蛋白质序列课件

蛋白质结构预测蛋白质结构预测1蛋白质结构为什么如此重要的？氨基酸序列只有折叠成特定的空间结构才具有相氨基酸序列只有折叠成特定的空间结构才具有相应的活性和相应的生物学功能应的活性和相应的生物学功能DNA 序列蛋白质序列蛋白质结构转录&翻译折叠蛋白质结构为什么如此重要的？氨基酸序列只有折叠成特定的空间结2为什么要研究蛋白质结构?n生物体中许多重要的功能由蛋白质完成生物体中许多重要的功能由蛋白质完成催化作用、营养物质运输、生长和分化控制和生物催化作用、营养物质运输、生长和分化控制和生物信号的识别和传递等等信号的识别和传递等等n分析蛋白质结构、功能及其关系是蛋白分析蛋白质结构、功能及其关系是蛋白质组计划中的一个重要组成部分质组计划中的一个重要组成部分n已知序列的蛋白质数量与已测定结构的已知序列的蛋白质数量与已测定结构的蛋白质数量的差距正逐步拉大蛋白质数量的差距正逐步拉大SwissprotSwissprot已经有已经有140000140000条蛋白质序列条蛋白质序列 PDBPDB中已知结构的只有其中的约中已知结构的只有其中的约10%10%为什么要研究蛋白质结构?生物体中许多重要的功能由蛋白质完成3为什么要研究蛋白质结构?n对于未知功能或新发现的蛋白质分子，对于未知功能或新发现的蛋白质分子，通过结构分析，可以进行功能注释，指通过结构分析，可以进行功能注释，指导设计进行功能确认的生物学实验导设计进行功能确认的生物学实验n分析蛋白质结构有助于药物设计研究分析蛋白质结构有助于药物设计研究n有助于了解蛋白质相互作用，这对于生有助于了解蛋白质相互作用，这对于生物学、医学和药学都是非常重要物学、医学和药学都是非常重要n通过实验方法得到蛋白质结构花费高且通过实验方法得到蛋白质结构花费高且耗时长耗时长为什么要研究蛋白质结构?对于未知功能或新发现的蛋白质分子，通4蛋白质生物学基础蛋白质序列课件5蛋白质n一个蛋白质分子是由有序的氨基酸链折叠而成的(从30到30000个残基不等)蛋白质一个蛋白质分子是由有序的氨基酸链折叠而成的(从30到36氨基酸n20种不同的氨基酸Alanine,Ala,AValine,Val,VPhenylalanine,Phe,FProline,Pro,PMethionine,Met,MIsoleucine,Ile,ILeucine,Leu,LAspartic acid,Asp,DGlutamic acid,Glu,ELysine,Lys,KArginine,Arg,RSerine,Ser,SThreonine,Thr,TTyrosine,Tyr,YHistidine,His,HCysteine,Cys,CAsparagine,Asn,NGlutamine,Gln,QTryptophan,Trp,WGlycine,Gly,G氨基酸20种不同的氨基酸Alanine,Ala,ASer7蛋白质二级结构na-helix(30-35%)a-螺旋螺旋nb-sheet/b-strand(20-25%)b-折叠折叠nCoil(40-50%)无规则卷曲无规则卷曲nLoop 环环nb-turn b-转角转角蛋白质二级结构a-helix(30-35%)a-螺旋8螺旋螺旋9折叠反平行-折叠平行-折叠折叠反平行-折叠平行-折叠10蛋白质结构分类蛋白质结构分类11蛋白蛋白质3D 结结构构螺旋螺旋折叠折叠环或转角环或转角转角或卷曲转角或卷曲蛋白质3D 结构螺旋折叠环或转角转角或卷曲12蛋白质结构分类nClass(10)结构类结构类nFolds(25%30%同源染色体同源染色体蛋白质结构分类Class(30%30%往往具有相似的蛋白结构往往具有相似的蛋白结构 PSI-BLAST(Alstchul et.al.1997)PSI-BLAST(Alstchul et.al.1997)强有强有力的数据库搜索工具的加入力的数据库搜索工具的加入准确率准确率70%70%二级结构预测方法的第三代方法第三代方法：21二级结构预测常用方法 