一种用于蛋白质结构预测的距离谱构建方法技术

技术编号:12161626 阅读:88 留言:0更新日期:2015-10-06 10:36
一种蛋白质结构预测中距离谱的构建方法,蛋白质具有特定的空间结构,相似的蛋白质具有相似的空间结构,其各个位置上残基间的距离也是相近的,所以可以通过距离谱来指导预测蛋白质结构的搜索。距离谱是根据查询序列中残基和模板中残基的序列谱、二级结构类型、溶剂可达性、中心原子二面角等等构建查询序列中各位置残基上得分较高的片段,然后遍历每个位置上来自于同一个模板的片段,计算出模板中残基的距离,这个距离和查询序列的空间构象中残基间的距离是相近的。本发明专利技术预测精度较高、复杂度较低。

【技术实现步骤摘要】
一种用于蛋白质结构预测的距离谱构建方法
本专利技术涉及生物信息学、计算机应用领域,尤其涉及的是一种用于蛋白质结构预测的距离谱构建方法。
技术介绍
生物信息学是生命科学和计算机科学交叉领域的一个研究热点。生物信息学研究成果目前已经被广泛应用于基因发现和预测、基因数据的存储管理、数据检索与挖掘、基因表达数据分析、蛋白质结构预测、基因和蛋白质同源关系预测、序列分析与比对等。基因组规定了所有构成该生物体的蛋白质,基因规定了组成蛋白质的氨基酸序列。虽然蛋白质由氨基酸的线性序列组成,但是,它们只有折叠形成特定的空间结构才能具有相应的活性和相应的生物学功能。了解蛋白质的空间结构不仅有利于认识蛋白质的功能,也有利于认识蛋白质是如何执行功能的。确定蛋白质的结构的是非常重要的。目前,蛋白质序列数据库的数据积累的速度非常快,但是,已知结构的蛋白质相对比较少。尽管蛋白质结构测定技术有了较为显著的进展,但是,通过实验方法确定蛋白质结构的过程仍然非常复杂,代价较高。因此,实验测定的蛋白质结构比已知的蛋白质序列要少得多。另一方面,随着DNA测序技术的发展,人类基因组及更多的模式生物基因组已经或将要被完全测序,DNA序列数量将会急增,而由于DNA序列分析技术和基因识别方法的进步,我们可以从DNA推导出大量的蛋白质序列。这意味着已知序列的蛋白质数量和已测定结构的蛋白质数量(如蛋白质结构数据库PDB中的数据)的差距将会越来越大。人们希望产生蛋白质结构的速度能够跟上产生蛋白质序列的速度,或者减小两者的差距。传统的方法是通过基于物理场的能量模型或者基于知识的能量模型指导搜索的,而这样存在着采样效率低、复杂度较高、预测精度较低的不足。所以这里引入了一种用于蛋白质结构预测的距离谱的构建方法,提高了采样效率、降低了复杂度、提高了预测精度。
技术实现思路
为了克服现有的构象空间优化方法存在采样效率较低、复杂度较高、预测精度较低的不足,本专利技术提出一种蛋白质结构预测中距离谱的构建方法,蛋白质具有特定的空间结构,相似的蛋白质具有相似的空间结构,其各个位置上残基间的距离也是相近的,所以可以通过距离谱来指导预测蛋白质结构的搜索。距离谱是根据查询序列中残基和模板中残基的序列谱、二级结构类型、溶剂可达性、中心原子二面角等等构建查询序列中各位置残基上得分较高的片段,然后遍历每个位置上来自于同一个模板的片段,计算出模板中残基的距离,这个距离和查询序列的空间构象中残基间的距离是相近的。本专利技术在蛋白质结构预测中应用,可以得到预测精度较高、复杂度较低的构象。本专利技术解决其技术问题所采用的技术方案是:一种用于蛋白质结构预测的距离谱构建方法,所述构建过程包括以下步骤:1)构建非冗余模板库:1.1)从蛋白质数据库网站(http://www.rcsb.org)上下载分辨率小于的精度较高的已知蛋白质序列;1.2)将下载得到的蛋白质序列分裂成单链;1.3)计算每条链相对于其他链的累计相似度total_identity:在公式(1)中,N为所有单链的总数,total_identityi为第i条链的累计相似度,identityij为第i条链与第j条链的相似度得分;1.4)以1000条链为一个单位将所有链分成多个组,在每个组中根据累计相似度从大到小排列,从累计