蛋白质结构与功能的生物信息学研究
生物信息学中的蛋白质结构与功能预测
生物信息学中的蛋白质结构与功能预测蛋白质是生物体内的重要分子，它们在维持生命活动中起着至关重要的作用。
了解蛋白质的结构和功能对于深入理解生物学过程、疾病发展以及药物设计具有重要意义。
然而，实验测定蛋白质的结构及其功能是一项耗时费力且成本高昂的工作。
为了解决这一问题，生物信息学中的蛋白质结构与功能预测成为一种有效的方法。
蛋白质结构预测是生物信息学中的重要研究领域之一。
根据蛋白质的氨基酸序列，结合生物化学、物理化学以及计算机科学的方法，可以建立一系列模型和算法，预测蛋白质的三维结构。
蛋白质的结构是决定其功能的基础，通过结构预测可以揭示蛋白质的功能和相互作用，为后续进一步的研究提供指导。
在蛋白质结构预测中，常用的方法有同源建模、折叠动力学模拟和密度泛函理论等。
同源建模是基于已知蛋白质结构和与待预测蛋白质具有较高相似性的蛋白质序列进行模拟和比对，从而预测待预测蛋白质的结构。
折叠动力学模拟则模拟蛋白质在空间中折叠成稳定结构的过程，通过分子力学和数值计算方法，获得预测蛋白质结构的可能构型。
而密度泛函理论则是利用量子力学的计算方法，建立不同蛋白质结构和功能之间的关联，实现蛋白质结构预测和功能预测的目的。
除了蛋白质结构预测，生物信息学中的蛋白质功能预测也是一个重要领域。
蛋白质功能是指蛋白质在生物体内扮演的具体角色，如催化反应、运输分子以及信号传导等。
通过分析蛋白质的序列、结构、水平和进化等特征，可以预测蛋白质的功能。
常见的蛋白质功能预测方法包括序列比对、结构域分析和机器学习等。
序列比对是常用的蛋白质功能预测方法之一，它通过比对待预测蛋白质序列与已知功能蛋白质序列的相似性，推断待预测蛋白质的功能。
对于已知功能蛋白质序列，可以通过蛋白质数据库的检索和分析来获取。
结构域分析则是基于蛋白质中的功能结构域来预测其功能。
功能结构域是指蛋白质中识别和结合特定物质的功能区域，可以通过各种软件工具进行识别和注释。
机器学习是一种颇有潜力的蛋白质功能预测方法，它借助计算机算法和统计模型，通过对已知功能蛋白质的训练，预测待预测蛋白质的功能。
生物信息学对蛋白质结构预测和功能分析的研究
生物信息学对蛋白质结构预测和功能分析的研究蛋白质是生命中重要的基础物质，具有重要的生物学功能，如酶、激素、抗体等，因此对蛋白质的结构预测和功能分析研究尤为重要。
这方面的研究需要利用多种方法和技术，而生物信息学则是其中一种重要的手段。
基于序列相似性的蛋白质结构预测蛋白质的结构与其功能密切相关，因此预测蛋白质结构是分子生物学与生物信息学研究的重要课题。
最直接的方法是通过分析蛋白质的X射线晶体结构来得出其三维结构，但这种方法需要大量时间和成本。
此外，许多蛋白质没有形成可晶化的结构，因此无法通过晶体学方法解析其结构。
为了突破这些困难，研究人员采用了生物信息学方法来预测蛋白质的结构。
这种方法基于序列相似性原理，即类似的蛋白质结构也具有相似的序列。
因此，通过对比目标蛋白质与已知结构相似的蛋白质序列，可以预测出其可能的结构。
这种方法称为序列比对，是一种常见的生物信息学技术。
利用模拟和机器学习的蛋白质结构预测除了基于序列相似性的方法，还有许多其他生物信息学技术可用于蛋白质结构预测。
例如，利用分子模拟技术可以通过模拟蛋白质分子的力学性质来预测其结构。
另外，也可以使用机器学习算法来进行结构预测。