nChou-Fasman方法方法nGOR 方法方法n基于氨基酸疏水性的预测方法基于氨基酸疏水性的预测方法n人工神经网络方法人工神经网络方法n最邻近方法最邻近方法二级结构预测常用方法 Chou-Fasman方法22Chou-Fasman方法n基于单个氨基酸残基统计的经验参数方法，由基于单个氨基酸残基统计的经验参数方法，由ChouChou和和FasmanFasman在在1974&19781974&1978提出提出n通过统计分析，获得每个残基出现于特定二级通过统计分析，获得每个残基出现于特定二级结构构象的倾向性因子，利用这些倾向性因子结构构象的倾向性因子，利用这些倾向性因子预测蛋白质的二级结构预测蛋白质的二级结构n每种氨基酸残基出现在各种二级结构中的倾向每种氨基酸残基出现在各种二级结构中的倾向或者频率是不同的，存在偏好性或者频率是不同的，存在偏好性n准确性在准确性在 50-60%50-60%之间之间nhttp:/fasta.bioch.virginia.edu/fasta_wwhttp:/fasta.bioch.virginia.edu/fasta_www/chofas.htmw/chofas.htmChou-Fasman方法基于单个氨基酸残基统计的经验参数23二级结构倾向性因子n定义：定义：Pi=Ai/Ti(i=,t,c)n说明：说明：i表示二级结构态，如表示二级结构态，如螺旋、螺旋、折叠、转角折叠、转角和无规则卷曲等和无规则卷曲等Ti是所有被统计残基处于二级结构态是所有被统计残基处于二级结构态i的比例的比例Ai是第是第A种残基处于结构态种残基处于结构态i的比例的比例Pi100表示该残基倾向于形成二级结构表示该残基倾向于形成二级结构i;Pi100表示倾向于形成其它二级结构表示倾向于形成其它二级结构二级结构倾向性因子定义：Pi=Ai/Ti(i=,t,24Chou-Fasman参数每个残基出现在转角14位的频率Chou-Fasman参数每个残基出现在转角14位的频率25螺旋规则n预测预测螺旋螺旋:发现核位点发现核位点(nucleation site)(nucleation site)：沿着蛋：沿着蛋白质序列寻找白质序列寻找螺旋核，相邻的螺旋核，相邻的6 6个残基个残基中如果至少有中如果至少有4 4个残基倾向于形成个残基倾向于形成螺旋，螺旋，即有即有4 4个残基对应的个残基对应的P(a)100P(a)100，则认为是，则认为是螺旋核螺旋核螺旋规则预测螺旋:26螺旋规则延伸延伸(extension):(extension):从螺旋核向两端延伸，直到从螺旋核向两端延伸，直到4 4肽片段肽片段P(a)P(a)的平均值的平均值 100 100100，且，且P(a)P(a)的平均值大于的平均值大于P(P()的值的值 时，则这时，则这个片段的二级结构就预测为个片段的二级结构就预测为螺旋螺旋螺旋规则延伸(extension):从螺旋核向两端延伸，27折叠规则n预测预测折叠折叠:发现核位点发现核位点(nucleation site)(nucleation site)：沿着：沿着蛋白质序列寻找折叠核，相邻的蛋白质序列寻找折叠核，相邻的5 5个残个残基中如果至少有基中如果至少有3 3个残基倾向于形成个残基倾向于形成折叠，即有折叠，即有3 3个残基对应的个残基对应的P()100P()100，则认为是折叠核则认为是折叠核折叠规则预测折叠:28折叠规则延伸延伸(extension):(extension):从折叠核向两端延从折叠核向两端延伸，直到伸，直到4 4肽片段肽片段P(P()的平均值的平均值100105105，且，且P()P()的平均值大于的平均值大于P()P()的值的值 