ϝᄫヺⱘᑣ߫ҹঞ㲟 ⱑ䋼ⱘᡬ঴㉏˄D ǃE ៪D /E ˅DŽ⅟෎㹿ߚЎ޴㉏ˈབD 㶎ᮟ˄+˅ǃE 䫒˄(˅៪݊ᅗ ˄ˉ˅DŽ㢹ᇍ㒭ᅮ⅟෎᳾㒭ߎ乘⌟ˈ߭ӮᷛϞ䯂ো˄˛˅ˈ䖭䇈ᯢ᮴⊩԰ߎֵৃⱘߚ䜡DŽ㢹 ≵᳝݇Ѣᡬ঴㉏ⱘֵᙃˈ乘⌟г㛑೼ϡᅮᡬ঴㉏ⱘᚙމϟ䖯㸠ˈ㗠Ϩ䖭ᰃ㔎ⳕⱘᎹ԰ᮍᓣDŽ ᥂᡹䘧ˈᇍѢ᳔Շᅲ՟ⱘ乘⌟ˈnnpredictⱘޚ⥛⹂䍙䖛њ65ˁDŽ ᑣ߫䗮䖛৥nnpredict@celeste.ucsf.eduথ䗕⬉ᄤ䚂ӊᦤѸ㒭nnpredictDŽҹ咘㋴⇻䖬㲟ⱑЎ ՟ˈ⬉ᄤ䚂ӊⱘḐᓣЎ˖ option: a/b >flavodoxin - Anacystis nidulans AKIGLFYGTQTGVTQTIAESIQQEFGGESIVDLNDIANADASKLNAYDYLIIGCPTWNVGELQSDWEGIY DDLDSVNFQGKKVAYFGAGDQVGYSDNFQDAMGILEEKISSLGSQTVGYWPIEGYDFNESKAVRNNQFVG LAIDEDNQPDLTKNRIKTWVSQLKSEFGL Option㸠ᷛᯢ㲟ⱑ䋼ⱘᡬ঴㉏˖Q⫼Ѣ᮴ᡬ঴㉏ˈDЎD ˈEЎE ˈa/bЎD /EDŽ↣Ͼ⬉ᄤ䚂 ӊা㛑ᦤѸϔϾᑣ߫ˈ᳡ࡵ఼䖨ಲⱘ㒧ᵰ㒣ᭈ⧚㾕೒11.3DŽ PredictProtein ㄀कϔゴ߽⫼㲟ⱑ䋼ᑣ߫ⱘ乘⌟ᮍ⊩ 义ⷕˈ6/20 file://E:\wcb\⫳⠽ֵᙃᄺ˄Ё䆥ᴀ˅?㄀कϔゴ߽⫼㲟ⱑ䋼ᑣ߫ⱘ乘⌟ᮍ... 2005-1-18 Click to buy NOW! PDF-XCHANGE www.docu-track.com Click to buy NOW! PDF-XCHANGE www.docu-track.com