蛋白質結構和功能預測Structureandfunctionpredictionofproteins李琬生物物理教研室分子生物學館212liwan@教學大綱掌握：DSSP編號，Chou-Fasman方法，GOR方法，基于已有知識的預測方法了解：機器學習方法結構預測功能預測△※※結構預測二級結構預測三級結構預測△※△※△※蛋白質二級結構的預測通常被認為是蛋白結構預測的第一步。二級結構預測（Secondarystructureprediction）α-螺旋β-折疊轉角無規則卷曲蛋白質中約85%的氨基酸殘基處于3種基本二級結構狀態（α螺旋、β折疊和轉角）二級結構預測的目標是判斷每一個氨基酸殘基是否處于α螺旋、β折疊和轉角（或其它狀態）。最新方法的預測準確性達到80%。（1）DSSP編號（2）CF方法（3）GOV方法（4）機器學習方法（5）基于已有知識的預測方法（6）多序列比對預測（7）二級結構預測相關軟件（1）DSSP（DefineSecondaryStructureofProteins）編號G：3轉角螺旋，最短長度為3個殘基。H：α螺旋，最短長度為4個殘基。I：5轉角螺旋,最短長度為5個殘基。E：平行的β折疊，最短長度為2個殘基。B：一對β折疊氫鍵。T：氫鍵轉角（3、4或5個轉角）。S：彎曲（唯一非氫鍵的指定）。C：卷曲。空格：其他。H：H,GandI，螺旋E：BandE，折疊C：allotherstates，卷曲（2）Chou-Fasman（CF）方法每種氨基酸出現在各種二級結構中傾向或者頻率是不同的谷氨酸Glu主要出現在α螺旋中天冬氨酸Asp和甘氨酸Gly主要分布在轉角中脯氨酸Pro也常出現在轉角中，但是絕不會出現在α螺旋中基于單個氨基酸殘基的經驗預測方法。通過統計分析，獲得每個殘基出現于特定二級結構構象的傾向性因子，預測蛋白質的二級結構。預測成功率并不高，僅有50%左右。傾向性因子

表示二級結構狀態

是所有被統計殘基處于二級結構的比例

是第A種殘基處于結構的比例

大于1.0表示該殘基傾向于形成二級結構參數在α螺旋、β折疊和轉角中出現頻率的大小轉角參數每種殘基出現在轉角第一～四位的頻率基本思想在序列中尋找規則二級結構的成核位點和終止位點。延伸延伸成核區終止位點終止位點步驟α螺旋α螺旋核：相鄰的6個殘基中有至少4個殘基對應的Pα>100。D

