蛋白质功能-结构-相互作用预测网站工具合集
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。
的独立程序。
在检查PSI-BLAST的搜索输出时，也有一些注意事项，因为假的匹配记录很容易污染分析结果。
表3 蛋白质功能预测工具预测工具类型所在地网站BLAST 同源搜索NCBI：美国国立生物技术信息中心；NIH：美国国家医学研究院/BLASTselect protein-proteinBLASTFASTA 同源搜索美国弗吉尼亚大学、日本京都大学http://fasta.genome.jp/PSI-BLAST 同源搜索NCBI：美国国立生物技术信息中心；NIH：美国国家医学研究院/BLASTselect “PSI- andPHI-BLAST”Pfam 蛋白质家族鉴定华盛顿大学SMART 保守结构域搜索EMBL：欧洲分子生物学实验室http://smart.embl-heidelberg.dePROSITE 功能模体搜索瑞士生物信息研究所/prositehttp://motif.genome.ad.jpELM 真核生物功能结构域搜索ELM 联合体STRING 通过比较基因组学进行功能预测EMBL（欧洲分子生物学实验室）http://string.embl.dePSORT 亚细胞定位预测人类基因组中心东京大学PFP 通过发掘PSI-BLAST结果进行功能预测美国普渡大学/pfpPfam数据库（Protein families database of alignments and HMM, 蛋白质家族比对和HMM数据库）是基于HMM 模型（隐马尔可夫模型）构建并拓展起来的。
它实际上是一个涵盖了生物蛋白质序列中常见结构域的序列及其相对应的隐马尔科夫模型的数据库，由英国的Sanger Institute维护。
Hmmpfam的工作原理简单来说，就是将用户所提交的查询序列在Pfam库中做比对计算，然后预测出查询序列中所隐含的结构域信息。
表4中描述的三个数据库资源——简单模块构架搜索工具（simple modular architecture research tool, SMART）、Motif数据库（PROSITE）以及ELM是具有不同特点的数据模体数据库。
SMART储存有蛋白质家族的保守区域，可以作为每一个基因家族的特征标记。
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，SMART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 segment）、复合螺旋区（coiled coil region）、信号肽（Signal peptide）和蛋白结构域（PFAM domain）等。
另一方面，PROSITE中的序列模体是一些重要的生物学位点，包括功能位点和容易被修饰的位点。
ELM 是真核生物功能位点数据库。
PROSITE数据库是基于多序列比较而得到的单一保守序列片段，或称序列模体。
PROSITE数据库是基于对蛋白质家族中同源序列多重序列比对得到的保守性区域，这些区域通常与生物学功能有关，例如酶的活性位点、配体或金属结合位点等。
因此，PROSITE数据库实际上是蛋白质序列功能位点数据库。
通过对PROSITE数据库的搜索，可判断该序列包含什么样的功能位点，从而推测其可能属于哪一个蛋白质家族。
Prosite数据库实际上包括两个数据库文件：一个为数据文件，即Prosite，该文件给出了能进行匹配的序列及序列的详细信息；另一个为说明文件，即PrositeDoc。
PrositeDoc说明文件中给出该序列模式的生物学功能及其文献资料来源。
PROSITE数据库使用正则表达式来表示序列模式。
STRING是一个已知和预测基因间功能联系的数据库。
STRING一个有趣的特点是，一个查询序列的功能是利用比较基因组学方法预测的。