时，则这个片段的二级结时，则这个片段的二级结构就预测为构就预测为折叠折叠折叠规则延伸(extension):从折叠核向两端延伸，29转角规则n预测转角：预测转角：转角的模型为四肽组合模型，要考虑每个位置上残转角的模型为四肽组合模型，要考虑每个位置上残基的组合概率，即特定残基在四肽模型中各个位置基的组合概率，即特定残基在四肽模型中各个位置的概率的概率对从第对从第i i个残基开始的连续个残基开始的连续4 4个残基的组合概率相乘，个残基的组合概率相乘，来计算是否是转角来计算是否是转角lF=f(i)*f(i+1)*f(i+2)*f(i+3)F=f(i)*f(i+1)*f(i+2)*f(i+3)lPTurn Pa&PTurn Pb&PTurn 100&F7.510-5转角规则预测转角：30重叠规则n重叠预测重叠预测预测的螺旋区域和折叠区域存在重叠预测的螺旋区域和折叠区域存在重叠重叠区域的重叠区域的P(P()均值均值 P(P()的均值的均值 螺旋螺旋重叠区域的重叠区域的P(P()均值均值 P(P()的均值的均值 折叠折叠重叠规则重叠预测31Chou&Fasman程序CHOFASTSPTAELMRSTG helix sheet EEEEEEE turns T Residue totals:H:2E:7T:1 percent:H:16.7 E:58.3 T:8.3 SOURCE:http:/fasta.bioch.virginia.edu/o_fasta/cgi/garnier.cgiChou&Fasman程序CHOFAS32GOR方法n由由Garnier,Osguthorpe&Robson三个三个人发明人发明nGORGOR是一种基于信息论与贝叶斯统计学的是一种基于信息论与贝叶斯统计学的方法方法nGORGOR方法针对与它方法针对与它N N端紧邻的端紧邻的8 8个残基和个残基和C C端紧邻的端紧邻的8 8个残基的残基窗进行二级结构个残基的残基窗进行二级结构预测预测jGOR方法由Garnier,Osguthorpe&Ro33GOR方法n通过对已知二级结构的蛋白样本集进行通过对已知二级结构的蛋白样本集进行分析，计算出中心残基的二级结构分别分析，计算出中心残基的二级结构分别为螺旋、折叠和转角时每种氨基酸出现为螺旋、折叠和转角时每种氨基酸出现在窗口中各个位置的频率，从而得到在窗口中各个位置的频率，从而得到17201720的得分矩阵的得分矩阵n得用矩阵中的值来计算待预测序列中每得用矩阵中的值来计算待预测序列中每个残基形成螺旋、折叠或转角的概率个残基形成螺旋、折叠或转角的概率n准确率在准确率在60-65%60-65%之间之间GOR方法通过对已知二级结构的蛋白样本集进行分析，计算出中心34基于氨基酸疏水性的预测方法n基于物理化学性质进行二级结构预测的基于物理化学性质进行二级结构预测的方法方法n根据蛋白质的疏水性、极性和侧链基团根据蛋白质的疏水性、极性和侧链基团的大小等性质和残基间的组合预测可能的大小等性质和残基间的组合预测可能的二级结构的二级结构基于氨基酸疏水性的预测方法基于物理化学性质进行二级结构预测的35疏水性参数n图中高正值的氨基图中高正值的氨基酸具有更大的疏水酸具有更大的疏水性而低负值的氨基性而低负值的氨基酸具有更强的亲水酸具有更强的亲水性性n根据氨基酸的疏水根据氨基酸的疏水值来定位蛋白质的值来定位蛋白质的疏水区域疏水区域n通过疏水氨基酸出通过疏水氨基酸出现的周期性预测蛋现的周期性预测蛋白质二级结构白质二级结构疏水性参数图中高正值的氨基酸具有更大的疏水性而低负值的氨基酸36HELLCALWHEEL程序螺旋图n图中各氨基酸沿螺图中各氨基酸沿螺旋排布，相邻氨基旋排布，相邻氨基酸间的旋转角度为酸间的旋转角度为100100o