L

G

D

K

F

RL

VI

APα101121

57

101

114

113

98

121106

108

142Pβ54

130

7554

74

16083終止位點：四肽α片段Pα的平均值小于100。D

L

G

D

K

F

RL

VI

APα101121

57

101

114

113

98

121106

108

142Pβ54

130

7554

74

16083片段長度大于5，且Pα的平均值大于Pβ的平均值。D

L

G

D

K

F

RL

VI

APα101121

57

101

114

113

98

121106

108

142Pβ54

130

7554

74

16083107.5105.5β折疊β折疊核：相鄰5個殘基中有至少3個殘基對應的Pβ>100。D

L

G

D

K

F

RL

VI

APβ54

130

7554

74

16083Pα101121

57

101

114

113

98

121106

108

142D

L

G

D

K

F

RL

VI

APβ54

130

7554

74

16083Pα101121

57

101

114

113

98

121106

108

142終止位點：4個殘基Pβ的平均值小于100。片段的Pβ的平均值大于105，且Pβ的平均值大于Pα的平均值。114.6121.1D

L

G

D

K

F

RL

VI

APβ54

130

7554

74

16083Pα101121

57

101

114

113

98

121106

108

142重疊若重疊區域Pα的均值大于Pβ的均值，則預測為螺旋；反之，預測為折疊。

D

L

G

D

K

F

RL

VI

APα101121

57

101

114

113

98

121106

108

142Pβ

54

130

7554

74

16083如果折疊區域重新分配后，剩下的螺旋或者折疊的長度小于5，則取消其分配的二級結果。

D

L

G

D

K

F

RL

VI

APα101121

57

101

114

113

98

121106

108

142Pβ

54

130

7554

74

16083轉角從第j個殘基開始的連續4個殘基片段 p(t)=f(j)f(j+1)f(j+2)f(j+3)p(t)>0.000075;0.000088LGDKf0.0610.0850.1790.095Pt59156146101Pα12157101114Pβ130755474四肽片段Pt的平均值大于100;且Pt的均值同時大于Pα的均值以及Pβ的均值。LGDKf0.0610.0850.1790.095Pt59156146101Pα12157101114Pβ130755474115.598.383.3

A

S

T

L

Y

E

DGT

Lα螺旋：Pα(4/相鄰6個殘基)>100。Pα(4)<100。長度>5，Pα>Pβ。β折疊：Pβ(3/相鄰5個殘基)>100。Pβ(4)<100。Pβ>105，Pβ>Pα。重疊：Pα?Pβ。長度>5。轉角：p(t)=f(j)f(j+1)f(j+2)f(j+3)>0.000075。Pt(4)>100，Pt>Pα，Pt>Pβ。/gor/（3）GOR方法基于信息論和貝葉斯統計學的方法。將蛋白質序列當作一連串的信息值來處理預測成功率65%。不僅考慮了被預測位置本身氨基酸殘基種類的影響，而且考慮了相鄰殘基種類對該位置構象的影響。序列窗口中心殘基分析已知二級結構的蛋白樣本，計算出中心殘基的二級結構分別為螺旋、折疊和轉角時每種氨基酸出現在窗口中各個位置的頻率。表示α螺旋、β折疊或轉角表示一種氨基酸殘基

