基于强化学习的离散层级萤火虫算法检测蛋白质复合物

蛋白质复合物的检测有助于从分子水平上理解生命的活动过程。针对群智能算法检测蛋白质复合物时假阳/阴性率高、准确率低、种群多样性下降等问题,提出了基于强化学习的离散层级萤火虫算法检测蛋白质复合物(reinforcement learning-based discrete level firefly algorithm for detecting protein complexes,RLDLFA-DPC)。引入强化学习思想提出一种自适应层级划分策略,动态调整层级结构,能有效解决迭代后期种群多样性下降的问题。在层级学习策略中个体向两个优秀层级学习,避免算法陷入局部最优。为了提高蛋白质复合物检测的精度,结合个体环境信息提出自适应搜索半径的局部搜索策略。最后,在酵母蛋白质的4个数据集上,与8种经典的蛋白质复合物检测方法进行对比,验证了该方法的有效性。

热风干燥对刺芹侧耳多糖-蛋白质复合物加工特性及抗氧化性的影响

对刺芹侧耳(Pleurotus eryngii)子实体进行热风干燥处理,检测其色差值、褐变指数、中间指数、紫外可见吸收光谱,分析其美拉德反应程度;提取刺芹侧耳多糖-蛋白质复合物,分析其基本成分、加工特性(溶解性、相对黏度、起泡性、乳化性、硬度、内聚性、弹性、咀嚼性和凝胶强度)和抗氧化性。结果表明:新鲜刺芹侧耳的色差值最高,干制24 h的最低;新鲜刺芹侧耳的褐变指数与中间指数最低,干燥24 h的褐变指数与中间指数最高。新鲜刺芹侧耳多糖-蛋白质复合物溶解所需时间最长,干燥18、24 h的溶解时间较短;干燥24h的相对黏度最高,新鲜刺芹侧耳的最低;干燥24h的乳化性、起泡性均最好,干燥12、18、24h的乳化稳定性较好,干燥18 h的起泡稳定性较好;干燥24 h的硬度、内聚性、弹性、咀嚼性和凝胶强度均最高;干燥18、24h的对DPPH自由基清除率较高,干燥24h的对羟基自由基清除率最高,干燥24h的对超氧阴离子清除率较高,干燥18、24 h的对多酚氧化酶抑制率较高。研究结果可为刺芹侧耳的进一步开发利用提供参考。

基于特征图网络和多种生物信息预测关键蛋白质的深度学习框架

针对生物实验识别关键蛋白质费时费力,使用计算方法预测关键蛋白质无法有效整合生物信息的问题,提出一个深度学习框架.首先利用网络拓扑结构、基因表达数据和GO(gene ontology)注释数据构建加权蛋白质相互作用网络;然后分别使用特征图网络和双向长短期记忆细胞从亚细胞定位数据、蛋白质复合物数据和基因表达数据中提取特征向量;最后将这些特征向量输入到任务学习层预测关键蛋白质.实验结果表明,相比于现有的计算方法,该方法预测性能更好.

多糖与蛋白质相互作用及其复合物的功能特性

多糖和蛋白质是食品中共存的生物大分子,营养丰富,两者相互作用可以改善食品的品质,因此成为研究的热点内容。该文对国内外有关多糖与蛋白质相互作用的研究进行综述,介绍多糖与蛋白质相互作用的类型、影响因素和复合物的制备方法、功能特性,并对其在食品中的应用进行展望,以期为多糖-蛋白质复合物的进一步研究与应用提供理论参考。