例如，假设一个要查询的基因是几个基因组中功能已知的基因，这几个基因组进化上相关，那么预示着要查询的基因与相邻基因可能涉及相同的途径或功能。
具有相同的系统发生的那些基因，或同时存在和同时消失的那些基因也预示着他们的功能是相互联系的。
SMART也利用微阵列中的共表达来分析，用户可以利用SMART站点进行功能预测，基因功能之间的联系资料也可以免费获得。
PSORT工具可以预测基因的亚细胞定位。
从根本上说，PSORT工具基于其氨基酸序列预测蛋白质亚细胞定位。
它利用机器将要查询蛋白质的特殊序列（如信号肽序列）检测和分类并定位到已知位置。
PSORT II是广泛使用的蛋白质亚细胞定位分析软件，通过输入的氨基酸序列，能够预测出其在亚细胞结构中可能的位置。
PFP（蛋白质功能预测）服务器是最近研发的。
不同于传统的PSI-BLAST，PFP利用序列采样数可以发掘更多的功能信息。
在列出的蛋白质功能预测工具中，BLAST、FASTA和Pfam 最可靠，但它们无法提供关于已经储存在公共数据库中的已注解基因的更多的信息。
其它方法都优于上述三种方法，且有更广的覆盖率，但是使用时要小心，因为有相对较高的假采样。
为了避免这种情况发生，应该多采样几种方法，检查获得结果的一致性。
表4 蛋白质结构预测工具预测工具类型所在地网址PSIPRED 二级结构伦敦大学/psipred/PORTER 二级结构都柏林学院http://distill.ucd.ie/porter/SAM-T02 二级结构加州大学圣塔克鲁兹分校/research/compbio/HMM-apps/T02-query.htmlSABLE 二级结构和溶剂可接近性美国辛辛那提儿童研究基金会儿童医院医疗中心/PredictProtein 二级结构和其他美国哥伦比亚大学/predictprotein/COILS 2个或以上的α螺旋组成的超螺旋结构区域（卷曲螺旋区域）瑞士，EMBnet /software/COILSform.htmlGlobPlot 无规则区域欧洲分子生物学实验室http://globplot.embl.de/PONDR 无规则区域印地安纳大学/TMHMM 跨膜结构域丹麦科技大学http://www.cbs.dtu.dk/services/TMHMM-2.0/ HMMTOP 跨膜结构域匈牙利科学院http://www.enzim.hu/hmmtop/SWISS-MODEL 3D结构同源瑞士生物信息研究建模法所HHPred 3D结构同源建模法马克斯?普朗克科学促进协会http://protevo.eb.tuebingenmpg.de/toolkit/index.php?view=hhpredMODELLER 3D结构同源建模法加州大学旧金山分校/modeller/FUGUE 3D结构,指认方法（线引法或穿线法）剑桥大学/~fugue/Phyre 3D结构,指认方法（线引法或穿线法）帝国理工学院（伦敦大学（University ofLondon）的独立学院）/~phyre/SPARKS 3D结构,指认方法（线引法或穿线法）纽约州立大学水牛城分校/hzhou/anonymous-fold-sparks2.htmlRobetta 3D结构从头计算法（abinitio）华盛顿大学/3.2 蛋白质结构预测工具当候选基因被选择出来通过微阵列进行实验检测时，生物信息学蛋白质预测工具就对设计生物化学实验非常重要。
例如，一个基因预测的二级结构就对预测结构域很有益处，因为这对设计有限的蛋白质水解以鉴定基因的功能区域非常重要。
当今二级结构预测算法的准确率大约75%，足以达到平常预测的要求。
表4中列举了5种二级结构预测工具，它们都利用机器学习的技术来识别大家熟悉的二级结构，如α-螺旋和β-折叠。
机器学习就是要使计算机能模拟人的学习行为自动通过学习获取知识和技能，不断改善性能，实现自我完善。
机器学习研究的就是如何通过识别和利用现有知识来获取新知识和新技能。
