三种配体结合残基的识别

配体结合残基的预测对蛋白质生物功能的理解提供重要的依据,也有助于药物设计和开发。ATP、GTP和NAD三种配体具有相似的化学结构,生物功能也有着紧密的联系,所以我们将ATP、GTP和NAD三种大分子配体作为一个系列,分别对蛋白质中ATP、GTP和NAD配体结合残基进行了识别。建立了ATP、GTP和NAD三种配体结合残基的数据集,分别包含结合残基3838个、1316个和3579个,序列相似性阈值为30%,分辨率阈值为3°A。采用氨基酸组分信息为特征参数的离散增量算法和位点氨基酸保守性信息为特征参数的矩阵打分算法,对以上三种配体结合残基分别进行预测,结果并不理想;之后,我们将二级结构信息和表面可及性信息作为特征参数,并融合离散增量值、矩阵打分值和自相关协方差值,输入支持向量机对结合残基进行预测,得到了较好的预测结果。5交叉检验结果下的ATP、GTP和NAD配体结合残基预测总精度分别为77.4%、82.1%和85.3%;相关系数分别为0.549、0.643和0.702。

基于序列信息的融合多种特征参数方法预测膜蛋白类型

不同类型的膜蛋白执行不同的功能,因此膜蛋白的分类对蛋白质功能的研究相当重要。根据膜蛋白在磷脂双分子层的分布特点,将膜蛋白序列进行等分处理,以每一部分的氨基酸组分为特征参数,利用离散增量算法对8类膜蛋白分类,得到的预测总精度为75.1%;对膜蛋白序列进行特定的氨基酸片段截取,利用位置矩阵打分算法对8类膜蛋白进行分类预测,以前后20个位点氨基酸组分为特征参数预测总精度分别为75.6%和72.7%。将等分后的离散增量值、氨基酸片段的打分值、稀有模体频数值、氨基酸物理化学特性的自交叉协方差值、二级结构频数值、超二级结构频数值、复杂超二级结构频数值组合作为特征参数,使用支持向量机算法对8类膜蛋白进行分类,获得了非常好的预测结果,独立检验预测总精度达到了93.9%。因此可以看出融合多特征参数的支持向量机算法要好于离散增量算法和位置矩阵打分算法,并且得到的预测结果要好于前人的研究结果。

蛋白质中钙离子结合残基的识别

钙结合蛋白在诸多重要的生命进程中实现着不可替代的生物学功能。而这些功能的实现,均取决于蛋白质中配体结合残基与钙离子的相互作用。因此,对蛋白质中钙离子结合残基的识别是理解这种重要分子机制的有效手段。建立了396条非冗余蛋白质链共包含1952个钙离子结合残基的钙离子结合蛋白数据集,通过统计分析确定以17个氨基酸残基作为最佳片段长度。使用10交叉检验,以氨基酸组分为特征参数的离散增量算法的预测精度为62.4%,相关系数为0.25;以位点氨基酸保守性信息为特征参数的矩阵打分算法的预测精度为69.9%,相关系数为0.40;以离散增量值、矩阵打分值和自协方差值为特征参数的支持向量机算法的预测精度为75.0%,相关系数为0.50。