基于距离函数的蛋白质超二级结构β―α―β模体预测

来源:用户上传      作者:

　　摘 要：蛋白质超二级结构β-α-β模体是蛋白质的重要组成部分，所以对蛋白质超二级结构的研究是非常有意义的。根据蛋白质超二级结构的保守性，用距离函数值对蛋白质中β-α-β 模体进行识别，训练集5交叉检验预测总精度和相关系数分别是64.12%和0.31。距离函数应用于独立检验集进行检验预测精度达到71.14%。
　　关键词：蛋白质结构预测；β-α-β 模体；距离函数
　　中图分类号：Q51 文献标识码：A DOI：10.11947/nyyjs.20160509001
　　引言
　　2个平行的β-strand被较长的loop连接，loop中间包含α螺旋（α-helical），并且2个β折叠片之间存在氢键，形成的结构模体β-loop-α-loop-β叫做β-α-β 模体，它是含有平行的β折叠（sheet）的蛋白质中的常见模体[1，5] ，它频繁的出现在每一个具有β折叠片的蛋白质结构中，在蛋白质结构中占有重要地位。因此，对β-α-β模体的统计分析及预测是十分有意义的。
　　在本文中，建立了β-α-β模体预测的数据库，整理并使用了2个蛋白质数据库分别作为预测的训练集和独立检验集，并且发展了距离函数来预测β-α-β 模体，得到了较好的预测结果。
　　1 材料和方法
　　1.1 材料
　　数据库选取了EVA的1423个相似性小于33%的蛋白质，作为训练集[4]，同时选取了426个非冗余的蛋白质链组成，序列相似性小于25%，分辨率小于2.0?，作为独立检验集。对训练集，获得二级结构为ECHCE模式的片断为3878个，利用PROMOTIF[3]获得β-α-β模体分别为1622个，与ECHCE模式相匹配的1459个片断确认为β-α-β，其余2419个确认为非β-α-β；对独立检验集，有257条蛋白质链中至少包含一个β-α-β模体，这个数据库中共得到310个β-α-β模体和480个非β-α-β 模体。
　　1.2 最佳序列片段长度的选取
　　蛋白质超二级结构是由二级结构单元所组成，而超二级结构的构象类型与连接肽所连接的二级结构单元的种类、连接肽的长度以及连接肽残基的构象密切相关，下面对序列对应的每一种二级结构进行详细的统计和分析，过程如下：
　　对模体β-α-β模体和非β-α-β模体中的氨基酸长度进行统计，见图1。在β-α-β模体中，最少为8个氨基酸，最多为60个氨基酸，平均是28.5个氨基酸；在非β-α-β模体中，最少为6个氨基酸，最多为86个氨基酸，平均为22.2个氨基酸。而对于全部ECHCE模式，含有6～29个氨基酸的序列数占85.7%。
　　通常情况下超二级结构模体的预测是来自序列预测，因此，要选取适合的序列信息。由图1分析，选取33个氨基酸是最佳序列模式长，能够包含比较全面的序列信息。
　　固定序列长的选取：当序列长为奇数时，序列的左侧比右侧多取一个氨基酸残基，当序列长为偶数时，序列两侧取相同的残基数。若序列不足33个氨基酸残基的，两侧添加空位补齐。获得β-α-β模体1121个，非β-α-β模体1890个。
　　上述选取方式，参考了Kuhn[2]、Kumar[4]和Cruz[3]等的对β发夹固定模式片段截取方法。
　　1.3 方法
　　1.3.1 距离函数
　　距离函数可以衡量所研究的样品之间存在的相似性，已被成功的应用于蛋白酶的预测研究。距离函数的计算公式如下：
　　1.3.2 精确评价指标
　　为了评价预测的正确率和预测方法的可信度，精度 （S）、Matthew相关系数 （Mcc）、 β-α-β模体的敏感性（Sn）、非β-α-β模体的敏感性（SnN）、β-α-β模体的特异性（Sp）和非β-α-β模体的特异性（SpN） 如下计算：
　　p为真阳性样本序列数，r为真阴性样本序列数，u假阴性样本序列数，o为假阳性样本序列数。
　　2 结果与讨论
　　2.1 距离函数的预测结果
　　本文使用了距离函数对蛋白质超二级结构进行5交叉检验，得到了的预测结果见表1。Mcc的值为0.31，总精度为64.12%。由此可见，距离函数是一种预测蛋白质结构的有效方法。
　　2.2 独立检验集中 β-α-β模体预测结果
　　为了检验预测方法，对独立检验集中的β-α-β和非β-α-β模体使用同样的方法进行预测。预测结果见表2。
　　由表2的预测结果可以看出，独立检验集中的Mcc 值0.41，预测总精度71.14%，结果是非常好的。
　　3 结论
　　本文使用的数据库包含的蛋白质结构类型有全β型、α+β型和α/β型，选择的数据库远远大于Taylor和Thornton在1983年和1984年对β/α类的18个蛋白质中的62个β-α-β模体进行预测的数据库[5-6]，而且本文第一次运用了距离函数进行预测，预测效果说明：应用的参数包含了模体的序列信息和结构信息；距离函数的引入， 更反映出了距离函数应用于蛋白质超二级结构是成功的；因此距离函数是一种预测蛋白质中复杂超二级结构的有效方法。
　　参考文献
　　[1] 阎隆飞，孙之荣.蛋白质分子结构[D].清华大学出版社1999，43-59.
　　[2] Kuhn， M.， Meiler， J. and Baker， D. Strand-loop-strand motifs： prediction of hairpins and diverging turns in proteins[J]. Proteins： Struct Funct Bioinform， 2004（54）： 282-288.
　　[3] Cruz， X.， Hutchinson， E. G.， Hepherd， A. S. et al. Toward predicting protein topology： an approach to identifying B hairpins[J]. Proc Natl Acad Sci， USA， 2002（99）： 11157-11162.
　　[4] Kumar， M.， Bhasin， M. BhairPred： prediction of β-hairpins in a protein from multiple alignment information using ANN and SVM techniques[J]. Nucl Acids Res， 2005（33）： 154-159
　　[5] Taylor， W. R.， Thornton， J.M.Recognition of super-secondary structure in proteins[J]. J Mol Biol. 1984 ，173（4）： 487-512
　　[6]杨科利，李前忠，林昊.预测酵母（Yeast）基因转录因子结合位点[J]. 内蒙古大学学报（自然科学版），2006， 37（5）： 524-53
　　作者简介：王春连，女，内蒙古包头市，讲师，硕士研究生学历，从事生物信息学的研究。
转载注明来源:https://www.xzbu.com/1/view-11192360.htm