这些方法不仅能为蛋白质结构的预测提供一种新的思路，而且为更精确地预测蛋白质的结构提供了新的可能性。
基于生物信息学的蛋白质功能分析蛋白质的结构与功能之间存在着紧密的关系，因此对蛋白质功能的分析也是生物信息学研究的重要内容。
在生物信息学领域，存在许多可用于预测蛋白质功能的工具。
例如，BLAST、HMMer 等可用于查找与已知蛋白质相似的序列，以推断其可能具有的功能和结构。
同时，生物信息学还涵盖了分子动力学模拟、系统生物学和蛋白质与小分子间相互作用等方面的研究，为蛋白质的功能研究和药物设计提供了重要的支持。
结论综上所述，生物信息学是预测蛋白质的结构和功能的重要工具之一。
基于序列比对、模拟、机器学习和其他技术的研究为预测蛋白质结构和功能提供了多样化的途径。
原始蛋白结构与功能的生物信息学研究的开题报告
原始蛋白结构与功能的生物信息学研究的开题报告
一、研究背景
蛋白是生命体中最基本的组成部分之一，也是各种生物学过程的基础。
蛋白质的三维结构决定着其功能，因此研究蛋白质结构与功能的关系对于解决生物学中的许多问题具有重要意义。
然而，确定蛋白质的三维结构是一项非常复杂和耗时的挑战，因此有必要开展生物信息学研究，以探究蛋白质的结构与功能之间的关系。
二、研究目的
本研究旨在利用生物信息学工具，分析原始蛋白质的结构与功能之间的关系，以加深对蛋白质生物学的认识，为生物医学领域的疾病治疗和药物设计提供理论依据。
三、研究内容
1. 搜集原始蛋白质序列数据库
本研究将从NCBI、Uniprot等公共数据库中搜集原始蛋白质序列数据，并进行筛选和整合。
2. 序列分析
通过利用多种生物信息学工具，对原始蛋白质序列进行生物信息学分析，包括基本生化性质、序列保守性和氨基酸分布情况等分析。
3. 三维结构预测
选取常用的生物信息学工具进行三维结构预测，如模板比对、模拟退火等方法，以预测原始蛋白质的三维结构。
4. 结构功能分析
对预测的三维结构进行分析，探索蛋白质结构与功能之间的关系，并评估预测结果的可靠性。
四、预期结果
本研究将预测原始蛋白质的三维结构，并通过结构功能分析，深入探究蛋白质结构与功能之间的关系。
预期可以解析一些未知蛋白质的结构，并为生物医学和药物设计领域提供理论依据。
蛋白质结构与功能注释的方法
蛋白质结构与功能注释的方法在生物学中，蛋白质是生命的重要组成部分，扮演着许多重要的功能角色。
为了深入了解蛋白质的结构和功能，科学家们开发了各种方法和技术。
本文将介绍几种常用的蛋白质结构与功能注释的方法。
一、生物物理实验方法1. X射线晶体学X射线晶体学是一种常用的确定蛋白质结构的方法。
通过将蛋白质晶体置于X射线束中，蛋白质晶体会产生X射线的衍射图样。
通过分析衍射数据，科学家可以确定蛋白质的原子坐标，揭示其精确的三维结构。
2. 核磁共振核磁共振（NMR）是一种通过测量蛋白质中原子核的共振频率来研究其结构和动态性质的方法。
通过NMR技术，科学家可以得到蛋白质的三维结构以及蛋白质在溶液中的构象信息。
二、生物信息学方法1. 蛋白质结构预测蛋白质结构预测是通过计算方法预测蛋白质的三维结构。
常用的方法包括基于相似性的同源建模、基于物理化学性质的拟合和基于机器学习的方法。
这些方法可以在缺乏实验数据的情况下，为科学家提供蛋白质结构的推测。
2. 蛋白质功能注释蛋白质功能注释是根据蛋白质结构和序列信息，预测蛋白质的功能和参与的代谢途径。
常用的方法包括序列比对、结构域预测、功能域注释和系统生物学分析。
通过这些方法，科学家可以对蛋白质的功能进行预测和解释。