相似度大的开始依次与其他所有链进行比对剔除相似度大于30%的链;1.5)在所有组都比对完后,扩大分组中链的数量再进行相似度剔除,最终合成一个组;1.6)根据保留下来氨基酸链的PDB名称从蛋白质数据库网站上下载相应的蛋白质结构,构成了非冗余的模板库;2)生成片段库:2.1)通过PSI-BLAST软件可以得到查询序列查询序列中每个残基相对于20个氨基酸的特征频率谱Pq和模板中残基相对于20个氨基酸的对数谱Lt;2.2)通过PSSpred软件得到查询序列中残基的二级结构类型ssq和模板中残基的二级结构类型sst;2.3)通过EDTSurf软件得到查询序列中残基的溶剂可达性saq和模板中残基的溶剂可达性sat;2.4)通过ANGLOR软件得到查询序列中残基二面角ψq和模板中残基的二面角ψt;2.5)计算模板片段相对于查询序列的相似度得分函数f(i,j):在公式(2)中,i为查询序列中的残基位置,j为模板中残基的位置,k为20个氨基酸的索引序号;w1,w2,w3,w4,w5为权重参数;2.6)取得分高的前300个片段构成片段库;3)构建距离谱:3.1)选取查询序列第i个位置的残基和第j个位置的残基,j>i+5;3.2)遍历i和j位置上的片段,选出来自于同个模板的片段;3.3)计算这两个片段在模板构象上的距离dij;3.4)若以为距离间隔进行计数统计;否,则返回3.2;4)绘制残基对的距离谱图:4.1)图的横坐标为来自于同个模板的片段间的距离dij,dij∈(dmin,dmax);4.2)图的纵坐标为落入相应区间的片段对个数。本专利技术的有益效果为:蛋白质具有特定的空间结构,相似的蛋白质具有相似的空间结构,其各个位置上残基间的距离也是相近的,所以可以通过距离谱来指导预测蛋白质结构的搜索。距离谱是根据查询序列中残基和模板中残基的序列谱、二级结构类型、溶剂可达性、中心原子二面角等等构建查询序列中各位置残基上得分较高的片段,然后遍历每个位置上来自于同一个模板的片段,计算出模板中残基的距离,这个距离和查询序列的空间构象中残基间的距离是相近的。本专利技术在蛋白质结构预测中应用,可以得到预测精度较高、复杂度较低的构象。附图说明图1是1VII第5个残基E和第24个残基W的距离谱实验结果图2是1VII第13个残基M和第18个残基F的距离谱实验结果具体实施方式下面结合附图对本专利技术作进一步描述。参照图1和图2,一种用于蛋白质结构预测的距离谱构建方法,所述构建过程包括以下步骤:1)构建非冗余模板库:1.1)从蛋白质数据库网站(http://www.rcsb.org)上下载分辨率小于的精度较高的已知蛋白质序列;1.2)将下载得到的蛋白质序列分裂成单链;1.3)计算每条链相对于其他链的累计相似度total_identity:在公式(1)中,N为所有单链的总数,total_identityi为第i条链的累计相似度,identityij为第i条链与第j条链的相似度得分;1.4)以1000条链为一个单位将所有链分成多个组,在每个组中根据累计相似度从大到小排列,从累计相似度大的开始依次与其他所有链进行比对剔除相似度大于30%的链;1.5)在所有组都比对完后,扩大分组中链的数量再进行相似度剔除,最终合成一个组;1.6)根据保留下来氨基酸链的PDB名称从蛋白质数据库网站上下载相应的蛋白质结构,构成了非冗余的模板库;2)生成片段库:2.1)通过PSI-BLAST软件可以得到查询序列查询序列中每个残基相对于20个氨基酸的特征频率谱Pq和模板中残基相对于20个氨基酸的对数谱Lt;2.2)通过PSSpred软件得到查询序列中残基的二级结构类型ssq和模板中残基的二级结构类型sst;2.3)通过EDTSurf软件得到查询序列中残基的溶剂可达性saq和模板中残基的溶剂可达性sat;2.4)通过ANGLOR软件得到查询序列中残基二面角ψq和模板中残基的二面角ψt;2.5)计算模板片段相对于查询序本文档来自技高网
...
一种用于蛋白质结构预测的距离谱构建方法