PSI-PRED、PORTER、SABLE和PredictProtein seartificial利用人工神经网络（Artificial Neural Networks，简写为ANNs），而SAM-T02则利用HMM。
SABLE和PORTER 被认为是这个领域中最准确的预测工具，它们的准确率分别可以达到78.4%和79%。
尽管列表中的工具在蛋白质预测方面准确率还相对较低，但这些工具不仅能够预测二级结构，也能够预测其它结构信息，包括混乱区域、两个或两个以上的α螺旋组成的超螺旋结构区域、每个残基的可溶解程度以及要搜索序列的模体结构，所以他们可以用来“一步完成”蛋白质序列分析。
COILS通过序列中周期出现的疏水残基来预测蛋白质的卷曲螺旋。
卷曲螺旋是存在于多种天然蛋白质中的结构模式。
近年来，人们通过对天然蛋白质中的卷曲螺旋结构以及根据已有知识设计合成的卷曲螺旋结构的研究，已基本掌握了这类结构模式的特点，并将特异的卷曲螺旋结构应用于生化分析、工业和医药卫生等领域。
GlobPlot和PONDR是预测蛋白质固有无规则区域的工具，这些区域的天然构象中，没有稳定的蛋白质二级结构。
这些无规则区域的重要性最近才刚刚被人们发现，因为它们是很多重要的功能性位点，例如其它蛋白质和配体的结合区域位于球状蛋白质的结构域的外部，所以本质上是没有规则的[3]。
HMMTOP是预测蛋白序列的跨膜螺旋与拓扑结构工具，TMHMM是预测蛋白的跨膜螺旋工具。
它们都利用了HMM。
跨膜结构域预测是生物信息学在蛋白质结构预测中应用得最成功，HMMTOP预测的跨膜蛋白质98%的结构域和85%的拓扑结构是正确的。
蛋白质分析相关数据库及网站
蛋⽩质分析相关数据库及⽹站表1蛋⽩质相互作⽤分析相关数据库及⽹站蛋⽩质序列分析和结构预测【实验⽬的】1、掌握蛋⽩质序列检索的操作⽅法；2、熟悉蛋⽩质基本性质分析；3、熟悉基于序列同源性分析的蛋⽩质功能预测，了解基于motif、结构位点、结构功能域数据库的蛋⽩质功能预测；4、了解蛋⽩质结构预测。
【实验内容】1、使⽤Entrez或SRS信息查询系统检索⼈脂联素（adiponectin）蛋⽩质序列；2、使⽤BioEdit软件对上述蛋⽩质序列进⾏分⼦质量、氨基酸组成、和疏⽔性等基本性质分析；3、对⼈脂联素蛋⽩质序列进⾏基于NCBI/Blast软件的蛋⽩质同源性分析；4、对⼈脂联素蛋⽩质序列进⾏motif结构分析；5、对⼈脂联素蛋⽩质序列进⾏⼆级结构和三维结构预测。
【实验⽅法】1、⼈脂联素蛋⽩质序列的检索：（1）调⽤Internet浏览器并在其地址栏输⼊Entrez⽹址（/doc/9364f7ae783e0912a3162a12.html/Entrez）；（2）在Search后的选择栏中选择protein；（3）在输⼊栏输⼊homo sapiens adiponectin；（4）点击go后显⽰序列接受号及序列名称；（5）点击序列接受号NP_004788 （adiponectin precursor；adipose most abundant gene transcript 1 [Homo sapiens]）后显⽰序列详细信息；（6）将序列转为FASTA格式保存（参考上述步骤使⽤SRS信息查询系统检索⼈脂联素蛋⽩质序列）；2、使⽤BioEdit软件对⼈脂联素蛋⽩质序列进⾏分⼦质量、氨基酸组成和疏⽔性等基本性质分析：打开BioEdit软件→将⼈脂联素蛋⽩质序列的FASTA格式序列输⼊分析框→点击左侧序列说明框中的序列说明→点击sequence 栏→选择protein→点击Amino Acid Composition→查看该蛋⽩质分⼦质量和氨基酸组成；或者选择protein后，点击Kyte & Doolittle Mean Hydrophobicity Profile→查看该蛋⽩质分⼦疏⽔性⽔平；3、⼈脂联素蛋⽩质序列的蛋⽩质同源性分析：（1）进⼊NCBI/Blast⽹页；（2）选择Protein-protein BLAST （blastp）；（3）将FASTA格式序列贴⼊输⼊栏；（4）点击BLAST；（5）查看与之同源的蛋⽩质；4、⼈脂联素蛋⽩质序列的motif结构分析：（1）进⼊http://hits.isb-sib.ch/cgi-bin/PFSCAN⽹页；（2）将⼈脂联素蛋⽩质序列的FASTA格式序列贴⼊输⼊栏；（3）点击Scan；（4）查看分析结果（注意Prosite Profile中的motif information）；5、⼈脂联素蛋⽩质序列的⼆级结构预测：（1）进⼊下列蛋⽩结构预测服务器⽹址http://www.embl-heidelberg.de/predictprotein//predictprotein.html（The PredictProtein Server）；（2）在You can栏点击default；（3）填写email地址和序列名称；（4）将⼈脂联素蛋⽩质序列的FASTA格式序列贴⼊输⼊栏点击Submit；（5）从email信箱查看分析结果；6、⼈脂联素蛋⽩质序列的三维结构预测：（1）进⼊/doc/9364f7ae783e0912a3162a12.html /swissmod/SWISS-MODEL.html （SwissModel First Approach Mode）⽹页；（2）填写email地址、姓名和序列名称；（3）将⼈脂联素蛋⽩质序列的FASTA格式序列贴⼊输⼊栏；（4）点击Send Request；（5）从email信箱查看分析结果（注：需下载软件⼊rasmol查看三维图象）。
ncbi蛋白质序列
ncbi蛋白质序列引言蛋白质是生物体内广泛存在的一类生物大分子，它们在细胞的结构和功能中起着重要的作用。
了解蛋白质的序列可以帮助我们深入理解其结构和功能，从而为研究生物体的生理过程和疾病的发生机制提供重要的依据。
NCBI（National Center for Biotechnology Information）是美国国家生物技术信息中心，提供了大量的蛋白质序列数据和相关的生物信息学工具，为科学家们开展研究提供了宝贵的资源。
NCBI蛋白质序列数据库NCBI蛋白质序列数据库是一个全球范围内广泛使用的数据库，包含了来自不同生物体的蛋白质序列数据。
这些数据是通过实验室的测序技术获得的，经过验证后被上传到数据库中，供科学家们使用。
NCBI蛋白质序列数据库的数据量庞大，覆盖了多种生物体，包括人类、动物、植物等。
数据来源NCBI蛋白质序列数据库的数据来源主要包括以下几个方面：1.实验室测序：科学家们通过实验室中的测序技术对蛋白质进行测序，将测序结果上传到数据库中。
2.文献报道：科学家们将自己的研究结果发表在学术期刊上，其中包括蛋白质序列的报道。
NCBI会从这些文献中提取蛋白质序列数据，并加入到数据库中。
3.其他数据库：NCBI蛋白质序列数据库还会与其他数据库进行数据交换，从而获得更全面的蛋白质序列数据。
数据结构NCBI蛋白质序列数据库的数据结构包括以下几个方面：1.序列信息：每条蛋白质序列都包括其氨基酸序列，即由20种不同的氨基酸组成的字符串。
2.序列标识：每条蛋白质序列都有一个唯一的标识符，用于在数据库中进行检索和识别。
3.生物信息：每条蛋白质序列都有相关的生物信息，包括其来源生物体、序列长度、功能注释等。
在NCBI中搜索蛋白质序列在NCBI中搜索蛋白质序列可以通过多种方式进行，包括关键词搜索、序列相似性搜索等。
关键词搜索关键词搜索是最常用的搜索方式之一，用户可以通过输入关键词来搜索与之相关的蛋白质序列。
蛋白质性质和结构预测
7，糖基化位点Байду номын сангаас测
• http://www.cbs.dtu.dk/services/NetNGlyc/ • The NetNglyc server predicts N-Glycosylation sites in human proteins using artificial neural networks that examine the sequence context of Asn-Xaa-Ser/Thr sequons.