信息若和無關，即，則若的發生有利于的發生，即，則若的發生不利于的發生，則，。產生17×20的得分矩陣利用矩陣中的值計算待預測序列中每個殘基形成螺旋、折疊或轉角的概率。α螺旋β折疊轉角位置氨基酸處于二級結構類型的信息值中心殘基r的二級結構預測為最大的二級結構類型。GORV加入進化信息PSI-BLAST準確率73.5%（4）機器學習(Machinelearning)方法最鄰近（nearestneighbor）方法將待預測的片段與數據庫中已知二級結構的片段進行相似性比較，利用打分矩陣計算出相似性得分，根據相似性得分，構建出待預測片段的二級結構。相似性大于30%的序列，預測準確率高。神經網絡（Neuralnetwork）方法使用已知結構作為訓練集，根據輸入的一級結構和二級結構的關系信息不斷調整各單元之間的權重，最終目標是找到一種好的輸入與輸出的映象，并對未知二級結構的蛋白進行預測。準確率約70%。ADeepLearningNetworkApproachtoabinitioProteinSecondaryStructurePrediction深度學習的概念源于人工神經網絡的研究含多隱層的多層感知器就是一種深度學習結構。支持向量機（Supportvectormachines，SVM）可以很好地預測轉角所需訓練集較小SecondaryStructurePredictionbyChou-Fasman,GORandNeuralNetworkhttp://cib.cf.ocha.ac.jp/bitool/MIX/2F3IXXXXXXEEEEEEEEEEXXXXSSTTEEEEEEEESSSXXEEEEEEEXTTSSSTTXXXEEEEXSXXXXSSSSSTTTXSSSTTSTTSXTTTTSEEEXEEEEXXSSXXSSSSXXSSEEEEEEETTEEEEEEEXHHHHTXXSTTSTTSEEEEEXXXCFCEEHHHHHCCCCCCCCCHHHHEEEEHHHHHHCHHHHHHHEEEEEEEEEEEHHHHHEEEEEEEECCCEECCCCCCCCCCCCCCHHHHHCCEECEEEEECCCCCEEHHHHHCCEEEEECEEHHHHHHHCCCCCCCCCCEEEEEHHHHHHCCCGORHHHHHHHHHHHHHCCCHTTHHHHHHHTTHHHHHHHHHHHHHHHCCEECCCCCTCHHEEEEETEEETTTCCCTTTCCCCCCCTCTTTHHHHEHTTCEEEETTCTHHHHHHHHEEEEEETTCEEEEEHTTTTTTTTEEHHHHHHHHHHHHHHNNCCCCCCCCCCCCCCCCCCCCCCCCHHHHCCCCCCHHHHHHHHCCCCCCCCCCCCCCEEEEECCCCCCCCCCCCCCCCCCCCCCCCCHHHHHHHCCCEEEECCCCCCHHHHHHHEEHHCCCCEEHHCCCCCCCCCCHHHHHHHHHHHHHHH29%30%31%根據氨基酸殘基的物理化學性質：疏水性、親水性、帶電性以及體積大小等，考慮殘基之間的相互作用。對于小于50個氨基酸殘基的肽鏈，預測準確率可以達到73%。（5）基于已有知識（knowledge）的預測方法Lim方法疏水氨基酸丙氨酸（A）纈氨酸（V）亮氨酸（L）異亮氨酸（I）脯氨酸（P）苯丙氨酸（F）色氨酸（W）甲硫氨酸（M）親水氨基酸甘氨酸（G）絲氨酸（S）蘇氨酸（T）半胱氨酸（C）酪氨酸（Y）天冬酰胺（N）谷氨酰胺（Q）賴氨酸（K）精氨酸（R）組氨酸（H）天冬氨酸（D）谷氨酸（E）α螺旋序列第i、i+3、i+4位（如1、4、5）是疏水殘基；第i、i+1、i+4位（如7，8，11）為疏水殘基。

