固有无序蛋白有序和无序结合区域的序列特征分析

基于DisProt数据库,其将固有无序蛋白按照分子功能分为6大类,选取每一类功能下每条有序与无序区结合位点左右两侧5个氨基酸残基作为研究对象;利用方差分析分别统计6类分子功能中有序与无序区结合位点处20种氨基酸以及6类亲疏水性氨基酸分布的差异。结果表明:不同分子功能的固有无序蛋白在有序与无序结合点处的氨基酸含量及亲疏水特性都存在着较显著差异。在固有无序蛋白6类分子功能中,氨基酸(D、G、H、I、P、S、T、Y)在有序区的分布存在差异;而氨基酸(D、G、V)在无序区的分布存在差异。而在6类亲疏水性氨基酸中,强疏水性氨基酸(L、I、V、A、M、F)和弱疏水性或弱亲水性氨基酸(S、T、Y、W)以及脯氨酸P和甘氨酸G在有序区的分布存在差异;而甘氨酸G在无序区的分布存在差异。本文的研究旨在挖掘固有无序蛋白不同分子功能中有序与无序区结合位点处的序列特征,以便于下一步对固有无序蛋白预测软件的开发和改进。     

加入Contact number信息来预测蛋白质二级结构

蛋白质的功能是由其结构决定的,其中蛋白质二级结构是其3级结构的基础和重要的组成单元。本文采用结构字和contact number数建立多样性源,同时利用二次判别法来预测1个序列片段中心残基的二级结构。对CB513库中81个蛋白进行检验,结果发现增加contact number数建立的多样性源,其预测精度Q3提高了1.12%.这表明c,ontact number信息有助于提高预测二级结构精度。     

一个大数据库中预测蛋白质二级结构

本文在1个大数据库中采用广义的2次判别法来预测蛋白质二级结构.在包含2640个蛋白的数据库中,先是定义4肽结构字,然后利用3种4肽结构字建立多样性源同时结合二次判别法来预测21残基片段中心残基的二级结构,最后在误差允许范围内对预测结果进行修正,自治检验和独立检验的三态预测精度均超过83％.在同样的数据库中,与其它预测软件相比较,显示了我们的方法是占优势的.     

应用化学位移预测蛋白质二级结构

蛋白质二级结构预测是生物信息学中最重要的课题之一。本文从氨基酸序列的原子信息出发,以6种原子化学位移的均值作为新的特征参量,应用二次判别法对蛋白质二级结构进行预测,取得了较好的结果。3折交叉检验得到预测总精度为77.46%,其中alpha螺旋、beta折叠的预测准确率分别达到92.36%和81.39%。在同样的数据库中,与其它预测软件相比较,显示了我们算法的优越性。