三、基于结构分析的方法1. 空间结构比对空间结构比对是比较已知蛋白质结构与未知蛋白质结构之间的相似性和差异性。
通过比较蛋白质结构之间的共性和变异性，科学家可以推测蛋白质的功能和进化关系。
2. 功能位点预测功能位点是蛋白质分子上具有特定功能的位点。
科学家利用结构分析方法，通过比较蛋白质结构中的保守位点和突变位点，来预测蛋白质的功能位点。
这些预测结果对于研究蛋白质的生物学功能和药物设计具有重要意义。
总结：蛋白质结构与功能的注释是生命科学研究中的重要内容。
通过生物物理实验方法、生物信息学方法和基于结构分析的方法，科学家们可以揭示蛋白质的精确结构和功能信息。
这些方法的综合应用将有助于我们更好地理解和应用蛋白质在生命过程中的关键作用。
生物信息学中的蛋白质结构预测与分析
生物信息学中的蛋白质结构预测与分析生物信息学是一个研究生物学中的信息处理和分析的交叉学科，在生物科学领域中扮演着重要的角色。
其中，蛋白质结构预测与分析是生物信息学中的一个重要领域。
蛋白质是生物体内最基本的功能分子，其结构与功能密切相关。
因此，了解蛋白质的结构信息对于理解其功能和启示药物设计具有重要意义。
蛋白质结构可以分为四个层次：一级结构、二级结构、三级结构和四级结构。
一级结构是指蛋白质的氨基酸序列，即由哪些氨基酸组成；二级结构是指蛋白质中氨基酸之间的空间关系，包括α-螺旋、β-折叠等；三级结构是指蛋白质整体的空间构型，由氨基酸之间的相互作用决定；四级结构是指由多个蛋白质组成的聚合体，例如蛋白质复合物。
了解蛋白质的结构有助于我们理解蛋白质的功能和机制。
蛋白质结构预测是指通过计算模型和算法，预测未知蛋白质的结构。
由于实验方法尚未能够确定所有蛋白质的结构，因此蛋白质结构预测具有重要的研究意义。
在蛋白质结构预测中，可以采用多种方法，如基于机器学习的方法、蒙特卡罗模拟等。
其中，基于机器学习的方法是目前较为常用的方法之一。
通过将已知蛋白质的结构信息输入机器学习算法中，对未知蛋白质进行结构预测。
这种方法能够通过学习已有的蛋白质结构信息，从而预测未知蛋白质的结构。
蛋白质结构预测对于生物学研究和药物设计有着重要的应用价值。
蛋白质结构分析是在蛋白质的结构已知的情况下，对其结构进行深入研究和分析。
蛋白质结构分析可以从多个角度进行，如结构功能关系、动力学研究等。
其中，结构功能关系是蛋白质结构分析中的重要方面。
通过研究蛋白质的结构信息，可以理解蛋白质的功能和作用机制。
这对于生物学的研究和药物设计具有重要意义。
此外，蛋白质的动力学研究也是蛋白质结构分析中的重要内容之一。
蛋白质在生物体内不断发生构象变化，了解蛋白质的动力学行为对于理解其功能和机制具有重要意义。
蛋白质结构预测与分析在生物信息学中扮演着重要的角色。
通过蛋白质结构预测和分析，我们可以了解蛋白质的结构和功能，为生物学研究和药物设计提供重要的启示。
生物信息学研究的蛋白质相互作用
生物信息学研究的蛋白质相互作用蛋白质是生物体内最重要的分子之一，它们在细胞内发挥着各种功能。
蛋白质的功能往往依赖于它们与其他蛋白质之间的相互作用。
了解蛋白质相互作用的机制对于揭示细胞内生物过程的调控机理具有重要意义。
在过去的几十年里，生物信息学的发展为蛋白质相互作用的研究提供了新的方法和工具。
生物信息学是一门将计算机科学和生物学相结合的学科，它利用计算机技术来处理和分析生物学数据。
