三链DNA碱基配对的相互作用

本文按照经验的多原子分子间相互作用势研究了在三碱基体(triplet)中,两两碱基间的共平面相互作用。 我们以22个三碱基体的结构为理论模型,分别计算了Watson—Crick氢键碱基配对,Hoogsteen氢键碱基配对和其它形式(包括失配碱基对)的氢键碱基配对的总能量,通过对计算结果的分析,得到了与实验结果一致的结论,这一工作对于进一步从理论上探索多种形式的氢键相互作用的生物学意义将是有益的。

应用ABEEM极化力场研究核酸碱基和氨基酸侧链的相互作用

对ABEEM极化力场(ABEEM PFF)对核酸碱基、氨基酸侧链以及它们之间的相互作用进行研究.ABEEM PFF将体系的电荷密度分解到了原子区域、σ键区域、π键区域和孤对电子区域,各个区域的电荷可以随着体系结构的变化以及周围环境不同而浮动,很好体现了体系极化效应.在碱基和氨基酸之间的相互作用中氢键起到了很重要的关键作用.ABEEMPFF通过氢键拟合函数对氢键相互作用区域进行特殊的考虑和处理.研究结果表明,应用ABEEM电荷模型计算得到4个碱基模型、5个氨基酸侧链模型和20个相互作用模型的电荷分布以及偶极矩,计算结果与量子力学方法(QM)相媲美.应用ABEEMPFF对29个模型分子进行结构的优化得到稳定结构,与QM计算的结果以及实验的构象有很好的一致性.应用ABEEMPFF和QM方法计算20个碱基和氨基酸相互作用模型的相互作用能,计算结果表明带电的氨基酸侧链与碱基的相互作用能大于不带电氨基酸侧链.氨基酸侧链与碱基的相互作用能的顺序为:Lys>Asp/Glu>Arg>Asn/Gln>Ser/Thr.ABEEMPFF研究碱基和氨基酸侧链的相互作用,为研究和揭示蛋白质和核酸的相互识别机理奠定了良好的基础.

基于迁移学习和多视图特征融合提高RNA碱基相互作用预测

RNA碱基相互作用对维持其三维结构的稳定具有重要作用,准确地预测碱基相互作用可以辅助RNA三维结构的预测。然而,用于预测RNA碱基相互作用的数据量少,导致模型未能充分地学习到数据的特征分布,以及数据存在的特性(对称特性和类别不平衡),都影响了模型的性能。针对模型不充分学习和数据特性问题,在深度学习的基础上,提出了一种高性能的RNA碱基相互作用预测方法tpRNA。tpRNA首次在RNA碱基相互作用预测任务中引入迁移学习以改善因数据量少而产生的模型不充分学习问题,并提出高效的损失函数和特征提取模块,充分发挥迁移学习和卷积神经网络在特征学习方面的优势,以缓解数据特性问题。结果表明,引入迁移学习能减小数据量少导致的模型偏差,提出的损失函数能优化模型的训练,特征提取模块能提取到更有效的特征。与最先进的方法相比,tpRNA在低质量输入特征的情形下具有显著的优势。

大肠杆菌基因组结构柔性的研究

基于四核苷酸参数提出一个统计力学模型用于分析大肠杆菌基因组柔性 .结果表明 :大肠杆菌基因组复制终止区柔性明显小于其他区域 ;柔性和G +C含量之间具有极强的关联 ;编码区的平均柔性明显大于非编码区的平均柔性 .