多糖蛋白质复合物
1.7卡拉胶对蛋白质消化性影响的研究进展
蛋白质的消化受几个因素的高度影响，包括胃环境(pH值和酶活性)、蛋白结构和其他存在于胃肠道内的食物成分。研究表明通过食物处理过程比如加热和高压处理可以使蛋白质结构的改变，也可以影响蛋白质水解的速率和模式。（1 N. St?anciuc, I. van der Plancken, G. Rotaru and M. Hendrickx, Rev. Roum.Chim., 2008, 53, 921–929.
2 M. R. Peram, S. M. Loveday, A. Ye and H. Singh, J. Dairy Sci.,2013, 96, 63–74.
3 I. O'Loughlin, B. Murray, P. Kelly, R. FitzGerald and A. Brodkorb, J. Agric. Food Chem., 2012, 60, 4895–4904.）近几年来，学者们研究发现通过对蛋白质外表面构造的修饰和减弱外表面的联结网络的形成，表面活性剂的存在会进一步增加蛋白质的水解。（8 J. Maldonado-Valderrama, A. P. Gunning, P. J. Wilde andV. J. Morris, So Matter, 2010, 6, 4908–4915.）在食物处理过程中，通过构象的改变和与其他成分结合，蛋白质的消化方式可能会发生改变。
两种大分子单独存在不能形成凝胶，而混合后却能形成凝胶体，且其凝胶特性随蛋白质—多糖质量比、混合环境pH值和处理温度以及离子强度而变化。蛋白质与多糖两种大分子在溶液中共存时，一些如温度、pH等物理条件适宜时，大分子上的部分基团可以相互连接，形成聚合物产生一些独特的性质，最终影响蛋白质的消化性。
蛋白质化学性质研究近三十年来取得了飞速的发展，扫描电镜、SDS-PAGE、流变等新技术的应用，使人们更加深入的了解蛋白质结构，蛋白质一、二、三、四级结构的阐明推动了结构研究的进程。卡拉胶的研究主要在于其结构的探测，以及其特性的研究。
尽管蛋白质和多糖各自在模拟胃环境中的消化行为已经研究得很深入了，但是很少有关注蛋白质和多糖混合系统的研究。每一种高分子的消化行为都能被同存的其他物质所影响。
(13 C. Villaume, C. Sanchez and L. M′ejean, Biochim.Biophys.Acta, Gen. Subj., 2004, 1670, 105–112.)蛋白质与卡拉胶在水溶液中发生交互作用，从而影响蛋白质的消化性，可以从以下几个方面探究：
1.7.1蛋白质与卡拉胶在水溶液中的相容性与不相容性
蛋白质与多糖在水溶液中的交互作用主要有以下三种形式，即共溶(Cosolubility)、相容(Compatibility)及不相容(Incompatability)。[38] Samant S. K., Singhal R. S., Kulkarni P. R., et al. Protein-polysaccharide interactions: Anew approach in food formulations. International Journal of Food Science and Technology,1993, 28: 547-562
[39] Williams P. A., Phillips G O. Interaction in mixed polysaccharide systems. In A. Stephan(Ed).Food Polysaccharide and Their Applications. Marcel Dekker Inc., New York. 1995:463一500
[40] Doublier J. L., Garnier C., Renard D., et al. Protein-Polysaccharide interactions. Colloidand Interface Science, 2000, 5:202-214其中相容是指蛋白质与多糖能在水溶液中发生交互作用，大分子间互相吸引，通过共价键、静电相互作用及氢键等方式进行连接，形成络合物。
1.7.1.2蛋白质—卡拉胶交互作用凝胶形成原因
蛋白质和卡拉胶之间的络合发生在接近或低于蛋白质等电点的pH值,通常是由于带相反电荷的生物聚合物两者之间的静电相互作用。（21 S. Turgeon, C. Schmitt and C. Sanchez, Curr. Opin. Colloid Interface Sci., 2007, 12, 166–178.
22 C. Schmitt and S. L. Turgeon, Adv. Colloid Interface Sci., 2011,167, 63–70.）静电吸引力的大小在很大程度上取决于相交互大分子的电荷密度。（23 J.-L. Doublier, C. Garnier, D. Renard and
C. Sanchez, Curr. Opin. Colloid Interface Sci., 2000, 5, 202–214.
24 A. Ye, Int. J. Food Sci. Technol., 2008, 43, 406–415.
25 B. L. Sperber, H. A. Schols, M. A. Cohen Stuart, W. Norde and A. G. Voragen, Food Hydrocolloids, 2009, 23, 765–772.）带更高电荷密度的卡拉胶对蛋白质有更强的吸引力，在模拟不同区段的胃环境内，形成不同凝胶强度的凝胶，可能有不同的胃排空速度。
Bernal等（[24] Bernal, V.A. Interactions in protein /polysaccharide/calcium gels. J offood science,1987, 52(5):1121一1126），利用可破坏分子间作用力的物质来研究乳清蛋白与阴电性多糖类在混合水溶液中的交互作用。得出的结果证明阴电性多糖与蛋白质的交互作用以静电作用为主，而氢键、疏水交互作用的影响较小。蛋白质和多糖二种大分子的电荷密度、混合的浓度比例都影响交互作用的发生。而卡拉胶就是一种水溶性较好的阴性多糖，可以与蛋白质发生交互作用形成凝胶影响其消化。
1.7.1.3 蛋白质—卡拉胶交互形成的研究方法
将加热后的卡拉胶—蛋白质混合物打入模拟胃液中，胃环境能诱导凝胶结构自然发生。即使带正电的蛋白质和带负电的卡拉胶的比例很低的情况下。胃内凝胶的作用机制是当pH降到蛋白等电点以下，带正电荷的蛋白和带负电荷的蛋白通过静电作用相互吸引发生交联结合。(Hu B, Chen Q ,Cai Q.M. , Fan Y et al. Gelation of soybean protein and polysaccharides delays digestion [J]. Food Chemistry,2016)
1.7.2蛋白质—卡拉胶交互作用对蛋白质消化特性的影响
许多因素能影响蛋白质的功能性质，如pH值、温度及离子强度等。另外一个重要的因素就是食品体系中存在多糖，并与蛋白质发生交互作用，从而影响其功能特性。（孙哲浩,蛋白质与多糖类在水相介质中交互作用机理的研究[M],2001）蛋白质和卡拉胶的结合主要由于静电相互作用，很大程度取决于大分子的本性（分子量，结构和电荷密度）、加热时的PH、生物高聚物的比率和生物高聚物整个的浓度。（15 S. Peyron, J. Mou′ecoucou, S. Fr′emont, C. Sanchez and N. Gontard, J. Agric. Food Chem., 2006, 54, 5643–5650.）不同带点多糖与蛋白质联结形成的混合物，在模拟不同区段的胃环境内，形成不同凝胶强度的凝胶，可能有不同的胃排空速度。