D

L

G

D

K

F

R

L

VI

A疏水¤¤¤¤¤¤親水◎◎◎◎◎β折疊埋藏的β折疊通常由連續的疏水殘基組成一側暴露的β折疊則通常具有親水-疏水的兩殘基重復模式

D

L

G

D

K

F

R

L

VI

A疏水¤¤¤¤¤¤親水◎◎◎◎◎點模式（bitpattern）方法八殘基片段以一個二進制位代表一個殘基，疏水為1，親水為0，共八位。八殘基片段的親疏水模式可用0

255的數值表示預測準確率為55%左右當序列長度小于50時，準確率較高。

D

L

G

D

K

F

R

L

VI

A疏水¤¤¤¤¤¤親水◎◎◎◎◎

D

L

G

D

K

F

R

L

VI

A疏水111111親水0

0

0

0

0α螺旋的特征模式對應的值：9,12,13,17,18,19,25,27,29,31,34,36,38,44,45,46,47,50,51,54,55,59,61,62,77,201,205,217,219,237β折疊的特征模式：由連續的1或交替的01構成無規則卷曲其他

D

L

G

D

K

F

R

L

VI

A疏水

¤¤¤¤¤¤親水◎◎◎◎◎

D

L

G

D

K

F

R

L

VI

A疏水

0

100010111120212223242526271248163264128162209232244A

S

T

L

Y

E

DGT

L¤◎◎¤◎◎◎◎◎¤1001000001教學大綱掌握：二級結構預測軟件，比較建模法，折疊識別法，從頭預測法，基于相似性的方法，基于三維基序的方法了解：多序列比對預測，CASP和CAFASP實驗及其發現，蛋白質功能預測的意義，基于表面的方法，基于機器學習的方法（6）多序列比對（multiplesequencealignment）預測假設序列家族中的同源區有同樣的二級結構。對序列進行多序列比對，找到和未知序列相似的序列家族，其構象由多個同源序列對應位置的構象決定取出現次數最多的構象，或對各種可能的構象給出得分值。結合神經網絡、機器學習等方法準確性80%單序列預測所提供的信息只是殘基的順序而沒有其空間分布的信息預測準確率不高多序列比對預測提高了二級結構預測的準確度（7）二級結構預測相關軟件NameMethoddescriptionLinkSPIDER2ThemostcomprehensiveandaccuratepredictionbyiterativeDeepNeuralNetwork(DNN)forproteinstructuralpropertiesincludingsecondarystructure,localbackboneangles,andaccessiblesurfacearea(ASA)serverRaptorX-SS8predictboth3-stateand8-statesecondarystructureusingconditionalneuralfieldsfrom

PSI-BLASTprofilesserverNetSurfPProfile-basedneuralnetworkserverGORInformationtheory/BayesianinferenceGORVJpredNeuralnetwork

assignmentserverMeta-PPConsensuspredictionofotherserversserverPREDATORKnowledge-baseddatabasecomparisonserverPredictProteinProfile-basedneuralnetworkserverPSIPREDtwofeed-forward

neuralnetworks

whichperformananalysisonoutputobtainedfrom

PSI-BLASTserverPSSpredMultiple

backpropagation

neuralnetwork

predictorsfrom

PSI-BLAST

profilesserverFrag1DPredictionofbothsecondarystructureandShapeStrings(discretestatesofdihedralangles)usingprofilebasedfragmentmatchingmainpageJpredpbio.dundee.ac.uk/jpred4/index.html基本原理通過DSC、PHD、NNSSP、PREDATOR、ZPRED和MULPRED六種預測方法進行預測，它們都采用了多重序列的進化信息。NNSSP依據最大同源性PDH采用神經網絡DSC根據線性識別MULPRED聯合不同的單一序列預測方法PREDATOR考慮氫鍵傾向性ZPRED加權預測最后將六個結果總結為一個簡單的文件格式。PREDATORhttp://mobyle.pasteur.fr/cgi-bin/portal.py?#forms::predator基于知識的數據庫比較2F3IXXXXXXEEEEEEEEEEXXXXSSTTEEEEEEEESSSXXEEEEEEEXTTSSSTTXXXEEEEXSXXXXSSSSSTTTXSSSTTSTTSXTTTTSEEEXEEEEXXSSXXSSSSXXSSEEEEEEETTEEEEEEEXHHHHTXXSTTSTTSEEEEEXXXJpredXXXXEEEEEEEEEEXXXXXXEEEEEEEEEEEEXXXXEEEEEEEXXXXEXXXXXXEEEEEEEXXXXXXXXXXXXXXXXXXXXXXXXXXXXEEEEEEEEEEEEXXXXXXXXEEEEEEEEEXXXEEEEEXXXXXXXXXXXXXXEEEEEEXXXXPREDATORXXXXXXXXEEEEEEXXXXXXXXXXXXXXXXXXHHHHHHHHHHHHEEEEEXXXXXXEEEEEEXXXXXXXXXXXXXXXXXXXXXXXHHHHHHHXXXEEEEEEXXXHHHHHHHHHHHHHXXXXXEEEXXXXXXXXXXXXXXXXHHHHHHHXXX50%30%三級結構預測（1）比較模建法（2）折疊識別法（3）從頭預測法（4）CASP、CAFASP實驗及其發現△※（1）比較建模（comparativemodeling）