在蛋白质相互作用的研究中，生物信息学可以通过分析蛋白质的序列、结构和功能等信息，来预测蛋白质之间的相互作用关系。
首先，生物信息学可以通过分析蛋白质序列来预测蛋白质相互作用。
蛋白质序列是蛋白质的基本组成单位，它决定了蛋白质的结构和功能。
通过比对不同蛋白质序列之间的相似性，可以发现它们之间可能存在的相互作用关系。
此外，生物信息学还可以通过分析蛋白质序列的特征，如氨基酸组成、二级结构和功能域等，来预测蛋白质相互作用的类型和机制。
其次，生物信息学可以通过分析蛋白质结构来预测蛋白质相互作用。
蛋白质结构是蛋白质的三维空间构型，它决定了蛋白质的功能和相互作用方式。
通过比对不同蛋白质结构之间的相似性，可以发现它们之间可能存在的相互作用关系。
此外，生物信息学还可以通过分析蛋白质结构的特征，如结构域、结合位点和界面残基等，来预测蛋白质相互作用的位置和强度。
此外，生物信息学还可以通过分析蛋白质功能来预测蛋白质相互作用。
蛋白质功能是蛋白质在细胞内发挥的特定生物学功能，它通常依赖于蛋白质与其他分子的相互作用。
通过比对不同蛋白质功能之间的相似性，可以发现它们之间可能存在的相互作用关系。
此外，生物信息学还可以通过分析蛋白质功能的特征，如酶活性、信号传导和基因调控等，来预测蛋白质相互作用的生物学意义和调控机制。
生物信息学在蛋白质相互作用研究中的应用已经取得了许多重要的成果。
例如，通过生物信息学方法预测到的蛋白质相互作用关系已经被实验证实，并揭示了许多重要的生物学过程，如细胞信号传导、代谢调控和疾病发生等。
生物信息学在蛋白质功能研究中的应用
生物信息学在蛋白质功能研究中的应用蛋白质是生命活动的主要执行者，它们参与了细胞的各种生理过程，如代谢、信号转导、免疫反应等。
了解蛋白质的功能对于揭示生命的奥秘、诊断疾病以及开发新的治疗方法都具有极其重要的意义。
生物信息学作为一门融合了生物学、计算机科学和统计学的交叉学科，为蛋白质功能的研究提供了强大的工具和方法。
在蛋白质功能研究中，生物信息学的首要应用是蛋白质序列分析。
蛋白质的序列蕴含着其功能的重要信息。
通过对大量已知功能蛋白质序列的比对和分析，可以发现一些保守的序列模式或基序，这些模式往往与特定的功能相关。
例如，某些酶的活性位点可能具有特定的氨基酸序列特征。
利用序列比对算法，如 BLAST 和 FASTA，可以将未知功能的蛋白质序列与已知功能的蛋白质序列进行相似性搜索，从而推测其可能的功能。
如果一个新的蛋白质序列与已知具有某种功能的蛋白质序列高度相似，那么它很可能具有相似的功能。
除了序列分析，蛋白质结构预测也是生物信息学的重要应用领域。
蛋白质的结构决定其功能，因此准确预测蛋白质的三维结构对于理解其功能至关重要。
基于同源建模的方法是一种常见的结构预测手段，它利用与目标蛋白质序列相似且结构已知的蛋白质作为模板来构建模型。
此外，还有从头预测方法，通过计算物理化学原理和能量最小化原则来推测蛋白质的结构。
虽然目前的结构预测方法还存在一定的局限性，但随着技术的不断进步，预测的准确性正在逐步提高。
蛋白质相互作用网络的构建和分析也是生物信息学在蛋白质功能研究中的关键应用。
细胞内的各种生命活动往往是通过蛋白质之间的相互作用来实现的。
通过实验技术，如酵母双杂交、免疫共沉淀等，可以鉴定出蛋白质之间的相互作用。
生物信息学则可以将这些相互作用数据整合起来，构建蛋白质相互作用网络。
在这个网络中，节点代表蛋白质，边代表它们之间的相互作用。