在蛋白质基质中多糖的存在会引起蛋白质构象的改变，因此影响蛋白质的消化性，因为通过静电力的相互作用和多糖结合位于蛋白质上胃蛋白酶的接触位点可能会发生改变。另一方面，一直认为胃排空的速率对于短期食物的摄入起了重要的作用。在胃内低分解率的食物可能会延缓胃排空，因此增加饱腹感。有研究表明某种浓度的多糖会形成胃内凝胶延缓胃排空。考虑到带相反电荷的多糖和蛋白质在胃环境中非常可能聚集甚至出现胶状物质，这或许会改变蛋白消化的外表，延缓胃排空。（S Zhang and B Vardhanabhuti, Intragastric gelation of whey protein–pectin alters the digestibility of whey protein during in vitro pepsin digestion[J]. Food Funct., 2014, 5, 102）
孙哲浩,蛋白质与多糖类在水相介质中交互作用机理的研究[M],2001
基于静态网络的蛋白质复合物预测方法综述
Software Engineering and Applications 软件工程与应用, 2018, 7(3), 151-159 Published Online June 2018 in Hans. https://www.360docs.net/doc/3810297146.html,/journal/sea https://https://www.360docs.net/doc/3810297146.html,/10.12677/sea.2018.73018 A Survey of Computational Methods for Protein Complexes Prediction Based on Static PPI Networks Yang Yu Software College, Shenyang Normal University, Shenyang Liaoning Received: Jun. 6th, 2018; accepted: Jun. 20th, 2018; published: Jun. 27th, 2018 Abstract Protein complexes are formed by interacting proteins and exhibit diverse biological functions. Protein complexes are predicted by computational methods from biological networks, which is not only important for understanding the mechanisms of biological activities and the pathogenesis of diseases, but also for making up the deficiencies of biological high-throughput experimental methods. In this paper, two types of prediction methods based on static network protein com-plexes are introduced and analyzed. Secondly, we discuss the deficiencies of protein complex al-gorithms and the challenges of this field. Keywords Protein-Protein Interaction Network, Clustering, Complex Prediction, Computational Methods 基于静态网络的蛋白质复合物预测方法综述 于杨 沈阳师范大学，软件学院，辽宁沈阳 收稿日期：2018年6月6日；录用日期：2018年6月20日；发布日期：2018年6月27日 摘要 蛋白质复合物通过相互作用蛋白质形成，表现出多样的生物功能。使用计算方法从生物网络中预测蛋白质复合物不仅对于理解生物活动的机制和疾病的发病机理具有重要意义，而且可以弥补生物高通量实验
蛋白质结构预测和序列分析软件
蛋白质结构预测和序列分析软件 2010-05-08 20:40 转载自布丁布果 最终编辑布丁布果 4月18日 蛋白质数据库及蛋白质序列分析 第一节、蛋白质数据库介绍 一、蛋白质一级数据库 1、 SWISS-PROT 数据库 SWISS-PROT和PIR是国际上二个主要的蛋白质序列数据库，目前这二个数据库在EMBL和GenBank数据库上均建立了镜像 (mirror) 站点。 SWISS-PROT数据库包括了从EMBL翻译而来的蛋白质序列，这些序列经过检验和注释。该数据库主要由日内瓦大学医学生物化学系和欧洲生物信息学研究所(EBI)合作维护。SWISS-PROT 的序列数量呈直线增长。2、TrEMBL数据库： SWISS-PROT的数据存在一个滞后问题，即把EMBL的DNA序列准确地翻译成蛋白质序列并进行注释需要时间。一大批含有开放阅读框(ORF) 的DNA序列尚未列入SWISS-PROT。为了解决这一问题，TrEMBL(Translated EMBL) 数据库被建立了起来。TrEMBL也是一个蛋白质数据库，它包括了所有EMBL库中的蛋白质编码区序列，提供了一个非常全面的蛋白质序列数据源，但这势必导致其注释质量的下降。 3、PIR数据库： PIR数据库的数据最初是由美国国家生物医学研究基金会（National Biomedical Research Foundation, NBRF）收集的蛋白质序列，主要翻译自GenBank的DNA序列。 1988年，美国的NBRF、日本的JIPID（the Japanese International Protein Sequence Database 日本国家蛋白质信息数据库）、德国的MIPS（Munich Information Centre for Protein Sequences摹尼黑蛋白质序列信息中心）合作，共同收集和维护PIR数据库。PIR根据注释程度(质量)分为4个等级。4、 ExPASy数据库： 目前，瑞士生物信息学研究所（Swiss Institute of Bioinformatics, SIB）创建了蛋白质分析专家系统（Expert protein analysis system, ExPASy ）。涵盖了上述所有的数据库。网址：https://www.360docs.net/doc/3810297146.html, 我国的北京大学生物信息中心(https://www.360docs.net/doc/3810297146.html,) 设立了ExPASy的镜像（Mirror）。 主要蛋白质序列数据库的网址 SWISS-PROT https://www.360docs.net/doc/3810297146.html,/sprot 或 https://www.360docs.net/doc/3810297146.html,/expasy_urls.html TrEMBL https://www.360docs.net/doc/3810297146.html,/sprot PIR https://www.360docs.net/doc/3810297146.html,/pirwww MIPS——Munich Information Centre for Protein Sequences http://mips.gsf.de/ JIPID——the Japanese International Protein Sequence Database 已经和PIR合并 ExPASy https://www.360docs.net/doc/3810297146.html, 二、蛋白质结构数据库 1、PDB数据库：
蛋白质结构预测在线软件
