蛋白质序列结构的分析与预测

蛋白质体学报告生物数据库简介蛋白质序列结构的分析与预测－Ⅱ(5/9)演讲老师：吕平江老师指导老师：李永安老师生命科学系四组长：曾瓘钧 488340444组员：林泰宏 488340030廖智凯 488340195李岳锜 488340547 前言：这本书之前的章节关于数据库得到知识的讨论，可以运用不同的数据库得到大量可用的序列讯息，当我们准备看核甘酸序列及所有的蛋白质序列时，无论是直接决定，或是经由核甘酸序列中open reading frame的转译，这些包含决定其结构及功能的内在讯息，不幸的，实验针对这些讯息不能用未加工的讯息数据来产生，一些判定的技术，像是circulardichroism spectroscopy、optical rototary dispersion、X-ray晶体绕射（X-ray crystallography）及核磁共振（NMR），对于结构的特性是非常强而有力，但这些费时的技术实行，需要高度熟练和技术性上高要求的操作，在蛋白质序列和结构数据库的大小上比较中，SWISS－PORT中有87143个蛋白质（Release 39.0），但只有12624的蛋白质结构在PDB 中出现（July, 2000），试图关掉环绕在预测结构跟功能的方法中的gap center，然后这些方式可以在生化资料缺乏时，提供一个看的见蛋白质特性的方法。

此章节焦点集中在计算的技术，可以提供学上的发现基于本身蛋白质序列或其本身蛋白质家族的比较，不像核甘酸序列，是由4个化学上相似的base所组成，蛋白质中找到20个胺基酸，提供了结构及功能非常大的变异，这些残基具有不同的化学构造，因为胺基酸是碱或是酸、是亲水性或是厌水性、还是直炼或是具有分支链、或是芳香族，所以每一个残基皆可影响蛋白质全部物理特性，因此，在蛋白质domain上，每一个残基具有某一倾向去形成不同型的结构，这些特性，基于一个生化中心的教条：序列详述构造。

不管用何种预测性的技术，它的结果都只是预测，不同的方法，用不同的规则系统，或许是、或许不是我们所预测的结果，重要的是，如何去操作一个特有的预测方法，而不是系统规则上的黑盒子：一个方法或许是适用一个特有的事件，但不能完全适用于另一个事件，即使如此，适当的利用这些技术和初期的生化数据，可以对于蛋白质结构及功能上提供有价值的鉴识。

PROTEIN IDENTITY BASED ON COMPOSTION20个胺基酸的物理及化学特性完全的了解，基于这些特性，许多有用的计算工具，已经发展用来预测未知蛋白质的辨别，在the Swiss Institute of Bioinformatics中，很多工具经由ExPASy server获得。

ExPASy的焦点是双倍功能，一个经由2-D电泳分离的未知蛋白质之协助分析，和预测已知蛋白质的未知特性，这些利用SWISS－PORT的批注来作它们的预测，虽然计算结果例如在电泳分析上是有用的，但是在很多的实验范围上是有价值的，例如一些色层分析和沉淀分析的研究，在这这段落及接下来的段落，在这个ExPASy suite中是可被辨识的，但是接下来的讨论也包含很多有用的程序，包括许多有用的程序internet资源和这些工具的关联，会在这个章节陆续列出来讨论。

AACompldent and AACompSim（ExPASy）与其利用胺基酸序列去搜寻SWISS－PORT，还不如AACompldent用未知蛋白质胺基酸的组成去辨识是同似组成的已知蛋白质，当输入时程序，需要合适胺基酸组成、等电点（pI）、和蛋白质的分子量（如果已知）、适当的分类taxonomic class和任何特殊的关键词，除此之外，使用者必须选择6个胺基酸中的一个（constellations），这个可以影响分析如何执行，例如某一群（constellations）结合残基像似Asp╱Asn（D╱N）、Gln╱Glu（Q╱E）变成为Asx（B）、Glx（Z），或某些残基从分析中完全被除去，为了在数据库每一个序列，规则系统基于不同的序列和查询的组成之间，计算出分数，这个的结果可以用e-mail答复，其中包含三个等级的列表：一个列表基于从记载从taxonomic class来的所有蛋白质，不用考虑pI或蛋白质的分子量。

一个列表基于所有的蛋白质，不管taxonomic class，不用考虑pI或蛋白质的分子量。

一个列表基于记载的taxonomic class但是要考虑pI和蛋白质的分子量。

因为计算的分数是不同的测定，分数为零暗只在查询组成按序列记载之间的有正确一致性。

AACompSim，它是AACompldent的变形，执行分析的类似型态，但是，与其利用实验上来的胺基酸组成作基本的组成搜寻，还不如用SWISS－PORT protein的序列，在不同分数的计算用于Compute pI╱MW之前，理论上的pI和分子量先被计算，它可以提供证据指出跨越种界线的胺基酸是可以很好的被保留下来，而且藉由考虑胺基酸的组成，研究员可以侦测蛋白质间的微弱相似性，（这些蛋白质序列falls below 25﹪），因此，除了执行典型的数据库搜寻之外，组成的考虑可以提供暂蛋白质之间，提供额外的鉴识。