http://www.expasy.or g/tools/#proteome
一、蛋白质性质预测
• 在蛋白质的研究领域，蛋白质性质的研究是必要的，而且是非常基础 的。 • 以往都需要针对未知蛋白质进行一系列的实验摸索，比如pI，Mw等 的测定，然后才有可能得到比较精确的结果，这样的摸索往往费时耗 资。 • pI：等电位点，Mw：分子量 • 现在人们已经充分地了解了组成蛋白质的20个氨基酸的物理化学性质， 并由此产生许多基于序列以及结构的预测工具来预测未知蛋白质的性 质以及通过已知性质来预测蛋白质。
序列
>gi|4506183|ref|NP_002779.1| proteasome alpha 3 subunit isoform 1 [Homo sapiens] MSSIGTGYDLSASTFSPDGRVFQVEYAMKAVENSSTAIGIRCKDGVVF GVEKLVLSKLYEEGSNKRLFNV DRHVGMAVAGLLADARSLADIAREEASNFRSNFGYNIPLKHLADRVA MYVHAYTLYSAVRPFGCSFMLGS YSVNDGAQLYMIDPSGVSYGYWGCAIGKARQAAKTEIEKLQMKEM TCRDIVKEVAKIIYIVHDEVKDKAF
蛋白质相互作用网络的构建与分析
蛋白质相互作用网络的构建与分析蛋白质相互作用是细胞内重要的分子交互方式，在维持生命活动和调控生物系统中起着重要的作用。
蛋白质相互作用网络是研究蛋白质功能和互作机制的重要工具。
本文将介绍蛋白质相互作用网络的构建与分析的方法和应用。
一、蛋白质相互作用网络的构建方法1. 实验方法实验方法是构建蛋白质相互作用网络的重要手段。
传统的实验方法包括酵母双杂交、共免疫沉淀等。
酵母双杂交方法利用酵母细胞中两个融合蛋白之间的相互作用来识别蛋白质间的相互作用关系。
共免疫沉淀方法通过抗体特异性地沉淀目标蛋白及其相互作用的蛋白，从而实现蛋白质间的相互作用检测。
2. 预测方法预测方法是通过计算模型来预测蛋白质间的相互作用。
常用的预测方法包括基于结构预测、基于序列预测和基于机器学习的方法。
结构预测方法通过模拟蛋白质的结构和动态过程来预测蛋白质间的相互作用。
序列预测方法通过分析蛋白质序列中的保守特征来预测蛋白质的相互作用。
机器学习方法则是通过从已知相互作用数据中学习模式，来预测未知蛋白质间的相互作用。
二、蛋白质相互作用网络的分析方法1. 网络可视化与分析网络可视化是将蛋白质相互作用网络以图的形式展现出来，便于直观地观察和分析网络中的相互作用关系。
常用的网络可视化工具包括Cytoscape、Gephi等。
通过网络可视化，可以发现网络中的关键节点和模块，进而研究蛋白质间的相互作用机制。
2. 功能注释与富集分析功能注释与富集分析是对蛋白质相互作用网络中的蛋白质进行功能注释和功能富集分析的方法。
通过将蛋白质与已知的功能数据库进行比对和匹配，可以了解蛋白质的功能及其在生物过程中的作用。
同时，利用富集分析方法可以发现网络中富集的功能模块，从而揭示蛋白质相互作用网络的生物学意义。
3. 拓扑分析与网络特征拓扑分析与网络特征是研究蛋白质相互作用网络中拓扑结构和关键节点的方法。
通过计算网络中节点的度、聚集系数、介数中心性等网络特征，可以揭示网络的拓扑结构特征和关键节点。
蛋白质结构与功能预测
Phyre • Phyre
-/~phyre/
• 3d-PSSM的升级版，增加了fold数据，并且性 能上提高10％-15％，采用了新的分析界面
输入用户Email（必需） 蛋白质描述（选填）
序列提交框（氨基酸单字母）
+ 在既没有已知结构的同源蛋白质、也没有 已知结构的远程同源蛋白质的情况下，上 述两种蛋白质结构预测的方法都不能用， 这时只能采用从头预测方法，即直接或仅 仅根据序列本身来预测其结构。
从头预测方法一般由下列3个部分组成：
+ 蛋白质几何的表示方法
– 由于表示和处理所有原子和溶剂环境的计算量 非常大，因此需要对蛋白质和溶剂的表示形式 作近似处理。
二级结 构预测
序列比对 靶 标 蛋 一 致 性 白模型
序列比对 结果
模板 长度