（同源建模）目前預測結構最成功的方法主要思想對于一個未知結構的蛋白質，找到一個已知結構的同源蛋白質，以該蛋白質的結構為模板，為未知結構的蛋白質建立結構模型。序列相似性越高，結構正確性、可信度就越高。若序列的等同部分超過60%，則預測結果將接近于實驗得到的測試結果。序列A150個氨基酸序列B300個氨基酸相似度50%若目標蛋白質分子所屬的系統中有一個以上的分子有已知結構，并且和參考分子的序列相似程度在25%以上時，一般而言可用同源建模方法得到目標分子的合理模型。若沒有精確結構的蛋白質分子可供參考，或序列相似程度低于25%，以比較建模方法來建立蛋白質分子模型成功的機會就不高，此時需利用其它實驗數據的協助。步驟模板識別和初始比對比對校正主鏈生成環區建模側鏈建模模型優化模型確證模板識別和初始比對BLAST與PDB中所有已知結構序列比較比對校正采用更精致的方法以取得更優的比對。多序列比對CLUSTALW一致性比較高的蛋白質結構；高分辨率和低R值的結構；結構越完整越好。主鏈生成拷貝在與模型序列的比對結果中出現的模板殘基的坐標。殘基不同，只拷貝主鏈原子的坐標。殘基相同，拷貝側鏈坐標。環區建模環區：預測序列未能與模板結構比對上的區域序列的缺失：略去模板中的殘基；模板的缺失：將模板的主鏈截斷，插入缺少的殘基。主鏈產生構象變化。預測環區構象。基于知識：從PDB中搜索與將被插入的環區兩端能夠匹配的已知環區，復制其構象。基于能量：用能量函數判別環區的質量，最小化該函數，獲得最好的環區構象。側鏈建模從高分辨率晶體結構中提取的常見構象體庫，各個構象體被依次嘗試并由不同能量函數打分。模型優化預測側鏈構象體

引起主鏈移動

新的主鏈下的側鏈構象體…

過程收斂。對模型進行分子動力學模擬。模擬蛋白質的運動，仿真其實際折疊過程。模型確證質量驗證。NameDescriptionLinkRaptorXremotehomologydetection,protein3Dmodeling,bindingsitepredictionserverCPHModelFragmentassemblyserverESyPred3DTemplatedetection,alignment,3DmodelingserverGeno3DSatisfactionofspatialrestraintsserverHHpredTemplatedetection,alignment,3DmodelingServerLOMETSLocalMetathreadingserverServerMODELLERSatisfactionofspatialrestraintsServerPhyreandPhyre2Remotetemplatedetection,alignment,3Dmodeling,multi-templates,abinitioserverBHAGEERATH-HCombinationofabinitiofoldingandhomologymethodsserverSTRUCTUROPEDIAWebInterfacetoMODELLERserverSWISS-MODELLocalsimilarity/fragmentassemblyserverSWISS-MODEL/自動蛋白質同源建模服務器。先在ExPdb晶體圖像數據庫中搜索相似性足夠高的同源序列，建立最初的原子模型，再對這個模型進行優化產生預測的結構模型。（2）折疊識別法（Threading）遠程同源蛋白質的氨基酸序列大不相同，但是卻擁有極為相似的折疊類型。折疊識別（foldrecognition）建立序列到結構的線索的過程折疊（fold）無論有無共同的進化起源，只要具有相同排列和拓撲結構的主要二級結構，即將蛋白質分類為具有相同的折疊。具有相同折疊的不同蛋白質具有不同大小和構象的二級結構和轉角區的外圍元件。主要思想利用氨基酸的結構傾向（如二級結構、疏水性、極性等），評價一個序列所對應的結構是否能夠適配到一個給定的結構環境中。假定被預測蛋白質序列的折疊類型與某一已知結構的蛋白質的折疊類型相同。與已知空間結構的蛋白質比對組成已知三維折疊結構的數據庫一種適合于進行序列-結構比對的三維折疊信息的表示方法一個序列-結構匹配函數對匹配程度進行打分建立最優線索的策略，或是進行序列-結構比對的策略一種評價序列-結構比對顯著性的方法實現過程給定一個結構未知的序列及一些蛋白質的結構，目標序列與已知折疊結構進行比較。使用評價序列與結構匹配優劣的函數作為判別標準，找到目標序列最佳的折疊結構。以此預測目標蛋白結構。NameDescriptionLinkRaptorXRemotetemplatedetection,single-templateandmulti-templatethreading,totallydifferentfromandmuchbetterthantheoldprogramRAPTORdesignedbythesamegroupserverHHpredTemplatedetection,alignment,3DmodelingserverI-TASSERCombinationofabinitiofoldingandthreadingmethodsServermGenTHREADER/GenTHREADERSequenceprofileandpredictedsecondarystructuremainpageMUSTERprofile-profilealignmentServerPhyreandPhyre2Remotetemplatedetection,alignment,3Dmodeling,multi-templates,abinitioServerSUPERFAMILYHiddenMarkovmodelingmainpageSPARKS-X3DstructuremodelingbyFoldrecognitionaccordingtoSequenceprofilesandstructuralprofilesServerBBSP-BuildingBlocksStructurePredictorHybridtemplate-basedmainpagePhyre2http://www.sbg.bio.ic.ac.uk/~phyre2/html/page.cgi?id=index基于每個蛋白特異的位點打分矩陣進行profile-profile比對。Template-basemodeling