onLimLim发现发现螺旋轮螺旋轮的一侧通常处于蛋的一侧通常处于蛋白质疏水核心，另白质疏水核心，另一侧处于亲水表面一侧处于亲水表面n亲水残基多出现在亲水残基多出现在亲水表面，疏水残亲水表面，疏水残基多出现在疏水表基多出现在疏水表面面HELLCALWHEEL程序螺旋图图中各氨基酸沿螺旋排布，相37人工神经网络方法n最早由最早由Qian&SeinowskitQian&Seinowskit提出的提出的n人工神经网络是一种复杂的信息处理模人工神经网络是一种复杂的信息处理模型型n人工神经网络可用于二级结构预测、蛋人工神经网络可用于二级结构预测、蛋白质结构的分类、折叠方式的预测、启白质结构的分类、折叠方式的预测、启动子和基因序列的分析等动子和基因序列的分析等n结合多序列比对的信息可以将准确率达结合多序列比对的信息可以将准确率达到到70%70%人工神经网络方法最早由Qian&Seinowskit提出38人工神经网络在二级结构预测中的应用n用于蛋白质二级结构预测的基本神经网络模型为用于蛋白质二级结构预测的基本神经网络模型为3 3层的前馈网络，包括输入层、隐含层以及输出层层的前馈网络，包括输入层、隐含层以及输出层n每一层由若干神经元组成，输入层神经元、隐含每一层由若干神经元组成，输入层神经元、隐含层神经元和输出层神经元是完全相连的层神经元和输出层神经元是完全相连的n输入层用于输入蛋白质序列，隐含层的神经元是输入层用于输入蛋白质序列，隐含层的神经元是完成从氨基酸序列到蛋白质二级结构映射的关键，完成从氨基酸序列到蛋白质二级结构映射的关键，输出层有输出层有3 3个神经元，分别对应于个神经元，分别对应于H H、E E和和L L三种状三种状态态n神经网络应用方便、计算能力强、预测准确率高，神经网络应用方便、计算能力强、预测准确率高，一旦训练完毕便可快速预测一旦训练完毕便可快速预测人工神经网络在二级结构预测中的应用用于蛋白质二级结构预测的基39人工神经网络在二级结构预测中的步骤n产生一个神经网络产生一个神经网络(一个计算程序一个计算程序)n用已知的蛋白质二级结构来训练这个模用已知的蛋白质二级结构来训练这个模型型n由训练好的模型来给出未知蛋白的一个由训练好的模型来给出未知蛋白的一个可能的结构可能的结构n最后从生物学角度来检验预测的一系列最后从生物学角度来检验预测的一系列氨基酸是否合理氨基酸是否合理(如果是一个如果是一个螺旋，螺螺旋，螺旋的某一列至少要旋的某一列至少要4 4个氨基酸以上个氨基酸以上)人工神经网络在二级结构预测中的步骤产生一个神经网络(一个计算40神经网络图示训练模式模式每个氨基酸用每个氨基酸用21个神个神经元元编码为0或或1激发态激发态输出单元输出单元期望输出期望输出1 1神经网络图示训练模式每个氨基酸用21个神经元编码为0或1激发41二级结构预测软件系统PHDn程序运行步骤：程序运行步骤：n第一步：第一步：形成同源序列的多重比对，用形成同源序列的多重比对，用BLASTBLAST在在SWISS-PROTSWISS-PROT数据库中搜索同数据库中搜索同源序列源序列二级结构预测软件系统PHD程序运行步骤：42二级结构预测软件系统PHD第二步：第二步：利用利用MaxHomMaxHom程序将这些同源序列进行比程序将这些同源序列进行比对，并计算每个比对位置的氨基酸频率对，并计算每个比对位置的氨基酸频率二级结构预测软件系统PHD第二步：43二级结构预测软件系统PHD第三步：第三步：将得到的多序列比对的统计结果送将得到的多序列比对的统计结果送到一个神经网络中到一个神经网络中神经网络包括两个层次：序列神经网络包括两个层次：序列 结结构构(输入序列全局与局部信息，输出输入序列全局与局部信息，输出H H、E E和和L L三种状态三种状态)；结构；结构 结构结构(对前一层网络输出进行校正对前一层网络输出进行校正)二级结构预测软件系统PHD第三步：44PHDsec模型EL21+32044444+1204444HHEL第一层网络输入层第二层网络隐含层输出层PHDsec模型EL21+34+1HHEL第一层网络输入层第45二级结构预测网站nPHDhttp:/cubic.bioc.columbia.edu/predictprotein/nJPREDhttp:/pbio.dundee.ac.uk/www-jpred/nPSIPREDhttp:/bioinf.cs.ucl.ac.uk/psipred/nNNPREDICThttp:/www.cmpharm.ucsf.edu/nomi/nnpredict.htmlnChou