论文部分内容阅读
蛋白质大分子的三维结构决定了蛋白质的功能与性质,蛋白质结构预测在医学、药物学、生物学等研究中均具有重要的意义。同源建模法是目前唯一在实际中应用的蛋白质分子结构的预测方法。研究表明,蛋白质中氨基酸序列的一级结构决定着三维结构,序列相似的蛋白质可能起源于共同的祖先,具有相似的结构和功能。基于此,同源建模法根据已知结构的氨基酸序列,推测序列相似的目标结构。在多模板同源建模中,首先对同源蛋白质结构进行多序列比对,然后用主成分分析(principal component analysis,PCA)抽取结构演化的特征信息,构建保守区域的低维取样空间,最后在此空间中优化目标蛋白质保守区域的三维结构。在结构比对过程中,由于变异、替代等原因,会引发插入或删除(insertion/deletion)操作,导致空位的出现。标准的PCA技术只能处理无空位的情况。然而,在某些存在少量空位的区域,蛋白质结构非常相似,同样蕴含着演化信息。如果能将这些空位看作缺失值,并进行合理的填充,就能充分利用蛋白质结构中的演化信息,有效扩大同源建模法能研究的蛋白质链的长度。本文使用最近邻算法(k-nearest neighbor,KNN)、自组织神经网络算法(self-organization map,SOM)和误差反传网络算法(back propagation network,BP)对蛋白质同源建模中的缺失值进行了填充。首先我们使用软件MAMMOTH-mult对同一超家族中的蛋白质结构进行多序列比对,按照结构的相似性,获得两种蕴含结构演化信息的保守区域：(1)strict core,在对应的氨基酸位置上没有出现空位,并且任意两条蛋白质之间的原子距离小于4A;(2)loose core,至少有2/3的蛋白质在此位置上没有出现空缺,并且任意两条蛋白质之间的原子距离小于3A。然后我们分别使用了KNN、SOM和BP方法对loose core中的缺失值进行了填充。最后,应用PCA算法和期望最大化(expectation maximum,EM)方法处理填充后的结构数据,构建低维的PCA取样空间。在此基础上,本文还采用各向异性弹性振动网络模型对获得的PCA空间作了进一步的优化。我们对同源蛋白质结构进行简正模分析,将少数低频简正模合并到PCA空间(直至50维),得到的取样空间既能提供较高的模型精度,又能保持较低的维数。我们将此方法应用于33个蛋白质超家族,并与标准PCA方法得到的结果进行了比较。传统的同源建模法能处理的蛋白质结构约占总链长的62.9%,对缺失值填充后所能处理的链长达到82.7%。同时,在空间中能找到的最好模型与自然结构之间的欧式距离(root mean square deviation,RMSD)也足够小。传统PCA方法得到的平均RMSD为1.65A,填充后得到的RMSD值分别为1.08A(KNN)、1.08A (SOM)、1.12A (BP)。进行简正模分析后,所能预测的结构的精度进一步提升,分别提升到0.88A (KNN)、0.89A (SOM)、0.93A (BP)。与测定蛋白质结构的X-ray实验的精度相比,三种方法获得的取样空间的几何精度都足够高,可应用于后续蛋白质结构的相关理论研究。同时,本文处理缺失值的方法也能应用于其他领域,具有广泛的意义。