通过对网络的拓扑结构和特性进行分析，可以发现关键的蛋白质节点（即hub 蛋白），这些蛋白通常在细胞过程中发挥着重要的调控作用。
蛋白组组学
蛋白组组学蛋白组学是一门研究蛋白质在生物体中组成、结构和功能的学科，是生物信息学领域的重要组成部分。
通过对蛋白质组的研究，人们可以更深入地了解生物体内蛋白质的种类、数量、结构和功能，从而揭示生命活动的规律和机制。
蛋白质是生物体内最基本的功能分子，承担着细胞结构的构建、信息传递、代谢调节等重要功能。
蛋白组学的研究主要包括蛋白质的组成、表达水平、翻译后修饰、互作关系等方面。
通过对蛋白质组的系统分析，可以揭示蛋白质在细胞和生物体水平上的功能和调控机制，为疾病的诊断、治疗和药物研发提供重要的理论基础和实验依据。
在蛋白组学研究中，常用的技术包括质谱分析、蛋白质芯片、蛋白质相互作用分析等。
质谱分析是一种常用的蛋白质鉴定和定量方法，可以通过质谱仪测定蛋白质的质量、序列和修饰信息。
蛋白质芯片是一种高通量的蛋白质检测技术，可以同时分析大量蛋白质的表达水平和功能。
蛋白质相互作用分析可以揭示蛋白质之间的相互作用关系，帮助理解蛋白质网络的结构和功能。
通过蛋白组学的研究，人们可以揭示蛋白质在细胞和生物体中的功能和调控机制，发现新的生物标志物和药物靶点，为疾病的诊断、治疗和药物研发提供重要的科学依据。
例如，蛋白组学在肿瘤研究中发挥着重要作用，可以帮助识别肿瘤特异性蛋白质，揭示肿瘤发生发展的机制，为个性化治疗提供依据。
总的来说，蛋白组学是一门重要的生物信息学学科，对揭示生物体内蛋白质的组成、结构和功能具有重要意义。
通过蛋白组学的研究，人们可以更深入地了解生命活动的规律和机制，为疾病的诊断、治疗和药物研发提供重要的理论基础和实验依据。
希望通过不断地努力和创新，蛋白组学在生命科学领域发挥更大的作用，为人类健康和生命质量的提高做出更大的贡献。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
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
↓
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
越大。
Expect是输入序列被随机搜索出来的概率，该值越小越好。
Identities是相似程度，即匹配率，100%表示序列全部匹配。
Method:代表不同的打分矩阵方法，选择不同的打分矩阵会得到不同的打分结果。
显示结果按越后面匹配率越低。
二、分析蛋白质的氨基酸序列的基本性质
ProParam是计算氨基酸理化参数常用的工具，提供计算蛋白质的分子量、理论等电点、氨基酸组成、原子组成、消光系数（extinction coefficient）、半衰期、不稳定系数、脂肪系数和总平均疏水性（GRAVY）等。
↓
登录网址：并输入序列号
↓
↓
蛋白质的氨基酸组成、相对分子质量、等电点和原子组成。
结果1：该蛋白质序列的氨基酸数为1255个，相对分子质量为137910.5，等电点为5.58，由C、H、N、O、S五种原子组成，共有19180个原子。
↓
消光系数、半衰期、不稳定系数、脂肪系数和总平均疏水性（GRA VY）
结果2：消光系数反映了蛋白在特定波长下吸收可见光或不可见光的能力，可用来测蛋白浓度。
由上图知，该序列在280nm的波长下，假设所有成对的半胱氨酸残基形成胱氨酸，则该序列的消光系数1.003；假设所有的半胱氨酸残基都减少了，改序列的消光系数为0.976。