TBM（3）從頭預測（Ab

initio）法沒有已知結構的同源蛋白質沒有已知結構的遠程同源蛋白質組成一種蛋白質的幾何表示方法對蛋白質和溶劑的表示形式作近似處理，例如，使用一個或少數幾個原子代表一個氨基酸殘基一種能量函數及其參數，或者一個合理的構象得分函數計算各種構象的能量通過對已知結構的蛋白質進行統計分析，可以確定蛋白質構象能量函數中的各個參數或者得分函數一種構象空間搜索技術選擇一個優化方法，以便對構象空間進行快速搜索，迅速找到與某一全局最小能量相對應的構象關鍵構象空間搜索能量函數的建立NameDescriptionLinkEVfoldEvolutionarycouplingscalculatedfromcorrelatedmutationsinaproteinfamily,usedtopredict3Dstructurefromsequencesaloneandtopredictfunctionalresiduesfromcouplingstrengths.PredictsbothglobularandtransmembraneproteinsServerQUARKMonteCarlofragmentassemblyServerI-TASSERThreadingfragmentstructurereassemblyServerCABS-FOLDServerfordenovomodeling,canalsousealternativetemplates(consensusmodeling)serverBhageerathAcomputationalprotocolformodelingandpredictingproteinstructuresattheatomiclevelServerPEP-FOLDDenovoapproach,basedonaHMMstructuralalphabetServerEVfold/evfold-web/evfold.do（4）CASP、CAFASP實驗及其發現CASP：結構預測評估，CriticalAssessmentofStructurePredictionCAFASP：全自動結構預測評估，CriticalAssessmentofFullyAutomatedStructurePrediction由一個或多個結構域組成的，已測定但尚未發表、或有望得到NMR或X射線蛋白質結構的序列提供給CASP和CAFASP的研究組各研究組對序列的三維結構進行預測，將結果提交服務器進行獨立的評價。以定量方式衡量多個研究組在預測結構中取得的成功。/TemplateBasedProteinStructureModelingbyGlobalOptimizationinCASP11CRFalign折疊識別能量折疊數據庫CD-HIT質量評價過程QA1排秩模板模板分組ModCSA，生成8個模板列表用MSACSA對每個模板列表中的15個模板進行多序列比對功能預測意義方法※蛋白質是調控和實現所有生物功能的分子機器。結構蛋白-膠原酶-維持和增強結締組織機械酶-肌漿球蛋白-實現宏觀和微觀上的運動各種酶-參與生理功能某些蛋白質與DNA或RNA相互作用產生新的蛋白質意義深入理解生命運動規律更好地理解疾病發生機制，用于治療和藥物設計GeneOntology（GO）方法實驗方法計算方法※（1）基于結構相似性的方法（2）基于三維基序的方法（3）基于表面的方法（4）基于機器學習的方法（1）基于結構相似性(similarity)的方法在進化中保守的蛋白質高級結構通常對應某