and Fassmanhttp:/fasta.bioch.virginia.edu/fasta_www/chofas.htm二级结构预测网站46蛋白质三级结构预测n3D3D预测是预测是可能的可能的，因为：，因为：序列信息决定三级结构序列信息决定三级结构序列相似性序列相似性(50%)(50%)倾向于结构相似性倾向于结构相似性n3D3D预测是预测是必须的必须的，因为：，因为：DNA DNA 序列序列 蛋白质序列蛋白质序列 空间结构空间结构199419972002.10Sequence(Swiss-Port)40,000 68,000114,033Structure(PDB)4,0457,00018,838蛋白质三级结构预测3D预测是可能的，因为：19941997247蛋白质三级结构预测流程图蛋白质三级结构预测流程图48蛋白质三级结构预测三种方法n同源建模法同源建模法(Comparative homology modeling)依据蛋白序列与已知结构蛋白比对信息构建依据蛋白序列与已知结构蛋白比对信息构建3D模型模型n折叠识别法折叠识别法(Threading fold recognition)寻找与未知蛋白最合适的模板，进行序列与结构比对，寻找与未知蛋白最合适的模板，进行序列与结构比对，最终建立结构模型最终建立结构模型n从头预测法从头预测法(Ab initio/de novo methods)根据序列本身来从头预测蛋白质结构根据序列本身来从头预测蛋白质结构蛋白质三级结构预测三种方法同源建模法(Comparative49同源建模法n蛋白质三维结构预测的主要方法蛋白质三维结构预测的主要方法n任何一对蛋白质，如果两者的序列任何一对蛋白质，如果两者的序列等同部分超过等同部分超过30%(30%(序列比对长度大序列比对长度大于于80)80)，则它们具有相似的三维结构，则它们具有相似的三维结构n蛋白质结构比序列保守蛋白质结构比序列保守同源建模法蛋白质三维结构预测的主要方法50同源模建步骤n搜索结构模型的模板搜索结构模型的模板(T)(T)n序列比对序列比对n建立骨架建立骨架n构建目标蛋白质的侧链构建目标蛋白质的侧链n构建目标蛋白质的环区构建目标蛋白质的环区n优化模型优化模型同源模建步骤搜索结构模型的模板(T)51线索化方法(折叠识别方法)n许多蛋白具有同源的空间结构，但序列许多蛋白具有同源的空间结构，但序列相似性却小于相似性却小于25%25%n定义：建立序列到结构的线索的过程，定义：建立序列到结构的线索的过程，即已知一个蛋白质的结构，把未知空间即已知一个蛋白质的结构，把未知空间结构的序列，折叠成这个立体结构。线结构的序列，折叠成这个立体结构。线索技术又称折叠识别技术。索技术又称折叠识别技术。线索化方法(折叠识别方法)许多蛋白具有同源的空间结构，但序列52线索化方法(折叠识别方法)线索化的主要思想是利用氨基酸的结构线索化的主要思想是利用氨基酸的结构倾向（如形成二级结构、疏水性和极性倾向（如形成二级结构、疏水性和极性等），评价一个序列所对应的结构是否等），评价一个序列所对应的结构是否能够适配到一个给定的结构环境中，能能够适配到一个给定的结构环境中，能够满足够满足力学力学、能学能学及及几何学几何学条件。条件。