蛋白质预测在线分析常用软件推荐 蛋白质预测分析网址集锦 物理性质预测： Compute PI/MW http://expaxy.hcuge.ch/ch2d/pi-tool.html Peptidemasshttp://expaxy.hcuge.ch/sprot/peptide-mass.html TGREASE ftp://https://www.360docs.net/doc/3810297146.html,/pub/fasta/ SAPS http://ulrec3.unil.ch/software/SAPS_form.html 基于组成的蛋白质识别预测 AACompIdent http://expaxy.hcuge.ch ... htmlAACompSim http://expaxy.hcuge.ch/ch2d/aacsim.html PROPSEARCH http://www.e mbl-heidelberg.de/prs.html 二级结构和折叠类预测 nnpredict https://www.360docs.net/doc/3810297146.html,/~nomi/nnpredict Predictprotein http://www.embl-heidel ... protein/SOPMA http://www.ibcp.fr/predict.html SSPRED http://www.embl-heidel ... prd_info.html 特殊结构或结构预测 COILS http://ulrec3.unil.ch/ ... ILS_form.html MacStripe https://www.360docs.net/doc/3810297146.html,/ ... acstripe.html 与核酸序列一样，蛋白质序列的检索往往是进行相关分析的第一步，由于数据库和网络技校术的发展，蛋白序列的检索是十分方便，将蛋白质序列数据库下载到本地检索和通过国际互联网进行检索均是可行的。 由NCBI检索蛋白质序列 可联网到：“http://www.ncbi.nlm.ni ... gi?db=protein”进行检索。 利用SRS系统从EMBL检索蛋白质序列 联网到：https://www.360docs.net/doc/3810297146.html,/”，可利用EMBL的SRS系统进行蛋白质序列的检索。 通过EMAIL进行序列检索 当网络不是很畅通时或并不急于得到较多数量的蛋白质序列时，可采用EMAIL方式进行序列检索。 蛋白质基本性质分析 蛋白质序列的基本性质分析是蛋白质序列分析的基本方面，一般包括蛋白质的氨基酸组成，分子质量，等电点，亲水性，和疏水性、信号肽，跨膜区及结构功能域的分析等到。蛋白质的很多功能特征可直接由分析其序列而获得。例如，疏水性图谱可通知来预测跨膜螺旋。同时，也有很多短片段被细胞用来将目的蛋白质向特定细胞器进行转移的靶标（其中最典型的
多糖蛋白质复合物
1.7卡拉胶对蛋白质消化性影响的研究进展 蛋白质的消化受几个因素的高度影响，包括胃环境(pH值和酶活性)、蛋白结构和其他存在于胃肠道内的食物成分。研究表明通过食物处理过程比如加热和高压处理可以使蛋白质结构的改变，也可以影响蛋白质水解的速率和模式。（1 N. St?anciuc, I. van der Plancken, G. Rotaru and M. Hendrickx, Rev. Roum.Chim., 2008, 53, 921–929. 2 M. R. Peram, S. M. Loveday, A. Ye and H. Singh, J. Dairy Sci.,2013, 96, 63–74. 3 I. O'Loughlin, B. Murray, P. Kelly, R. FitzGerald and A. Brodkorb, J. Agric. Food Chem., 2012, 60, 4895–4904.）近几年来，学者们研究发现通过对蛋白质外表面构造的修饰和减弱外表面的联结网络的形成，表面活性剂的存在会进一步增加蛋白质的水解。（8 J. Maldonado-Valderrama, A. P. Gunning, P. J. Wilde andV. J. Morris, So Matter, 2010, 6, 4908–4915.）在食物处理过程中，通过构象的改变和与其他成分结合，蛋白质的消化方式可能会发生改变。 两种大分子单独存在不能形成凝胶，而混合后却能形成凝胶体，且其凝胶特性随蛋白质—多糖质量比、混合环境pH值和处理温度以及离子强度而变化。蛋白质与多糖两种大分子在溶液中共存时，一些如温度、pH等物理条件适宜时，大分子上的部分基团可以相互连接，形成聚合物产生一些独特的性质，最终影响蛋白质的消化性。 蛋白质化学性质研究近三十年来取得了飞速的发展，扫描电镜、SDS-PAGE、流变等新技术的应用，使人们更加深入的了解蛋白质结构，蛋白质一、二、三、四级结构的阐明推动了结构研究的进程。卡拉胶的研究主要在于其结构的探测，以及其特性的研究。 尽管蛋白质和多糖各自在模拟胃环境中的消化行为已经研究得很深入了，但是很少有关注蛋白质和多糖混合系统的研究。每一种高分子的消化行为都能被同存的其他物质所影响。 (13 C. Villaume, C. Sanchez and L. M′ejean, Biochim.Biophys.Acta, Gen. Subj., 2004, 1670, 105–112.)蛋白质与卡拉胶在水溶液中发生交互作用，从而影响蛋白质的消化性，可以从以下几个方面探究： 1.7.1蛋白质与卡拉胶在水溶液中的相容性与不相容性 蛋白质与多糖在水溶液中的交互作用主要有以下三种形式，即共溶(Cosolubility)、相容(Compatibility)及不相容(Incompatability)。[38] Samant S. K., Singhal R. S., Kulkarni P. R., et al. Protein-polysaccharide interactions: Anew approach in food formulations. International Journal of Food Science and Technology,1993, 28: 547-562 [39] Williams P. A., Phillips G O. Interaction in mixed polysaccharide systems. In A. Stephan(Ed).Food Polysaccharide and Their Applications. Marcel Dekker Inc., New York. 1995:463一500 [40] Doublier J. L., Garnier C., Renard D., et al. Protein-Polysaccharide interactions. Colloidand Interface Science, 2000, 5:202-214其中相容是指蛋白质与多糖能在水溶液中发生交互作用，大分子间互相吸引，通过共价键、静电相互作用及氢键等方式进行连接，形成络合物。 1.7.1.2蛋白质—卡拉胶交互作用凝胶形成原因 蛋白质和卡拉胶之间的络合发生在接近或低于蛋白质等电点的pH值,通常是由于带相反电荷的生物聚合物两者之间的静电相互作用。（21 S. Turgeon, C. Schmitt and C. Sanchez, Curr. Opin. Colloid Interface Sci., 2007, 12, 166–178. 22 C. Schmitt and S. L. Turgeon, Adv. Colloid Interface Sci., 2011,167, 63–70.）静电吸引力的大小在很大程度上取决于相交互大分子的电荷密度。（23 J.-L. Doublier, C. Garnier, D. Renard and C. Sanchez, Curr. Opin. Colloid Interface Sci., 2000, 5, 202–214. 24 A. Ye, Int. J. Food Sci. Technol., 2008, 43, 406–415.