半衰期为30小时(哺乳动物的网织红细胞,体外)；> 20小时(酵母、体内)，> 10小时(大肠杆菌、体内)。
该蛋白不稳定系数为56.13，提示该蛋白质不稳定。
脂肪系数是计算球状蛋白脂肪族氨基酸侧链所占相对体积，反映了蛋白质的热稳定性，为82.35. 蛋白质的疏水性预测可以根据GRA VY值来预测。
GRA VY值的范围在2 与-2之间，正值表明此蛋白为疏水性蛋白，负值表明为亲水蛋白。
该蛋白的GRA VY值为-0.247，因此预测该蛋白为亲水蛋白。
↓
利用ProtScale工具对蛋白质进行亲疏水性分析
↓
登录网址并输入序列号
↓
↓
GFAP亲疏水性分布图，横坐标为序列位置，纵坐标为氨基酸的标度值。
Hphob.kyte&Doolittle 标度（default)定义疏水性氨基酸较高的打分值（>0值表示疏水性,<0值表示亲水性。
从图可看出，标度值<0的区域比>0的较为密集，因此，结合上面的GRA VY值为-0.247，预测该蛋白为亲水蛋白。
↓
利用TMPred工具对该蛋白进行跨膜区结构预测登录网址
↓
最优拓扑结构：2种模型都预测有4个蛋白质跨膜区。
↓
用TMHMM预测是否存在跨膜区
登录网址
↓
↓结果
三、蛋白质三维结构分析
↓
登录网址，输入相应的序列号提示有2个蛋白质跨膜区。
其跨膜区比TMpred预测的结果少了2个。
少了序列前面2个位置的跨膜区。
↓
↓
建模部分结果
↓
有A、B、C、D四条晶体结构的单链阵线。
四、蛋白质序列的修饰情况、所参与的代谢途径、相互作用的蛋白，
以及与疾病的相关性分析
↓
登录
在ｄａｔａｂａｓｅ里面找到ｓｔｒｉｎｇ工具。
↓
↓
输入序列号
↓
结果：
由结果可知，该蛋白质序列相互作用的蛋白有10个。
所输入序列的代码为
相互作用的
蛋白网络图
所输入序列的代码
所输入序列的代码。
序列基本信息
ERBB2。
根据基本信息可知，ERBB2是表皮生长因子受体（ EGFR)家族成员之一是白血病病毒致癌基因同族体2。
蛋白酪氨酸激酶（ERBB2基因表达产物）是几个细胞表面受体复合物的一部分,但这需要一个coreceptor配体结合。
Neuregulin受体复杂的重要组成部分,尽管neuregulin不单独与之交互。
GP30是一个潜在的配体受体。
调节产物和周边稳定微管(MTs)。
总结：该蛋白质序列的比对结果有100条，按得分降序排列，其中最大得分2373，最小得分分为1195. 该蛋白质序列的氨基酸数为1255个，相对分子质量为137910.5，等电点为5.58，由C、H、N、O、 S五种原子组成，共有19180个原子。
该序列在280nm的波长下，假设所有成对的半胱氨酸残基形成胱氨酸，则该序列的消光系数1.003；假设所有的半胱氨酸残基都减少了，改序列的消光系数为0.976。
半衰期为30小时(哺乳动物的网织红细胞,体外)；> 20小时(酵母、体内)，> 10小时(大肠杆菌、体内)。
该蛋白不稳定系数为56.13，结果提示该蛋白质不稳定。
脂肪系数为82.35.该蛋白的GRAVY值为-0.247，通过亲疏水性分析得出该蛋白为亲水蛋白。
三级结构分析显示该利用TMPred工具对该蛋白进行跨膜区结构预测得到4个跨膜区，而用TMHMM预测则存在2个跨膜区。
该蛋白质序列由4条链构成，通过相互作用分析得，该蛋白质序列相互作用的蛋白有10个，是表皮生长因子受体（ EGFR)家族成员之一，参与细胞膜的表面受体的组成，与白血病的发生有关。