折叠子描述 模板蛋白结 构分类信息
+ 可视化分析蛋白质的高级结构，有利于从 原子间相互作用的层次理解生命活动过程 的信息控制机制，更加有效地揭示分子在 完成其功能过程中的演化情况，了解蛋白 质分子结构和各种微观性质与宏观性质之 间的定量关系。
a. 人谷胱甘肽-S-转硫酶pi第56到59位残基的β转角连接了来自相同主 链的两段β折叠链，β转角区域内第一个Asp的α羰基氧与其后第三位α
氨基成氢键； b. 来自人细胞珠蛋白的两段α螺旋由β转角连接。
+ 无规卷曲的结构特征为：
– 无规卷曲的特点为在主链骨架上无规则盘绕， 其构象状态仍遵循物理化学原理，但波动性较 大，对温度变化敏感；
– 通过表面对应区域的形状和理化性质互补以及 多位点协同实现与相应分子的特异性相互作用， 通常表面粗糙；
– 球状蛋白结构有柔韧性，且总处于亚稳定状态； 可通过动态结构变化改变其活性
蛋白质结构预测的方法与工具
蛋白质结构预测的方法与工具蛋白质结构是生物学研究中一个非常重要的领域，因为它对于蛋白质的功能和相互作用有着非常大的影响。
蛋白质结构预测是研究蛋白质学中的一个重要分支，其目的是通过计算机模拟和其他实验手段，预测蛋白质的三维结构。
本文将介绍一些常见的蛋白质结构预测方法和工具。
1. 能量函数蛋白质的三维结构由其氨基酸序列决定。
由于在氨基酸之间的相互作用非常复杂，将其精确地预测出来非常困难。
因此，实际上我们常常用一系列能量函数，来猜测最有可能的三维结构。
能量函数的基本思想是，通过计算预测结构与实验结果的对比来选择最有可能的结构。
能量函数可以预测统计力学方程、物理模型和知识库，用于描述蛋白质的相互作用。
能量函数的选择应当根据具体任务的不同于权衡，其准确度、完备性、计算量和鲁棒性各有不同。
2. 基于机器学习的方法机器学习是指从大量的数据中自动提取出模型，从而能够准确地预测未知数据的特点。
在蛋白质结构预测上，机器学习最成功的是基于神经网络的方法。
基于神经网络的方法，可以学习到从蛋白质的氨基酸序列到三维结构的直接映射，而不需要在蛋白质产生结构时太多的假设。
这种方法有非常高的准确度，并且需要的计算量很少。
3. 蛋白质结构预测工具现在有很多好用的蛋白质结构预测工具可以使用，其中一些工具是公共的，可以在互联网上免费使用。
这些工具使用多种预测方法，如用于序列对齐、模拟、统计建模等，来预测蛋白质的三维结构。
一些常用的工具包括I-TASSER、ROSETTA和PHYRE等。
不同的工具有不同的优缺点，应根据需要进行选择。
其中I-TASSER 最为广泛使用，而ROSETTA则更受科学家们喜爱。
总结：蛋白质结构预测是研究蛋白质学中的一个重要分支，它为我们提供了非常重要的信息，有助于我们更深入地理解生命中的分子结构和功能。
这里我们介绍了一些蛋白质结构预测的方法和工具。
通过不断学习和掌握这些方法和工具，我们将能够更好地运用它们来对现实中的生物学问题进行解决。
分子生物学中常用数据库
分子生物学中常用数据库综合数据库：来源：/news/science/article/90048.html生物信息学网址链接：http://www.bioinformatics.ca/links_directory/Nucleic Acid Research Database Issue：/content/vol32/suppl_2/一、蛋白相关数据库蛋白质结构域预测工具Esignal：/esignal/信号传导系统蛋白的结构域预测工具，凡是涉及到信号传导系统的蛋白用这个预测效果最佳SignalP：http://www.cbs.dtu.dk/services/SignalP/信号肽预测工具，适合定位于非胞质位置的蛋白质Emotif：/emotif-search/结构域预测工具，由于其用motif电子学习的方法产生结构域模型，故预测效果比Prosite好Ematrix：/ematrix/是用Matrix的方法创建的结构域数据库，可与emotif互相印证。
其速度快，可快速搜索整个基因组InterPro：/InterProScan/EBI提供的服务，用图形的形式表示出搜索的结构域结果TRRD：http://wwwmgs.bionet.nsc.ru/mgs/gnw/trrd/转录因子结构域预测的最好数据库。
