多结构域蛋白质结构预测方法综述

人工智能首次精确预测蛋白质三维结构入选《Science》杂志2020年十大科学突破,成为结构生物信息学领域的前沿方向。在自然界中,绝大多数单链蛋白中包含多个结构域。从生物学意义上来讲,结构域间缔结与协作对实现多个相关的功能至关重要。首先,介绍了蛋白质结构的预测技术发展及重要国际赛事CASP;其次,以单域蛋白结构预测方法、多域蛋白结构组装方法以及端到端的单体蛋白预测方法3部分对一些具有代表性的方法进行了简要阐述;然后,介绍了蛋白质结构预测研究中常用的数据库和模型质量评估指标,并比较了不同预测方法的性能;最后,分析总结了当前蛋白质结构预测方法的发展趋势,并对该领域未来的研究方向进行了展望。     

GP-MaxEnt模型的蛋白质二级结构预测

针对单序列蛋白质二级结构预测问题,提出了一种基于高斯先验最大熵(GP-MaxEnt)模型的预测方法.该方法根据氨基酸的构象偏好进行特征构造,利用改进迭代缩放算法(ⅡS)训练高斯先验最大熵模型.使用CB513数据集对GP-MaxEnt模型进行了测试分析.试验表明,该方法简单有效,能够获得较好的预测精度.     

考虑多尺度特征的固有不规则蛋白质预测方法

固有不规则蛋白质中长、短不规则结构区域具有明显不同的氨基酸组成,现有的单一预测模型很难同时兼顾两种不规则区域的特征,导致短的不规则区域预测精度降低.为了获取更全面的特征信息,提出一种新的建模方法.针对不规则区域的序列特点,对氨基酸序列进行不同尺度的特征提取并构建基模型,采用双错测度法度量基模型间的差异度,挑选具有较大差异度的基模型进行融合,建立集成预测模型,将集成预测模型的预测结果与窗口中心三肽氨基酸形成不规则结构的统计概率相结合作为最终的预测结果.实验结果表明,所提出的方法能够有效地兼顾到长、短不规则结构区域的特征,大幅提高不规则结构区域的预测精度.     

蛋白质复合物结构预测的集成分子对接方法

分子对接是目前研究蛋白质-RNA相互作用与识别的有效方法之一.其中,打分函数的合理设计与分子结合位点的准确识别对成功预测蛋白质-RNA复合物结构至关重要.结合小组的工作,对用分子对接方法预测蛋白质-RNA复合物结构中所涉及2个关键性问题（即分子对接打分函数的设计和RNA结合位点的预测）及研究进展进行了回顾,并对几种常用的方法进行了比较.最后分析了这两方面研究目前所存在的主要问题,并对未来的发展方向进行了展望.

     

基于线性降维方法的蛋白质四级结构类型预测

提出一种新的能依据蛋白质序列自动地识别被查询蛋白质的四级结构类型的方法。首先采用伪特定位点记分矩阵方法(PsePSSM)提取蛋白质序列的特征。采用这种方法提取出的特征能尽可能多地反映蛋白质序列的原始信息如顺序和进化等信息。但随之产生的问题是特征维数很高,使得预测系统复杂化。因此,引入线性维数约简算法最大方差映射方法(MVP),它可以从高维的特征空间中提取出低维的关键特征。最后,在约简后的特征上再应用分类算法预测未知蛋白质的四级结构。试验结果表明,采用降维方法不但使得预测系统得到简化,同时还提高了分类性能。     

CAPRI第32～37轮竞赛中蛋白质复合物结构的预测和评估

为了探究蛋白质复合物的结构与相互作用,建立了蛋白质的分子对接方法,从2014年起参加蛋白质复合物结构预测竞赛的预测和打分竞赛.该方法首先采用结构模建方法预测单体蛋白质分子的结构,通过快速傅里叶变换进行全空间构象搜索.然后,优化蛋白质复合物构象,并采用全原子统计势函数进行评价.总结第32~37轮CAPRI竞赛结果发现,该方法在T104、T105、T111和T118比赛中挑选出了L_(RMSD)小于2.0×10~(-10)m的近天然结构.通过对比其他国际优秀课题组的方法,分析预测和打分比赛中取得的成绩和不足之处,并为后续的研究提出了改进方案与建议.     

基于小波核支持向量机的蛋白质二级结构预测

提出一种基于小波核支持向量机分类模型,将其用于SARS蛋白质二级结构预测.实验表明,该模型与其他同类方法相比,提高蛋白质二级结构预测的准确度达到1%～2%.     

基于二级结构预测蛋白质复合体亚基相互作用

蛋白质相互作用在生命活动中起着核心作用,蛋白质复合体亚基的结合是蛋白质相互作用的一种重要形式.由于实验方法耗时耗力,因此从理论上预测蛋白质相互作用有着特殊的意义.首先对蛋白质复合体的结合区统计其二级结构、超二级结构和二级结构组合的频数,以及这些结构占整个蛋白质氨基酸链中各类统计数目的百分比,得到各类型结构出现在结合区的相对倾向值.而后,根据相对倾向值给出相结合的两个蛋白亚基的氨基酸链的打分规则.选取64个氨基酸长度为标准滑动窗口,以1为步长,将每一对蛋白链得到一组分值作为特征值输入支持向量机,构建模型.用10折交叉检验评价其预测能力,得到整体准确率、敏感性、阳性预测值和相关系数分别是64.52%、66.87%,63.92%和0.291.这表明本方法有一定的区分度,用于预测蛋白质亚基相互作用是可行的.     