蛋白质结构预测和序列分析软件
蛋白质结构预测和序列分析软件蛋白质数据库及蛋白质序列分析 第一节、蛋白质数据库介绍 一、蛋白质一级数据库 1、 SWISS-PROT 数据库 SWISS-PROT和PIR是国际上二个主要的蛋白质序列数据 库，目前这二个数据库在EMBL和GenBank数据库上均建 立了镜像 (mirror) 站点。 SWISS-PROT数据库包括了从EMBL翻译而来的蛋白质序 列，这些序列经过检验和注释。该数据库主要由日内瓦大 学医学生物化学系和欧洲生物信息学研究所(EBI)合作维 护。SWISS-PROT的序列数量呈直线增长。 2、TrEMBL数据库： SWISS-PROT的数据存在一个滞后问题，即 进行注释需要时间。一大批含有开放阅读 了解决这一问题，TrEMBL(Translated E 白质数据库，它包括了所有EMBL库中的 质序列数据源，但这势必导致其注释质量 3、PIR数据库： PIR数据库的数据最初是由美国国家生物医学研究基金 会（National Biomedical Research Foundation, NBRF） 收集的蛋白质序列，主要翻译自GenBank的DNA序列。 1988年，美国的NBRF、日本的JIPID（the Japanese International Protein Sequence Database日本国家蛋 白质信息数据库）、德国的MIPS（Munich Information Centre for Protein Sequences摹尼黑蛋白质序列信息 中心）合作，共同收集和维护PIR数据库。PIR根据注释 程度(质量)分为4个等级。 4、 ExPASy数据库： 目前，瑞士生物信息学研究所（Swiss I 质分析专家系统（Expert protein anal 据库。 网址：https://www.360docs.net/doc/3810297146.html, 我国的北京大学生物信息中心(www.cbi.
蛋白多糖-又称黏多糖,为基质的主要成分,是多糖分子与蛋白质结合而成的复合物
蛋白多糖-又称黏多糖，为基质的主要成分，是多糖分子与蛋白质结合而成的复合物 蛋白多糖-又称黏多糖，为基质的主要成分，是多糖分子与蛋白质结合而成的复合物。多糖部分为糖胺多糖，又称氨基已糖多糖，由成纤维细胞产生，主要分硫酸化和非硫酸化两类。前一类主要有硫酸软骨素、硫酸角质素、硫酸肝素等；后一类为透明质酸，是曲折盘绕的长链大分子，构成蛋白质多糖复合物的主干，其他糖胺多糖则与蛋白质结合，形成蛋白多糖亚单位，后者再通过结合蛋白链与透明质酸长链分子形成蛋白多糖聚合体。 学术术语来源—— 温阳益髓中药干预兔膝骨关节炎软骨基质金属蛋白酶的表达 文章亮点： 1 实验的特点为发现温阳益髓中药对骨关节炎软骨中基质金属蛋白酶13表达的抑制作用极其显著，可以降低基质金属蛋白酶1的表达，其作用效果较盐酸氨基葡萄糖要略弱，对基质金属蛋白酶3表达具有显著的抑制作用，其作用强度比盐酸氨基葡萄糖更强。 2 作者认为，温阳益髓中药可以有效抑制软骨基质中基质金属蛋白酶的表达，通过抑制基质金属蛋白酶的表达减少软骨基质的降解，从而对关节软骨起到保护作用。 关键词： 组织构建；软骨组织工程；温阳益髓；中药；骨关节炎；基质金属蛋白酶；软骨；盐酸氨基葡萄糖；北京市自然科学基金 主题词： 骨关节炎；软骨；中草药；基质金属蛋白酶 摘要 背景：目前临床上关于温阳益髓中药治疗膝骨关节炎对软骨基质金属蛋白酶表达影响的研究还较少有报道。 目的：制作兔膝骨关节炎模型观察温阳益髓中药对软骨基质金属蛋白酶表达的影响。 方法：健康成年新西兰大白兔96只，随机选取72只采用石膏外固定方法制作兔膝骨关节炎模型。确定造模成功后再随机分为3组，模型组不做处理；中药治疗组每日灌胃方药提取液24 mL/kg，药物对照组每日灌胃葡立胶囊(盐酸氨基葡萄糖)24 mg/kg，1次/d，至造模成功后8周。另外24只新西兰大白兔作为空白对照。 结果与结论：PCR方法定量分析骨关节炎模型组软骨组织中基质金属蛋白酶1、基质金属蛋白酶3、基质金属蛋白酶13表达水平均显著高于其他3组。中药治疗组及药物对照组中基质金属蛋白酶1、基质金属蛋白酶3及基质金属蛋白酶13的表达较模型组明显降低。说明温阳益髓中药治疗兔膝骨关节炎能够有效抑制兔骨关节炎软骨基质金属蛋白酶的表达。 中国组织工程研究杂志出版内容重点：组织构建；骨细胞；软骨细胞；细胞培养；成纤维细胞；血管内皮细胞；骨质疏松；组织工程
蛋白质结构预测在线软件
蛋白质预测分析网址集锦? 物理性质预测：? Compute PI/MW?? ?? SAPS?? 基于组成的蛋白质识别预测? AACompIdent???PROPSEARCH?? 二级结构和折叠类预测? nnpredict?? Predictprotein??? SSPRED?? 特殊结构或结构预测? COILS?? MacStripe?? 与核酸序列一样，蛋白质序列的检索往往是进行相关分析的第一步，由于数据库和网络技校术的发展，蛋白序列的检索是十分方便，将蛋白质序列数据库下载到本地检索和通过国际互联网进行检索均是可行的。? 由NCBI检索蛋白质序列? 可联网到：“”进行检索。? 利用SRS系统从EMBL检索蛋白质序列? 联网到：”，可利用EMBL的SRS系统进行蛋白质序列的检索。? 通过EMAIL进行序列检索?