但不会用Protscale：/cgi-bin/protscale.pl可分析该序列的各种性状如活动度、亲水性（Kyte&Doolittle）、抗原性（Hopp&Woods）等通过寻找MOTIF和Domain来分析蛋白质的功能A. MOTIF是蛋白中较小的保守序列片断，其概念比Domain小PROSITE：/tools/scanprosite/是专门搜索蛋白质Motif的数据库，其中signature seqs是最重要的motif信息B. Domain：若干motif可形成一个Domain，每个Domain形成一个球形结构，Domain与Domain之间通常像串珠一样相连Pfam：可以搜索某段序列中的Domain，并以图形化表示出来。
蛋白质结构预测网址
蛋白质结构预测网址物理性质预测：Compute PI/MWPeptidemass TGREASESAPS基于组成的蛋白质识别预测AACompIdent PROPSEARCH二级结构和折叠类预测nnpredictPredictproteinSSPRED特殊结构或结构预测COILSMacStripe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。
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
三、蛋白质二级结构预测网站（数据库）
以很快找出。
颜色的选择可以根据主观愿望和喜好，但最好和常规方法一致。
用来构筑三维模型的按时氨基酸残基组件和三维分子图形软件所用的颜色分类方法，比较容易为大家接受（表2）。
查寻PRINTS数据库中关于TRANSFERRIN
这一类的比对信息，结果可以用模体
（motif）形式显示也可以用点击链接调
用JAVA APPLET进行图形显示，下图是关
于TRANSFERRIN序列比对的局部图形，可
见PRINTS数据库中TRANSFERRIN一类由
更多的序列比对形成。
，
以“//”开始，。
expasy的蛋白质序号
expasy的蛋白质序号Expasy是一个专门用于蛋白质序列和结构分析的在线工具平台。
它提供了一系列的工具和数据库，帮助科学家们更好地理解蛋白质的结构和功能。
本文将以Expasy的蛋白质序号为标题，介绍一些与蛋白质序列和结构相关的内容。
1. UniProtKB/Swiss-Prot：这是一个数据库，收录了已知的蛋白质序列和结构信息。
它提供了详细的注释和分类信息，帮助科学家们研究蛋白质的功能和相互作用。
UniProtKB/Swiss-Prot是一个非常重要的资源，被广泛应用于生物学和医学研究领域。
2. PDB：PDB（蛋白质数据银行）是一个收集和存储蛋白质结构的数据库。
它收录了大量的蛋白质结构数据，包括X射线晶体学、核磁共振和电子显微镜等技术得到的结构。
科学家们可以通过PDB来获取蛋白质的三维结构信息，进一步研究蛋白质的功能和相互作用。
3. ExPASy Proteomics Server：这是一个用于蛋白质组学研究的在线工具平台。
它提供了一系列的工具，用于蛋白质序列分析、结构预测、功能注释等。
科学家们可以通过ExPASy Proteomics Server 来进行蛋白质组学研究，探索蛋白质的功能和调控机制。
4. Protein BLAST：这是一个用于蛋白质序列比对的工具。
它可以将输入的蛋白质序列与数据库中已知的蛋白质序列进行比对，从而找到相似的序列。
通过比对结果，科学家们可以推断蛋白质的功能和演化关系。
5. Prosite：这是一个用于蛋白质序列模式搜索的工具。
它可以根据已知的蛋白质序列模式，从输入的蛋白质序列中找到相应的模式。
Prosite可以帮助科学家们预测蛋白质的结构和功能，进一步研究蛋白质的生物学特性。
6. Swiss-Model：这是一个用于蛋白质结构建模的工具。
它可以根据已知的蛋白质结构，预测输入的蛋白质序列的三维结构。
Swiss-Model可以帮助科学家们研究蛋白质的功能和相互作用，进一步理解蛋白质的生物学功能。