编码方式对蛋白质二级结构预测精度的影响

为了比较在蛋白质二级结构预测中常用的氨基酸序列编码方式的优缺点,借助前向型BP神经网络对正交编码、5位编码、Codon (2种)编码和Profile编码5种氨基酸编码方式进行了对比分析.实验结果显示,用富含\     

蛋白质结构类的全序列神经网络预测

利用神经网络和蛋白质全序列对蛋白质结构类进行了预测.按照蛋白质序列的长度,分别从508个蛋白质中选择244个蛋白质构建了3个数据集,3个数据集中蛋白质序列的长度变化范围分别为50,100和150个氨基酸.3个数据集的自检结果均为100%.数据集的留一检测结果分别为97.13%,95.90%和95.49%.3个数据集中最好的10倍交叉检验结果为82.38%.结果表明,数据集的序列长度变化范围对预测准确率有很大影响,序列长度变化范围越大准确率越低.     

大肠杆菌外膜蛋白OmpF结构研究进展

OmpF是大肠杆菌最重要的外膜蛋白之一，它形成的离子通道是大肠杆菌与外界进行物质交换的重要通道，能够使分子量不超过600Da的水溶性物质通过该离子通道穿越外膜。OmpF外膜蛋白与大肠杆菌的耐药性、抗酸性以及抗渗透压等生理活动密切相关。OmpF的功能与其结构特征密不可分。阐述了大肠杆菌外膜蛋白OmpF及其组成元件Loop3环的结构特征。     

用多模神经网络预测蛋白质二级结构

提出了一个由7个BP神经网络组合成的多模神经网络的预测模型,同时给多模神经网络引进了较多的生物进化信息(Evolutionary information),即一方面引入了“profile”编码,这种编码被认为携带了较多的生物信息;另一方面引入了氨基酸之间的“距离”概念．它体现了输入层临近氨基酸的相互联系和影响．对从36个蛋白质提取的4000个氨基酸的进行了预测研究．结果表明,与文献[1]的预测结果相比,本文的多模神经网络把蛋白质二级结构预测的平均精度从66．1502％提高到68．8903％．     

基于小波变换的膜蛋白跨膜螺旋区段预测分析

提出了一种基于离散小波变换的预测膜蛋白跨膜螺旋区段数目和位置的方法。以PDB代码为1F88的膜蛋白为例,描述了该方法对跨膜螺旋区段的数目和位置的预测分析过程。为了测试方法的实际效果,采用19条膜蛋白序列作为测试集,并将预测结果与DAS、PRED-TMR2、SOSUI、HMMTOP2.0、TMHMM2.0五种常用预测方法的主要预测结果进行比较。结果表明,本工作提出的方法具有较高的预测准确度。     

水电站设备健康预测方法研究

随着电力系统的日益发展,水电站供电可靠性和设备故障率之间的矛盾日益突出,需要有效、科学的对各类设备进行健康预测,提高水电站设备运行的可靠性和稳定性。本文针对水电站设备健康预测中存在的“研究故障表象多,研究故障机理少,研究单一方法多,研究综合诊断少”的问题,提出了一种基于水电站设备故障机理研究的健康预测方法,该方法在实践中获得了成功应用,对其它领域运行设备的健康预测有重要的启示作用。     

用五维特征空间预测蛋白质结合位点界面氨基酸

为了正确理解和预测蛋白质的结合位点氨基酸,基于氨基酸的物理、化学特征,提出利用五维特征空间预测界面氨基酸的新方法.首先,根据氨基酸标准化后的特征值划分小区域;然后,将氨基酸铺在五维空间;最后,对五维空间中的小区域聚类形成簇.结果表明:界面氨基酸和含界面氨基酸单体对某些簇有明显的偏好,将该类簇标记后,通过测试集测试得到较好的预测结果.该方法不仅提出结合位点的预测方法,而且有助于加深对蛋白质相互作用的理解.     

基于小波分析的BP神经网络膜蛋白跨膜螺旋区段预测

基因组计划所产生的大量蛋白质序列迫切需要从理论上预测跨膜螺旋区段。提出了基于小波多分辨分析的BP神经网络膜蛋白跨膜螺旋区段的预测新方法,并把此方法称之为WnnTM。从MPtopo数据库中随机抽取80条三维结构已知的膜蛋白质序列构建数据集,把它们映射成疏水值序列,通过小波分解和重构得到小波系数,并结合BP神经网络构造小波BP神经网络预测模型,对膜蛋白跨膜螺旋区段的位置和数目进行预测。实例验证,WnnTM预测方法比单独用BP神经网络对膜蛋白跨膜螺旋区段进行预测更有效。     

一体式膜生物反应器膜污染形成机理的试验研究

膜污染是影响膜生物反应器技术推广应用的关健.采用一体式膜生物反应器,控制不同污泥浓条件,对不同蝎气强度下膜污染发展速率及其形成理进行了试验研究.试验结果表明不同污染泥浓度下均存在一个经济曝气强度,当污泥浓度分别为3,6,8和10g/L时,其对应经济曝气强度分别为36,72,84和120m3/(m2·h),且经济曝气强度的大小随污染浓度升高呈线性增加,同时从理论上推导出一个临界染泥浓度,其大小为5.15g/L.膜生物反应器在经济曝气强度和临界污泥浓度下运行膜污染发展缓慢.