PROPSEARCH顺着像AACompSim的同路径，PROPSEARCH利用蛋白质的胺基酸组成，去侦测蛋白质之间微弱的关系，而且作者已经说明这个技术，可以简单地被用于去辨识相同protein family的成员，然而，这个技术比具有144个物理特性的AACompSim来的费力，而被用于分析其中包含分子量案大量残基的内含物厌水值和平均电荷，这个物理特性的搜集称为查询载体（query vector），而且，在目标数据库中，先计算每一个相同型态载体可以被比较（SWISS－PORT 和PIR）这个载体的数据库的计算有利于促进查询的过程时间，输入PROPSEARCH Web server 可以查询序列，程序输猪的例子例如图11.1这里human autoantigen NOR-90的序列，被用于作输入的查询，这个结果可以藉由distance score被分类，然后这个score代表经由PROPSEARCH找到查询序列和新序列属于相同family可能性，因此，在多数的事件中暗示共同的功能，distance score为10或10以下，指出大于87﹪的机会在两个蛋白质之间是有相似性的，而这个分数低于于8.7，可增加可靠性达94﹪，而分数低于7.5则，可增加可靠性达99.6﹪，这个结果的检查显示NOR-90它和很多核仁转录因子、protein kinases、a retinoblastoma-binding protein、the actin-binding protein radixin，和RalBP1、假定的GTPase target有相似性，一但这些蛋白质的功能不相似时，没有任何的hit需要被预期的；然而，这些大多数为DNA-binding protein，这些蛋白质可以打开相似domain的可能性而被运用两者选一的功能上之状况，至少，BLASTP search对于证明结果和确认critical residues是不可或缺的。

MOWSEThe Molecular Weight Search（MOWSE）的运算法则，是利用mass spectrometric（MS）techniques所得到的讯息，完整的蛋白质分子量和一些因用特殊的protease得到的相同蛋白质的分解物，都可以一起使用，给予数个实验测定的结果，一个未知的蛋白质可以很清晰的被确认，一但未知蛋白质没有完整或部分被定序，这个方法大致上可以缩减实验的时间。

和经由试剂所产生的the resultant masses以及peptide的组成一样，The MOWSE Web front end需要一开始序列的分子量和化学试剂的使用，a tolerance value可能被记载，指出在决定the determined fragment massese的正确性中的错误许可，计算方式基于the OWL nonredudant protein sequence database中的讯息，得分基于如何在分子量给予范围内的蛋白质中，片段分子量的存在，而输出是回复分类列表顶端30个分数，用OWL entry the name、相配的peptide序列和其它统计上的知识，simulation studies用5个或较少的输入peptide重量可以产生99﹪的正确率。

PHYSICAL PROPERTIES BASED ON SEQUENCECompute pI╱MW and ProtParam（ExPASy）Compute pI╱MW这个工具可以计算输入序列的等电点和分子量，pI的决定基于pK值，描述从中性到酸性pH值的变性环境中，对于蛋白质迁徙的研究，因为这个原因，作者警告pI 对于碱性蛋白质的测定是不正确的，分子量藉由在序列中，每一个胺基酸的平均isotopic mass添加，再加上一个水分子，藉由这些东西被计算出来，藉由FASTA格式化中的使用者、或a SWISS－PORT identifier、或加入数目，序列可以被供应而被记载，假如序列是被供给的，工具可以自动计算晚整的序列长度的pI值和分子量，如果SWISS－PORT identifier 是被给予的，进去的定义和生物路径是被显示出来的，而使用者可以详述胺基酸的范围，已至于计算在片段而不是在完整的蛋白质中被做出来，ProtParam它是更进一步的过程，根据输入的序列，ProtParam计算分子量、等电点、全部的胺基酸组成、理论上的estinction coefficeient、脂肪性索引、the prote in’s grand average of hydrophobicity（GRAVY）value，和其它碱性的physicochemical parameters，虽然这些似乎是非常简单的程序，某一个可以开始推测关于蛋白质在细胞得所在地，例如，具有高度比例的lysine和arginine 残基的一个碱性蛋白质，也许是一个DNA-binding protein。

PeptideMass（ExPASy）设计用于peptide mapping的实验，PeptideMass在暴露于protease，或是化学试剂之后决定一个protein的分裂产物，PeptideMass中可用于裂解的酵素和试剂为trypsin，chymotrypisn，LysC，cyanogen bromite，ArgC，AspN，和GluC（bicarbonate或phosphste），在合成peptide的分子量计算之前，Cystenines和methionines可以被修饰，藉由供应一个SWISS－PORT identifier而不是过去一排的序列，PeptideMass在SWISS－PORT批注之内可以利用知识去促进计算，例如，在裂解之前，移除signal sequences，或是包含已知的posttransnational modifications；在tabular format中给予开始的protein理论上的pI值及分子量，然后从SWISS－PORT来的变异中的the mass位置，被修饰的masses，以及peptide片段的序列，其结果可以被回复。