蛋白质复合物结构预测:方法与进展

蛋白质复合物是不同蛋白质链通过相互作用形成的,自然界中很多蛋白质通过形成复合物而执行功能,因此准确地预测复合物的结构对于理解和掌握功能至关重要。近两年来,单条蛋白质链的结构预测有了突破性的进展,从氨基酸序列出发预测蛋白质结构的水平大幅提高。但相较于单体蛋白质,蛋白质复合物结构预测的准确性仍然较低。本文旨在总结蛋白质复合物结构预测的相关算法以及介绍最新进展。首先简要介绍蛋白质结构预测领域的相关人工智能算法,主要包括共进化分析与蛋白质接触预测、深度学习方法与蛋白质结构预测、预训练模型与蛋白质表征学习几个方面;其次系统总结了蛋白质复合物链间相互作用预测的基本方法,从复合物的多重序列比对构建到对于同源或异源复合物的链间残基接触预测;最后从相互作用位点指导复合物结构预测、蛋白质分子对接算法、端到端的复合物结构预测方法等方面阐述了蛋白质复合物结构预测的基本方法和思路。总体来说,目前蛋白质复合物结构预测精度不够高,有效地解决多重序列比对的配对和多聚体复合物模板搜索等问题,或者在大量的序列或结构数据上结合预训练模型的新范式,是一个合理而有效的方案。提升蛋白质复合物结构预测水平在合成生物学领域如抗体设计、药物发现等方面有很好的应用前景。

从蛋白质环境引起的实际变化中剖析配体结构的误差

配体构象应变能(ligand conformational strain energy,LCSE)是计算机辅助药物发现中考虑的一个重要参数.通过量子力学(quantum mechanical,QM)方法对自由态配体和蛋白质口袋中的结合态配体的结构进行计算并比较,可以获得配体构象应变能.然而,对配体构象应变能的合理范围以及计算方法仍然存在争议.选择8个柔性较大、特征结构模式多样的配体,这些结构的分辨率在高分辨率(0.86×10^(−10))与中等分辨率(3.10×10^(−10))之间,分别采用3种不同的量子力学方法:密度泛函(density functional theory,DFT)M062XD3、Hartree-Fock和GFN1-xTB,对8个配体进行逐步优化并计算配体能量,分析在结合态配体逐步优化到局域能量最小的自由态配体的过程中配体在结构和能量上的差异.量子力学计算结果显示,配体构象应变能小于6.0 kcal/mol,结合态配体结构中显著的几何参数误差是结合态和自由态配体结构的主要能量差异.因此,在分析配体构象应变能之前,对结合态配体结构进行精确实验测定非常重要.

蛋白质多糖共价复合物的研究进展

介绍蛋白质多糖共价复合物的形成及分析方法,探讨共价复合物形成的影响因素,复合物对蛋白质乳化特性,溶解性,热稳定性及抗菌性的影响。

蛋白质多酚多糖三元复合物的结构和功能特性研究进展

蛋白质-多酚-多糖三元复合物能够影响食品体系的感官、功能和营养等特性。本文主要关注在不同食品体系中,蛋白质、多酚和多糖三者之间通过非共价相互作用形成的三元复合物的结构和功能特性,总结蛋白质-多酚-多糖三元复合物对食品和饮料感官和功能等特性的影响,以及相关应用的科学问题,为更好理解蛋白质-多酚-多糖三元复合物在食品体系中的应用提供依据。

淀粉-蛋白质复合物制备、性质及应用研究

淀粉-蛋白质复合物是通过分子间交互作用形成的一种高分子聚集体,作为一种天然、无毒、安全的新型生物材料可广泛用于食品、医药、化妆品等行业。综述了近年来淀粉-蛋白质复合物的研究,并简要介绍了国内外其制备方法、功能性质及应用方面的基本研究状况,展望了其发展前景。

美拉德反应制备蛋白质-多糖共价复合物的研究进展

蛋白质和碳水化合物通过美拉德反应形成糖基化产物,也称为共价复合物,可以改善蛋白质的功能特性。本文主要介绍了近年来通过美拉德反应制备蛋白质-多糖共价复合物的方法,共价复合物生成的主要影响因素,共价复合物结构与功能性质的分析方法及其应用。