当网络不是很畅通时或并不急于得到较多数量的蛋白质序列时，可采用EMAIL方式进行序列检索。? 蛋白质基本性质分析? 蛋白质序列的基本性质分析是蛋白质序列分析的基本方面，一般包括蛋白质的氨基酸组成，分子质量，等电点，亲水性，和疏水性、信号肽，跨膜区及结构功能域的分析等到。蛋白质的很多功能特征可直接由分析其序列而获得。例如，疏水性图谱可通知来预测跨膜螺旋。同时，也有很多短片段被细胞用来将目的蛋白质向特定细胞器进行转移的靶标（其中最典型的例子是在羧基端含有KDEL序列特征的蛋白质将被引向内质网。WEB中有很多此类资源用于帮助预测蛋白质的功能。? 疏水性分析? 位于ExPASy的ProtScale程序（?）可被用来计算蛋白质的疏水性图谱。该网站充许用户计算蛋白质的50余种不同属性，并为每一种氨基酸输出相应的分值。输入的数据可为蛋白质序列或SWISSPROT数据库的序列接受号。需要调整的只是计算窗口的大小（n）该参数用于估计每种氨基酸残基的平均显示尺度。? 进行蛋白质的亲/疏水性分析时，也可用一些windows下的软件如，bioedit,dnamana等。? 跨膜区分析? 有多种预测跨膜螺旋的方法，最简单的是直接，观察以20个氨基酸为单位的疏水性氨基酸残基的分布区域，但同时还有多种更加复杂的、精确的算法能够预测跨膜螺旋的具体位置和它们的膜向性。这些技术主要是基于对已知
ESI-MS 分析蛋白质非共价键复合物
ESI-MS分析蛋白质非共价键复合物 质谱作为一种分析方法，长期以来一直用于小分子化合物的结构分析。直到80年代末电喷雾电离质谱（Electrospray Ionization Mass Spectrometry, ESI-MS）和基体辅助激光解析电离飞行时间质谱（Matrix-assisted Laser Desorption Ionization Time of Flight Mass Spectrometry, MALDI-TOF-MS）两种“软电离（Soft Ionization）”质谱的出现，才将质谱的分析范围扩大到生物大分子的结构分析。这两种技术具有高灵敏和高质量检测范围，能在飞摩尔(10-15)乃至阿摩尔(10-18)水平检测相对分子量高达几十万的生物大分子。随着近年来“软电离”技术的进一步发展，质谱技术在蛋白质非共价键复合物研究方面显示了良好的应用前景。 虽然有多种方法可用于检测非共价键复合物，但它们各有优缺点。凝胶色谱、超速离心、红外光谱、差示紫外光谱、荧光光谱、圆二色光谱等可反映形成非共价键复合物后蛋白质结构发生的变化，但只能提供很少或不能提供关于分子量及复合物化学计量结合数的信息；X-晶体衍射和核磁共振法可用于测定蛋白质的三维结构，能提供详细的结构信息，但都费时且复杂。X-晶体衍射只有在得到合适晶体的情况下才能应用，而单晶的培养却非易事。核磁共振分析所用样品量很大且不能分析分子量很大的复合物。电喷雾电离质谱能够在非常接近天然溶液状态的情况下将非常弱的蛋白质非共价键复合物从液相转变为气相而进行测定，能够更加真实地反映生物大分子的生理状态。 电喷雾离子化技术(ESI)的工作原理：利用位于一根毛细管和质谱进口间的电势差生成离子，在电场的作用下产生喷雾形式存在的带电液滴。在真空条件下下，液滴表面溶剂蒸发，液滴变小，液滴的电荷密度骤增。当静电排斥力大于液滴的表面张力时，液滴便发生崩解，形成更小的液滴。如此形成的小液滴以类似的方式继续崩解，于是液滴中的溶剂迅速蒸干，产生多电荷离子（离子可带正电或负电、依赖于实验条件），在质谱仪内被分析纪录。电喷雾电离的特征之一是可生成高度带电的离子而不发生破裂，这样可将质荷比降低到各种不同类型的质量分析仪都能检测的程度。 电喷雾质谱研究蛋白质非共价键复合物成功的关键是仪器参数的设定和样
蛋白质结构解析研究进展作业
《蛋白质结构解析研究进展》 一、蛋白质结构分类 人类对于进化的认识及蛋白质结构相似性比较的研究使蛋白质结构分类成为可能，而且近年来取得的研究进展表明，大部分蛋白质可以成功的分入到适当数目的家族中。目前国际上流行的蛋白质结构分类数据库基本上采取两种不同的思路，一种是数据库中储存所有结构两两比较的结果；第二种思路是致力于构建非常正式的分类体系。由于所有分类方法反映了各研究小组在探究这个重要领域的不同角度，所以这些方法是同等有效的。目前，被广泛应用的四种分类标准是：手工构造的层次分类数据库SCOP，全自动分类的MMDB和FSSP，和半手工半自动的CATH。 蛋白质结构自动分类问题可以被纳入机器学习的范畴，通过提取分析蛋白质结构的关键特征，构造算法来学习蕴含于大量已知结构和分类的数据中的专家经验知识，来实现对未知蛋白质结构的分类预测。目前，对蛋白质结构的不同层次分类，结果比较好的机器学习方法是：神经网络多层感知器、支持向量机和隐马尔可夫模型。支持向量机应用于分类问题最终归结于求解一个最优化问题。上世纪90 年代中期，隐马尔可夫模型与其他机器学习技术结合，高效地用于多重比对、数据挖掘和分类、结构分析和模式发现。多层感知器即误差反向传播神经网络，它是在各种人工神经网络模型中，在机器学习中应用最多且最成功的采用BP学习算法的分类器。 二、蛋白质结构的确定 蛋白质三维空间结构测定方法主要包括X射线晶体学分析、核磁共振波谱学技术和三维电镜重构，这三种方法都可以完整独立地在原子分辨水平上测定出蛋白质的三维空间结构。蛋白质数据库PDB中80%的蛋白质结构是由X射线衍射分析得到的，约15%的蛋白质结构是由核磁共振波谱学这种新的结构测定方法得到。 1、X射线晶体学
蛋白质结构预测方法综述