线索化方法(折叠识别方法)线索化的主要思想是利用氨基酸的53n对于一个未知结构的蛋白质对于一个未知结构的蛋白质U U，如果找到一个，如果找到一个已知结构的远缘同源蛋白质已知结构的远缘同源蛋白质T T，那么可以根据，那么可以根据T T的结构模板通过远源同源模型化法建立的结构模板通过远源同源模型化法建立U U的三的三维结构模型维结构模型n一个成功的远缘同源模型化方法需解决的三个一个成功的远缘同源模型化方法需解决的三个问题：问题：检测远缘同源蛋白质检测远缘同源蛋白质T TU U和和T T的序列必须被正确地比对的序列必须被正确地比对修改一般的同源模型化过程，以应用于相似度非常修改一般的同源模型化过程，以应用于相似度非常低的情况低的情况线索化方法(折叠识别方法)对于一个未知结构的蛋白质U，如果找到一个已知结构的远缘同源蛋54线索化方法的5个基本组成部分n已知三维折叠结构的数据库已知三维折叠结构的数据库n一种适合于进行序列结构比对的三维一种适合于进行序列结构比对的三维折叠信息的表示方法折叠信息的表示方法n一个序列结构匹配函数，该函数对匹一个序列结构匹配函数，该函数对匹配程度进行打分配程度进行打分n建立最优线索的策略，或是进行序列建立最优线索的策略，或是进行序列结构比对的策略结构比对的策略n一种评价序列结构比对显著性的方法一种评价序列结构比对显著性的方法线索化方法的5个基本组成部分已知三维折叠结构的数据库55从头预测方法n根据序列本身来预测其结构根据序列本身来预测其结构n可以用来预测任何一种蛋白质可以用来预测任何一种蛋白质n是三种方法中难度最大的是三种方法中难度最大的n基于一种假设蛋白质折叠为能量最低基于一种假设蛋白质折叠为能量最低的形式的形式n准确率较同源模建法要低（序列相似性准确率较同源模建法要低（序列相似性30%30%）n较难得到高分辩率的蛋白质结构较难得到高分辩率的蛋白质结构从头预测方法根据序列本身来预测其结构56n一种蛋白质几何的表示方法一种蛋白质几何的表示方法由于表示和处理所有原子和溶剂环境的计算开由于表示和处理所有原子和溶剂环境的计算开销非常大，因此需要对蛋白质和溶剂的表示形销非常大，因此需要对蛋白质和溶剂的表示形式作近似处理式作近似处理n一种势函数及其参数一种势函数及其参数通过对已知结构的蛋白质进行统计分析确定势通过对已知结构的蛋白质进行统计分析确定势函数中的各个参数函数中的各个参数n一种构象空间搜索技术一种构象空间搜索技术构象空间搜索和势函数的建立是从头预测方法构象空间搜索和势函数的建立是从头预测方法的关键的关键从头预测方法的三个组成部分一种蛋白质几何的表示方法从头预测方法的三个组成部分57HP蛋白质折叠模型nHP(Hydrophobic-Polar)HP(Hydrophobic-Polar)模型是研究最模型是研究最成熟的一种网格模型成熟的一种网格模型nHPHP模型用一个固定半径的原子来表示蛋模型用一个固定半径的原子来表示蛋白质中每个氨基酸残基白质中每个氨基酸残基n原子被分为两种类型：原子被分为两种类型：疏水原子疏水原子(H)(H)和极性原子和极性原子(P)(P)疏水原子极性原子HP蛋白质折叠模型HP(Hydrophobic-Polar58HP蛋白质折叠模型n疏水氨基酸可以疏水氨基酸可以形成一个疏水核形成一个疏水核心，而极性残基心，而极性残基多分布在蛋白表面多分布在蛋白表面nHPHP模型是根据疏水残基间的接触来进行模型是根据疏水残基间的接触来进行打分，最优的构象就是所有可能的构象打分，最优的构象就是所有可能的构象中具有最多中具有最多H H和和H H接触的那个构象接触的那个构象HP蛋白质折叠模型疏水氨基酸可以59HP蛋白质折叠模型n搜索能量全局最小的构象搜索能量全局最小的构象n表示一个特定的构象：表示一个特定的构象：将一个残基放在网格的将一个残基放在网格的(0,0)(0,0)或或(0,0,0)(0,0,0)格点格点上，然后描述前面一个残基到下一个残基的上，然后描述前面一个残基到下一个残基的移动方向移动方向二维模型的每一个位置上可选择的方向包括二维模型的每一个位置上可选择的方向包括上、右、左和下（上、右、左和下（U,R,L,D)U,R,L,D)三维模型的每一个位置上可选择的方向包括三维模型的每一个位置上可选择的方向包括上、右、左、下、后和前上、右、左、下、后和前(U,R,L,D,B,F)(U,R,L,D,B,F)HP蛋白质折叠模型搜索能量全局最小的构象60