植物蛋白质复合物替代凡纳滨对虾饲料中鱼粉的研究

本试验旨在研究植物蛋白质复合物(膨化豆粕∶花生粕∶玉米蛋白粉=38%∶17%∶45%)替代凡纳滨对虾饲料中鱼粉的可行性,并寻求其适宜的替代比例。选择初始体重为(0.52±0.01)g的健康凡纳滨对虾苗720尾,随机分成6组,每组3个重复,每个重复40尾虾。以0、3.91%、7.82%、11.73%、15.64%和23.46%的植物蛋白质复合物分别替代饲料中0、10%、20%、30%、40%和60%的鱼粉,配制成6种等氮等能饲料。试验期为56 d。结果表明:植物蛋白质复合物替代不同比例的鱼粉后对凡纳滨对虾的成活率、肝体指数以及全虾粗脂肪和粗灰分含量均未产生显著影响(P>0.05)。替代比例高于40%时,增重率、特定生长率、蛋白质效率以及血清总蛋白和葡萄糖含量显著降低(P<0.05),饲料系数显著升高(P<0.05);替代比例高于30%时,蛋白质沉积率、全虾粗蛋白质含量以及血清总胆固醇含量显著降低(P<0.05),血清甘油三酯含量显著升高(P<0.05)。植物蛋白质复合物替代30%的鱼粉后对血清酸性磷酸酶、碱性磷酸酶、超氧化物歧化酶、一氧化氮合成酶活性均未产生显著影响(P>0.05),但蛋白质、脂肪和能量及大部分必需氨基酸(蛋氨酸、苯丙氨酸、缬氨酸、组氨酸、精氨酸、苏氨酸)的表观消化率均显著降低(P<0.05)。综合分析生长、饲料利用和养分表观消化率,在蛋白质水平为40%、鱼粉含量为30%的凡纳滨对虾基础饲料中,植物蛋白质复合物(膨化豆粕∶花生粕∶玉米蛋白粉=38%∶17%∶45%)替代20%的鱼粉较适宜。

基于极大团扩展的蛋白质复合物识别算法

针对蛋白质复合物识别工具CFinder容易识别出超大复合物的缺陷,提出一种基于极大团扩展的蛋白质复合物识别算法(IPC-MCE)。将极大团看作蛋白质复合物的核,通过考查核的邻居顶点与核内顶点的作用概率决定邻居顶点是否属于该复合物。基于酵母蛋白质相互作用网络平台的实验结果表明:与CFinder相比,提出的IPC-MCE算法在相同条件下能够更精确地标识已知蛋白质复合物;在最优参数设置下,IPC-MCE算法标识的已知蛋白质复合物数量是CFinder标识数量的2倍多,说明IPC-MCE算法具有更强的蛋白质复合物识别能力。

蛋白质-多糖类复合物及其应用研究进展

本文综述了近年来国内外蛋白质和多糖作用的研究进展及蛋白质多糖复合物在众多领域中的应用。

基于距离测定的蛋白质复合物识别算法

针对蛋白质相互作用网络聚类算法标识已知蛋白质复合物数量有限的问题,提出了一种新的基于距离测定的蛋白质复合物识别算法IPC-DM。该算法基于对已知复合物内蛋白质之间的最短距离一般不超过2的发现,利用新的种子-扩充模型,大大提高了识别蛋白质复合物的准确性。基于酵母蛋白质相互作用网络的实验表明,算法IPC-DM较其他5种典型的蛋白质复合物识别算法MCODE、RNSC、CFinder、LCMA和DPClus具有更好的蛋白质复合物识别能力。

去污剂对裙带菜色素-蛋白质复合物电泳分离效果及其性质的影响

于 1 998年 3月在青岛市太平角采集裙带菜孢子体 ,通过破碎、离心制备类囊体膜。用去污剂SDS、DOC、DMG和DIG增溶裙带菜类囊体膜 ,经PAGE分离色素 -蛋白质复合物 ,并测定其光谱特性。结果表明 ,电泳分离效果与所用的去污剂的种类有关。去污剂不同 ,分离到的同一类型复合物的吸收光谱有差异 ,捕光色素 -蛋白质复合物的数目、种类及吸收光谱明显不同。电泳中产生的游离色素的多少也随去污剂种类而异。在 4种去污剂中 ,以DMG和DIG增溶的效果最好 ,经SDS PAGE分出 6种色素 -蛋白质复合物 ,游离色素较少。