蛋白质结构预测方法综述 卜东波陈翔王志勇 《计算机不能做什么？》是一本好书，其中文版序言也堪称佳构。在这篇十余页的短文中，马希文教授总结了使用计算机解决实际问题的三步曲，即首先进行形式化，将领域相关的实际问题抽象转化成一个数学问题；然后分析问题的可计算性；最后进行算法设计，分析算法的时间和空间复杂度，寻找最优算法。 蛋白质空间结构预测是很有生物学意义的问题，迄今亦有很多的工作。有意思的是，其中一些典型工作恰恰是上述三步曲的绝好示例，本文即沿着这一路线作一总结，介绍于后。 1 背景知识 生物细胞种有许多蛋白质（由20余种氨基酸所形成的长链），这些大分子对于完成生物功能是至关重要的。蛋白质的空间结构往往决定了其功能，因此，如何揭示蛋白质的结构是非常重要的工作。 生物学界常常将蛋白质的结构分为4个层次：一级结构，也就是组成蛋白质的氨基酸序列；二级结构，即骨架原子间的相互作用形成的局部结构，比如alpha螺旋,beta片层和loop区等；三级结构，即二级结构在更大范围内的堆积形成的空间结构；四级结构主要描述不同亚基之间的相互作用。 经过多年努力，结构测定的实验方法得到了很好的发展，比较常用的有核磁共振和X光晶体衍射两种。然而由于实验测定比较耗时和昂贵，对于某些不易结晶的蛋白质来说不适用。相比之下，测定蛋白质氨基酸序列则比较容易。因此如果能够从一级序列推断出空间结构则是非常有意义的工作。这也就是下面的蛋白质折叠问题： 1蛋白质折叠问题（Protein Folding Problem） 输入: 蛋白质的氨基酸序列
输出: 蛋白质的空间结构 蛋白质结构预测的可行性是有坚实依据的。因为一般而言，蛋白质的空间结构是由其一级结构确定的。生化实验表明：如果在体外无任何其他物质存在的条件下，使得蛋白质去折叠，然后复性，蛋白质将立刻重新折叠回原来的空间结构，整个过程在不到1秒种内即可完成。因此有理由认为对于大部分蛋白质而言，其空间结构信息已经完全蕴涵于氨基酸序列中。从物理学的角度讲，系统的稳定状态通常是能量最小的状态，这也是蛋白质预测工作的理论基础。 2 蛋白质结构预测方法 蛋白质结构预测的方法可以分为三种： 同源性（Homology ）方法：这类方法的理论依据是如果两个蛋白质的序列比较相似，则其结构也有很大可能比较相似。有工作表明，如果序列相似性高于75％，则可以使用这种方法进行粗略的预测。这类方法的优点是准确度高，缺点是只能处理和模板库中蛋白质序列相似性较高的情况。 从头计算（Ab initio ） 方法：这类方法的依据是热力学理论，即求蛋白质能量最小的状态。生物学家和物理学家等认为从原理上讲这是影响蛋白质结构的本质因素。然而由于巨大的计算量，这种方法并不实用，目前只能计算几个氨基酸形成的结构。IBM 开发的Blue Gene 超级计算机，就是要解决这个问题。 穿线法(Threading )方法：由于Ab Initio 方法目前只有理论上的意义，Homology 方法受限于待求蛋白质必需和已知模板库中某个蛋白质有较高的序列相似性，对于其他大部分蛋白质来说，有必要寻求新的方法。Threading 就此应运而生。 以上三种方法中，Ab Initio 方法不依赖于已知结构，其余两种则需要已知结构的协助。通常将蛋白质序列和其真实三级结构组织成模板库，待预测三级结构的蛋白质序列，则称之为查询序列(query sequence)。 3 蛋白质结构预测的Threading 方法 Threading 方法有三个代表性的工作：Eisenburg 基于环境串的工作、Xu Ying 的Prospetor 和Xu Jinbo 、Li Ming 的RAPTOR 。 Threading 的方法：首先取出一条模版和查询序列作序列比对(Alignment)，并将模版蛋白质与查询序列匹配上的残基的空间坐标赋给查询序列上相应的残基。比对的过程是在我们设计的一个能量函数指导下进行的。根据比对结果和得到的查询序列的空间坐标，通过我们设计的能量函数，得到一个能量值。将这个操作应用到所有的模版上，取能量值最低的那条模版产生的查询序列的空间坐标为我们的预测结果。 需要指出的是，此处的能量函数却不再是热力学意义上的能量函数。它实质上是概率的负对数，即 ，我们用统计意义上的能量来代替真实的分子能量，这两者有大致相同的形式。 p E log ?=如果沿着马希文教授的观点看上述工作 ，则更有意思：Eisenburg 指出如果仅仅停留在简单地使用每个原子的空间坐标(x,y,z)来形式化表示蛋白质空间结构，则难以进一步深入研究。Eisenburg 创造性地使用环境串表示结构，从而将结构预测问题转化成序列串和环境串之间的比对问题；其后，Xu Ying 作了进一步发展，将蛋白质序列表示成一系列核（core ）组成的序列，Core 和Core 之间存在相互作用。因此结构就表示成Core 的空间坐标，以及Core 之间的相互作用。在这种表示方法的基础上，Xu Ying 开发了一种求最优匹配的动态规划算法，得到了很好的结果。但是由于其较高的复杂度，在Prospetor2上不得不作了一些简化；Xu Jinbo 和Li Ming 很漂亮地解决了这个问题，将求最优匹配的过程表示成一个整数规划问题，并且证明了一些常用
重要蛋白质复合物的结构与功能研究
项目名称：重要蛋白质复合物的结构与功能研究首席科学家：隋森芳清华大学 起止年限：2011.1至2015.8 依托部门：教育部
二、预期目标 1、总体目标 本项目在瞄准蛋白质科学重大前沿问题的基础上，密切结合我国的实际情况，在重要蛋白质复合物结构与功能的研究上取得若干突破，获得一批原创性的成果，力争在国际顶级学术期刊上发表高水平论文。此外，通过本项目的实施，争取建立较完善的蛋白质复合物结构与功能研究的实验体系和技术平台，建立和培养一支具有国际水平的适于蛋白质复合物研究的队伍梯队。本项目把提升我国蛋白质科学的研究水平和国际影响力作为目标之一，通过本项目的实施使我国在蛋白质复合物研究领域在国际上占据重要的地位，并为我国基于蛋白质复合物药物靶点的创新药物研发奠定基础。 2、五年预期目标 1）通过本项目的实施获得一批原创性的研究成果：(1)通过解析蛋白质跨膜转运复合物、膜融和蛋白复合物，以及重要通道蛋白复合物的结构，揭示这些蛋白复合物在膜转运过程中的装配机制及发挥功能的分子机理；(2)通过解析膜受体与其配体以及调控基因表达的一系列蛋白质复合物的结构，揭示其介导的信号通路的分子机制；(3)通过解析调控细胞极化过程的信号通路中几组蛋白质复合物的结构及装配，阐明细胞极化过程的分子调控机理；(4)通过解析ACC、UCA、TC以及PC等具有重要生理功能的羧基转移酶的全酶结构，揭示其在催化代谢过程的生化反应中发挥作用机理。 2）通过本项目的实施，建立完善的蛋白质复合物结构与功能研究的实验研究体系，探索建立运用X-ray、Cryo-EM和NMR三大技术联合攻关高通量解析蛋白质复合物结构的技术平台。 3）通过本项目的实施，培养一批高质量博士后和研究生，扶植一批在蛋白质复合物的结构与功能研究领域具有国际竞争力的优秀中青年科学家和后备人才，建立一支结构合理，具有攻坚能力的国际先进水平的研究队伍。 4）以研究论文形式公布项目研究成果，发表高水平的学术论文。在影响因子大于10的国际一流杂志上发表学术论文15篇以上，其中Cell、Nature、Science论文4篇以上。
