基于有序Graphlet相似性度量的近天然蛋白质结构选取

发布时间：2020-09-10 12:32

　　随着人类和其他几个物种基因组计划的完成,基因图谱也正式绘制出来,生命科学进入后基因组时代。人们亟待了解那些数以亿计的基因序列所对应的功能是什么。由遗传学中心法则可以知道,蛋白质是由基因指导合成,而蛋白质既是构成生命体的主要成分,也是生命活动的主要执行者,因此我们可以通过研究蛋白质的功能来研究对应的基因功能。因为蛋白质的功能主要由其三级结构决定,所以蛋白质三级结构的研究对于理解基因组数据至关重要。然而,目前只有小部分蛋白质的三级结构是已知的。因此,如何有效预测蛋白质三级结构成为计算结构生物学中一个非常重要且具有挑战性的问题。目前常用的蛋白质三维结构预测方法是从头预测(Ab initio)法。使用从头预测方法,可以预测出大量称为预测集的候选蛋白质结构,但是从预测得到的预测集中选择良好的近天然蛋白质结构是一个难题。在这项工作中,我们设计了一种基于Contact Map Overlap(CMO)和Graphlet子图节点度的相似性从预测集中选择近原生蛋白结构的新方法。通过将graphlet扩展到有序图,并使用引入动态空位罚分的动态规划算法来选择最佳的匹配序列,通过定义GR_score来评价两个蛋白质三维结构之间的相似性。最后,使用集成聚类方法在预测集中选择近天然蛋白质结构,在这里的近天然蛋白质结构指的是聚类簇的中心结构。实验表明,与I-TASSER中使用的SPICKER方法相比,本课题中所提出的方法选择得到的近天然蛋白质结构与天然蛋白质结构之间具有更好的相似性,也就是说二者之间通过计算得到的相似性分数值更高。
【学位单位】：兰州大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：Q51;Q811.4
【部分图文】：

中心法则,自我复制,生物学,中指

通过判决基因及其序列，最终达到破译人类遗传信息的目的。人类基因组计划中实质的内容便是人类基因组的 DNA 序列，人类基因组的计划开始、争论的焦点、主要分歧等都是围绕着基因序列图谱展开的。2003 年，DNA 双螺旋结构模型发表 50 周年前夕，参与人类基因组计划的六个国家的领导人签署文件，在六国科学家共同发表声明之后，宣告人类基因组序列图谱绘制正式完成。随着人类基因组计划的完成，基因工程正式进入了“后基因组时代”。基因序列的获得使得人们可以更为准确的了解生物体的奥秘。但是单单从基因序列的角度并不能完整的阐述生物体的功能[1]，主要的原因有两个：1.生物体的核苷酸序列并不会直接参与生物体的新陈代谢，相反的是，通过图 1-1 所示的遗传学中心法则中[2]，DNA 通过转录生成 RNA 后，经过翻译以后生成蛋白质，最后蛋白质通过控制人生物体的新陈代谢来调控生物体的生命活动，进而表现出基因的遗传特性。为了更加全面的发掘生物体自身的变化，了解生命体的衰老过程，知晓疾病的发病机制就必须从基因的表达产物蛋白质入手。2.由于大量的基因序列信息使得科学家并不能完成相关的计算。因此在认识到蛋白质对于生物体功能阐述的重要性后，“蛋白质组学”应用而生。

示意图,示意图,空间结构,生物活性

兰州大学硕士学位论文基于有序 Graphlet 相似性度量的近天然蛋白质结构选取蛋白质分子的多肽链不是线性延伸的，而是具有相对稳定的空间结构，这是折叠和盘曲特有的。蛋白质的生物活性和性质主要取决于空间结构的完整性。因此，仅仅确定蛋白质分子的氨基酸组成及其排列顺序，并不能充分了解蛋白质分子的生物活性和理化性质。因此就需要得知蛋白质的空间结构，其空间结构指的是蛋白质的二级、三级和四级结构。

示意图,蛋白质二级结构,α-螺旋,β-折叠

图 2-1 蛋白质的一级结构示意图蛋白质二级结构蛋白质的二级结构是指蛋白质多肽链中的规律重复，仅限于主链原子的排列，不包括肽链和侧链的其他部分。二级结构主要有 α-螺旋型、β-折转角型。目前常见的蛋白质二级结构包含 α-螺旋型和 β-折叠型，两种图如 2-2 所示。蛋白质的二级结构是其空间结构的基本单元。

【相似文献】