两优培九剑叶衰老过程光合膜功能及蛋白质复合物的变化

为探讨高产杂交稻两优培九在衰老过程中,剑叶光合膜蛋白质复合物的含量变化规律及其与光能吸收、转化、传递的关系,以大田栽培自然衰老剑叶为材料,利用活体叶绿素荧光动力学技术,并结合类囊体膜蛋白质复合物蓝绿温和胶电泳分析。结果表明,两优培九剑叶叶绿素含量、光合性能、类囊体膜蛋白稳定性等都在抽穗期达到顶峰,随后开始衰退,在扬花期、灌浆期尚保持较高水平,而进入籽粒成熟阶段衰退明显;随着衰老进程,光合膜蛋白质复合物有序非同步降解,稳定性为LHCII>PSIIcore>PSIcore>ATPase&Cyt b6/f>LHCI;PSI和PSII蛋白和相应电子传递活性的稳定性及下降幅度差异较大;衰老过程叶绿素a/b的不断下降与相对于反应中心更稳定的捕光天线有关,剑叶生长后期LHCII维持高水平保持了叶片对光能的吸收,并可能在调节光系统间能量分布和协助过剩能量耗散中起重要作用。

CO_2浓度倍增对几种植物叶片的叶绿素蛋白质复合物的影响

研究了CO_2浓度倍增对大豆(Glycine max L.,C_3植物)、黄瓜(Cucumis sativus L.,C_3植物)、谷子(Setaria italica (L.) Beauv.,一种不很典型的C_4植物)和玉米(Zea mays L.,C_4植物)叶片的叶绿素蛋白质复合物的影响。实验植物盆栽于聚乙烯薄膜(或玻璃)的开顶式培养室中。播种后对照室的CO_2浓度立即保持在大气浓度(350±10)×10^(-6)中,CO_2浓度倍增处理室则保持在(700±10)×10^(-6)下。研究结果表明,对于大豆、黄瓜和谷子,CO_2浓度倍增均使其PSⅡ捕光叶绿素a/b-蛋白质复合物(LHCⅡ)的聚合体态的量增多,单体态的量减少。但C_4植物玉米对CO_2浓度倍增没有这样的反应。作者认为在大豆等植物中,LHCⅡ的上述状态变化可能是植物的光合机构对长期高CO_2浓度的一种适应效应,这样能提高光合作用中光能的吸收、传递和转换的效率,并支持高效的光合碳素同化作用。

一种改进的基于加权网络的蛋白质复合物识别算法

不断增长的蛋白质相互作用数据使我们能够采用计算方法预测蛋白质复合物。然而,由于实验条件和技术的限制,现有的PPI网络中包含噪声。为了降低噪声对复合物识别所产生的负面影响,提出了一种改进的名为WPC的算法,用于从加权网络中识别蛋白质复合物。给定一个选定节点,所有邻居节点组成候选集,候选集中节点的邻居节点组成邻居集。对于候选集中的节点,若该节点在候选集与邻居集间的加权比低于设定阈值,则将该点剔除。处理后的候选集被标记为复合物。对于没有包含在任何复合物中的节点,如果节点在某一复合物内的平均加权度超过一个自适应的阈值,则将其补充到该复合物中。对WPC算法和现有的几种经典蛋白质复合物识别算法的性能进行了综合比较。实验结果表明,WPC算法的性能优于几种对比的复合物识别算法。

基于遗传算法的蛋白质复合物识别算法

蛋白质互作用网络是一种典型的复杂网络,呈现了明显的社区结构。网络中的社区对应于功能模块,通常被看作蛋白质复合物。蛋白质复合物识别对预测蛋白质功能,解释特定生物进程具有重要作用。基于种子节点扩展的图聚类方法在蛋白质复合物识别中应用广泛。针对此类算法最终结果受种子节点的影响较大,并且在簇的形成过程中搜索空间有限等问题,提出了一种基于遗传算法的蛋白质复合物识别算法GAGC(genetic algorithm based graph clustering),其中个体表示聚类结果(类别之间可能存在重叠节点),以F-measure值作为种群进化的目标函数。算法采用IPCA(improvement development clustering algorithm)算法产生初始种群;针对初始种群,设计了染色体对齐方式以进行交叉操作产生下一代种群。通过与DPClus、MCODE、IPCA、Cluster One、HC-PIN、CFinder等经典算法的对比实验表明,GAGC算法能够扩大图聚类算法的搜索空间,提高解的多样性,进而提高蛋白质复合物检测的性能。