三种分析蛋白结构域的方法
三种分析蛋白结构域(Domains)的方法 1，SMART入门，蛋白结构和功能分析 SMART介绍 SMART (a Simple Modular Architecture Research Tool) allows the identification and annotation of genetically mobile domains and the analysis of domain architectures. More than 500 domain families found in signalling, extracellular and chromatin-associated proteins are detectable. These domains are extensively annotated with respect to phyletic distributions, functional class, tertiary structures and functionally important residues. Each domain found in a non-redundant protein database as well as search parameters and taxonomic information are stored in a relational database system. User interfaces to this database allow searches for proteins containing specific combinations of domains in defined taxa. For all the details, please refer to the publications on SMART. SMART(，可以说是蛋白结构预测和功能分析的工具集合。简单点说，就是集合了一些工具，可以预测蛋白的一些二级结构。如跨膜区（Transmembrane segments），复合螺旋区（coiled coil regions），信号肽（Signal peptides），蛋白结构域（PFAM domains）等。 SMART前该知道的 1，SMART有两种不同的模式：normal 或genomic 主要是用的数据库不一样。Normal SMART, 用的数据库 Swiss-Prot, SP-TrEMBL 和 stable Ensembl proteomes。Genomic SMART, 用全基因组序列。详细列表：，一些名词解释 进行时 可以直接用各个数据库蛋白的ID。如Uniprot/Ensembl??ID / Accession number (ACC)。或是直接蛋白序列。运行SMART也可选择signal peptides、PFAM domains等的预测，勾上就是。看下图 SMART结果 运行后的结果用图表表示。其实运行后的结果都有明确的解释。详细请看下面。
蛋白质结构预测
实习 5 ：蛋白质结构预测 学号20090***** 姓名****** 专业年级生命生技**** 实验时间2012.6.21 提交报告时间2012.6.21 实验目的： 1.学会使用GOR和HNN方法预测蛋白质二级结构 2.学会使用SWISS-MODEL进行蛋白质高级结构预测 实验内容： 1.分别用GOR和HNN方法预测蛋白质序列的二级结构，并对比异同性。 2.利用SWISS-MODEL进行蛋白质的三级结构预测，并对预测结果进行解释。 作业： 1. 搜索一条你感兴趣的蛋白质序列，分别用GOR和HNN进行二级结构预测，解释预测结果，分析两个方法结果有何异同。 答：所选用蛋白质序列为>>gi|390408302|gb|AFL70986.1| gag protein, partial [Human immunodeficiency virus] （1）GOR预测结果： 图1 图1是每个氨基酸在序列中所处的状态，可以看出序列的二级结构预测结果为： 1到9位个氨基酸为无规卷曲，10到33位氨基酸为α螺旋,34到37位为β折叠，38到45位为无规卷曲，46到49位为α螺旋，50到53位为无规卷曲，54到65为α螺旋，66到72位为无规卷曲，73到95位为α螺旋，96到101位为无规卷曲，102到108为β折叠，109到115位为无规卷曲，117位为β折叠。 图2 图2为各种结构在序列中所占的比例，其中Alpha helix占53.85%，Extended strand占11.11%，Random coil占35.04%，无他二级结构。
图3 图3为各个氨基酸在序列中的状态以及二级结构在全序列中二级结构分布情况。 （2）HNN预测： 图4 图4是每个氨基酸在序列中所处的状态，可以看出序列的二级结构预测结果为： 1到6位个氨基酸为无规卷曲，7到34位氨基酸为α螺旋,35到37位为β折叠，38位为α螺旋，39到44位为无规卷曲，45到49位为α螺旋，50到55位为无规卷曲，56到65为α螺旋，66到71位为无规卷曲，72到83位为α螺旋，84到86位为无规卷曲，87到95位为α螺旋，96到102为无规卷曲，103到108位为β折叠，108到117位为无规卷曲。 图5 图5为各种结构在序列中所占的比例，其中Alpha helix占55.56%，Extended strand占7.69%，Random coil占36.75%，无他二级结构。