【技术保护点】
一种用于蛋白质结构预测的距离谱构建方法,其特征在于:所述构建方法包括以下步骤:1)构建非冗余模板库:1.1)从蛋白质数据库上下载分辨率小于的精度较高的已知蛋白质序列;1.2)将下载得到的蛋白质序列分裂成单链;1.3)计算每条链相对于其他链的累计相似度total_identity:total_identityi=Σj=1Nidentityij---(1)]]>在公式(1)中,N为所有单链的总数,total_identityi为第i条链的累计相似度,identityij为第i条链与第j条链的相似度得分;1.4)以1000条链为一个单位将所有链分成多个组,在每个组中根据累计相似度从大到小排列,从累计相似度大的开始依次与其他所有链进行比对剔除相似度大于30%的链;1.5)在所有组都比对完后,扩大分组中链的数量再进行相似度剔除,最终合成一个组;1.6)根据保留下来氨基酸链的PDB名称从蛋白质数据库网站上下载相应的蛋白质结构,构成了非冗余的模板库;2)生成片段库:2.1)通过PSI‑BLAST软件可以得到查询序列查询序列中每个残基相对于20个氨基酸的特征频率谱Pq和模板中残基相对于20个氨基酸的对数谱Lt;2.2)通过PSSpred软件得到查询序列中残基的二级结构类型ssq和模板中残基的二级结构类型sst;2.3)通过EDTSurf软件得到查询序列中残基的溶剂可达性saq和模板中残基的溶剂可达性sat;2.4)通过ANGLOR软件得到查询序列中残基二面角ψq和模板中残基的二面角ψt;2.5)计算模板片段相对于查询序列的相似度得分函数f(i,j):在公式(2)中,i为查询序列中的残基位置,j为模板中残基的位置,k为20个氨基酸的索引序号;w1,w2,w3,w4,w5为权重参数;2.6)取得分高的前300个片段构成片段库;3)构建距离谱:3.1)选取查询序列第i个位置的残基和第j个位置的残基,j>i+5;3.2)遍历i和j位置上的片段,选出来自于同个模板的片段;3.3)计算这两个片段在模板构象上的距离dij;3.4)若以为距离间隔进行计数统计;否,则返回3.2;4)绘制残基对的距离谱图:4.1)图的横坐标为来自于同个模板的片段间的距离dij,dij∈(dmin,dmax);4.2)图的纵坐标为落入相应区间的片段对个数。...

【技术特征摘要】
1.一种用于蛋白质结构预测的距离谱构建方法,其特征在于:所述构建方法包括以下步骤:1)构建非冗余模板库:1.1)从蛋白质数据库上下载分辨率小于的精度较高的已知蛋白质序列;1.2)将下载得到的蛋白质序列分裂成单链;1.3)计算每条链相对于其他链的累计相似度total_identity:在公式(1)中,N为所有单链的总数,total_identityi为第i条链的累计相似度,identityij为第i条链与第j条链的相似度得分;1.4)以1000条链为一个单位将所有链分成多个组,在每个组中根据累计相似度从大到小排列,从累计相似度大的开始依次与其他所有链进行比对,剔除相似度大于30%的链;1.5)在所有组都比对完后,扩大分组中链的数量再进行相似度剔除,最终合成一个组;1.6)根据保留下来氨基酸链的PDB名称从蛋白质数据库网站上下载相应的蛋白质结构,构成了非冗余的模板库;2)生成片段库:2.1)通过PSI-BLAST软件可以得到查询序列中每个残基相对于20个氨基酸的特征...

【专利技术属性】
技术研发人员:张贵军郝小虎俞旭锋周晓根陈凯徐东伟
申请(专利权)人:浙江工业大学
类型:发明
国别省市:浙江;33

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1