蛋白质功能-结构-相互作用预测网站工具合集
蛋白质组学 蛋白质是生物体的重要组成部分，参与几乎所有生理和细胞代谢过程。此外，与基因组学和转录组学比较，对一个细胞或组织中表达的所有蛋白质，及其修饰和相互作用的大规模研究称为蛋白质组学。 蛋白质组学通常被认为是在基因组学和转录组学之后，生物系统研究的下一步。然而，蛋白质组的研究远比基因组学复杂，这是由于蛋白质内在的复杂特点，如蛋白质各种各样的翻译后修饰所决定的。并且，研究基因组学的技术要比研究蛋白质组学的技术强得多，虽然在蛋白质组学研究中，质谱技术的研究已取得了一些进展。 尽管存在方法上的挑战，蛋白质组学正在迅速发展，并且对癌症的临床诊断和疾病治疗做出了重要贡献。几项研究鉴定出了一些蛋白质在乳腺癌、卵巢癌、前列腺癌和食道癌中表达变化。例如，通过蛋白质组学技术，人们可以在患者血液中明确鉴定出肿瘤标志物。表1列出了更多的蛋白质组学技术用于研究癌症的例子。 另外，高尔基体功能复杂。最新研究表明，它除了参与蛋白加工外，还能参与细胞分化及细胞间信号传导的过程，并在凋亡中扮演重要角色，其功能障碍也许和肿瘤的发生、发展有某种联系。根据人类基因组研究，约1000多种人类高尔基体蛋白质中仅有500~600种得到了鉴定，建立一条关于高尔基体蛋白质组成的技术路线将有助于其功能的深入研究。 蛋白质组学是一种有效的研究方法，特别是随着亚细胞器蛋白质组学技术的迅猛发展，使高尔基体的全面研究变为可能。因此研究人员希望能以胃癌细胞中的高尔基体为研究对象，通过亚细胞器蛋白质组学方法，建立胃癌细胞中高尔基体的蛋白质组方法学。 研究人员采用蔗糖密度梯度的超速离心方法分离纯化高尔基体，双向凝胶电泳（2-DE）分离高尔基体蛋白质，用ImageMaster 2D软件分析所得图谱，基质辅助激光解吸离子化飞行时间质谱（MALDI-TOF MS）鉴定蛋白质点等一系列亚细胞器蛋白质组学方法建立了胃癌细胞内高尔基体的蛋白图谱。 最后，人们根据分离出的纯度较高的高尔基体建立了分辨率和重复性均较好的双向电泳图谱，运用质谱技术鉴定出12个蛋白质，包括蛋白合成相关蛋白、膜融合蛋白、调节蛋白、凋亡相关蛋白、运输蛋白和细胞增殖分化相关蛋白。通过亚细胞器分离纯化、双向电泳的蛋白分离及MALDI-TOF MS蛋白鉴定分析，研究人员首次成功建立了胃癌细胞SGC7901中高尔基体的蛋白质组学技术路线。 3.1 蛋白质功能预测工具 也许生物信息学方法在癌症研究中最常用的就是基因功能预测方法，但是这些数据库只存储了基因组的大约一半基因的功能。为了在微阵列资料基础上完成功能性的富集分析，基因簇的功能注解是非常重要的。近几年生物学家研发了一些基因功能预测的方法，这些方法旨在超越传统的BLAST搜索来预测基因的功能。基因功能预测可以以氨基酸序列、三级结构、与之相互作用的配体、相互作用过程或基因的表达方式为基础。其中最重要的是基于氨基酸序列的分析，因为这种方法适合于微阵列分析的全部基因。 在表3中，前三项列举了三种同源搜索方法。FASTA方法虽然应用还不太广泛，但它要优于BLAST，或者至少相当。FASTA程序是第一个使用的数据库相似性搜索程序。为了达到较高的敏感程度，程序引用取代矩阵实行局部比对以获得最佳搜索。美国弗吉尼亚大学可以提供这项程序的地方版本，当然数据库搜索结果依赖于要搜索的数据库序列。如果最近的序列数据库版本在弗吉尼亚大学不能获得，那么就最好试一下京都大学（Kyoto University）的KEGG站点。PSI-BLAST（位点特异性反复BLAST）是BLAST的转化版本，PSI-BLAST的特色是每次用profile 搜索数据库后再利用搜索的结果重新构建profile，然后用新的profile再次搜索数据库，如此反复直至没有新的结果产生为止。PSI-BLAST先用带空位的BLAST搜索数据库，将获得的序列通过多序列比对来构建第一个profile。PSI-BLAST自然地拓展了BLAST方法，能寻找蛋白质序列中的隐含模式，有研究表明这种方法可以有效地找到很多序列差异较大而结构功能相似的相关蛋白，所以它比BLAST和FASTA有更好的敏感性。PSI-BLAST服务可以
蛋白质结构与功能的生物信息学研究
实验名称：蛋白质结构与功能的生物信息学研究 实验目的：1.掌握运用BLAST工具对指定蛋白质的氨基酸序列同源性搜索的方法。 2.掌握用不同的工具分析蛋白质的氨基酸序列的基本性质 3掌握蛋白质的氨基酸序列进行三维结构的分析 4.熟悉对蛋白质的氨基酸序列所代表蛋白的修饰情况、所参与的 代谢途径、相互作用的蛋白，以及与疾病的相关性的分析。实验方法和流程： 一、同源性搜索 同源性从分子水平讲则是指两个核酸分子的核苷酸序列或两个蛋白质分子的氨基酸序列间的相似程度。BLAST工具能对生物不同蛋白质的氨基酸序列或不同的基因的DNA序列极性比对，并从相应数据库中找到相同或相似序列。对指定的蛋白质的氨基酸序列进行同源性搜索步骤如下： ↓ 登录网址https://www.360docs.net/doc/3810297146.html,/blast/ ↓ 输入序列后,运行blast工具 ↓ 序列比对的图形结果显示
序列比对的图形结果：用相似性区段（Hit）覆盖输入序列的范围判断两个序列 的相似性。如果图形中包含低得分的颜色（主要是红色） 区段，表明两序列的并非完全匹配。 ↓ 匹配序列列表及得分
各序列得分 可选择不同的比对工具 备注: Clustal是一款用来对()的软件。可以用来发现特征序列，进行蛋白分类，证明序列间的同源性，帮助预测新序列二级结构与三级结构，确定PCR引物，以及 在分子进化分析方面均有很大帮助。Clustal包括Clustalx和Clustalw(前者是 图形化界面版本后者是命令界面)，是生物信息学常用的多序列比对工具。 该序列的比对结果有100条，按得分降序排列，其中最大得分2373，最小得分 分为1195. ↓ 详细的比对序列的排列情况 第一个匹配 序列 第一个序列的匹配率为100% Score表示打分矩阵计算出来的值，由搜索算法决定的，值越大说明匹配程度