1 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circular 2 dichroism 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。
蛋白质结构和功能预测方法
蛋白质是生物体中最重要的分子之一，它们参与了几乎所有生命活动的调控。了解蛋白质的结构和功能对于深入研究生物学、药物设计以及疾病治疗都至关重要。然而，实验方法获得蛋白质的结构和功能信息并不容易，费时费力。因此，开发蛋白质结构和功能预测方法成为了科学家们的追求。
蛋白质结构预测是指通过计算机模拟和建模方法，预测未知蛋白质的三维结构。理论上，已知蛋白质序列可以由这样的方法推测出其三维结构。然而，蛋白质的三维结构由于受到许多因素的影响，如氨基酸之间的相互作用力、构象空间的限制等，因此结构预测的准确性较低。目前，蛋白质结构预测方法主要有两类：序列比对和结构比对。
序列比对方法通过比较已知蛋白质序列与待预测的蛋白质序列之间的相似性，来预测其结构。这些方法基于两个基本原理：序列保守性和序列-结构相关性。序列保守性指的是在进化过程中，蛋白质序列的某些部分往往会保持不变，这是因为这些部分具有重要的功能。序列-结构相关性则指的是蛋白质序列和其结构之间存在一定的统计关系。基于这些原理，序列比对方法可以将待预测的蛋白质序列与已知蛋白质序列进行比较，从而推测出其结构。
另一种常用的蛋白质结构预测方法是通过结构比对来实现的。结构比对方法将待预测的蛋白质结构与已知蛋白质结构进行比对，从而推测出其三维结构。这些方法通过比较蛋白质间的结构相似性，来预测待预测蛋白质的结构。结构比对方法主要有两种：序列比对和结构比对。
序列比对方法通过比较已知蛋白质序列与待预测的蛋白质序列之间的相似性，来预测其结构。这些方法基于两个基本原理：序列保守性和序列-结构相关性。序列保守性指的是在进化过程中，蛋白质序列的某些部分往往会保持不变，这是因为这些部分具有重要的功能。序列-结构相关性则指的是蛋白质序列和其结构之间存在一定的统计关系。基于这些原理，序列比对方法可以将待预测的蛋白质序列与已知蛋白质序列进行比较，从而推测出其结构。
蛋白质结构预测方法
随着生物科技和计算机技术的快速发展，蛋白质结构预测方法已经成为当今生物学中的热门话题。蛋白质是生命体中最基本的一种生物大分子，对于许多生命活动和疾病的研究都具有重要的作用。然而，了解蛋白质的结构对于研究其功能和相互作用至关重要。本文将介绍一些常见的蛋白质结构预测方法。
一、亚氨酸序列分析法
亚氨酸序列分析法是一种基于蛋白质多肽链上各个氨基酸的组成及其排列顺序来预测蛋白质空间结构的方法。这种方法在理论上已经被证明是可行和准确的。然而，由于该方法在预测过程中可能会受到亚氨酸序列中缺失信息的影响，因此需要借助其他方法进行补充。
二、同源建模法
同源建模法是一种比较广泛使用的蛋白质结构预测方法。该方法依据细胞中已知结构的蛋白质对于待预测蛋白质的模板效应进行预测，从而得到待预测蛋白质的结构。该方法的优点在于它能够对大量的蛋白质进行预测，并且往往能获得高质量的结构预测结果。然而，该方法的主要缺点是仅适用于那些与已知结构相似的蛋白质。
三、Ab initio方法
Ab initio方法是一种从头开始预测蛋白质结构的方法，它不依赖于与已知结构相似的蛋白质。这种方法基于物理力学和统计学知识进行计算，尝试预测分子的基本构筑原理。这种方法在处理具有折叠密码学特性的蛋白质时比较准确，但是在面对大分子的复杂蛋白质时常常出现预测的误差。
四、网络方法
网络方法是一种将蛋白质折叠预测看作一个大型优化问题的方法，它通过构建各种相互作用网络来预测蛋白质的结构。这种方法在处理大分子蛋白质的折叠过程中具有较好的表现，也是目前研究中的热门和前沿方向之一。
五、机器学习方法
机器学习方法是一种基于人工智能理论和算法的蛋白质结构预测方法。该方法可以构建出一个有效的预测模型，然后通过灵活的机器学习算法对蛋白质信息进行分析来预测蛋白质的结构。该方法在处理大分子的复杂蛋白质时常常具有很好的预测效果，但是它的缺点在于需要大量的已知数据用于训练模型。
蛋白质结构预测的理论与方法
蛋白质是生命体中的重要有机分子，具有多种生物学功能。在蛋白质功能的研究中，其结构也是必不可少的一环，因为蛋白质的结构直接决定了其特定的功能。在很多情况下，如果我们可以预测蛋白质的结构，将有助于更深入地理解其功能和相互作用。因此，蛋白质结构预测成为了蛋白质学中的一项重要研究领域。
在罗斯什尔德公报（RosettaCommons）发表的一篇综述文章中，蛋白质结构预测被描述为“当代计算化学和计算生物学中面临的最具挑战性的问题之一”。在本文中，我们将介绍蛋白质结构预测的一些理论和方法，以及目前的一些挑战和发展方向。
1. 蛋白质结构预测的理论基础
蛋白质的结构可以被描述为采用了某些不同的空间排列方式的氨基酸残基之间的共价键和非共价键交互。因此，蛋白质的结构预测基于理论上描述此类交互的模型，例如“力场”和“势函数”。
力场是由一组原子对之间的相互作用所组成的，通常包括键键相互作用、键键扭曲、键错配和LJ吸引力、LJ排斥力等因素。示例如下：
E总 = E键键 + E扭曲 + E错配 + E L-J
势函数通常是一组分析蛋白质结构之间非共价交互的方程式，例如万有引力定律。这些势函数应该涵盖所有可能的蛋白质结构，从而使预测的模型更加完整。
2. 蛋白质结构预测方法
目前，蛋白质结构预测的方法可以分为五类：组装方法、碎片拼接、模板模型、核磁共振和能量泛函理论。
组装方法是根据一些参数的计算和寻找具有最小准则的构造进行的，其中包括分子动力学（MD）方法和Monte-Carlo（MC）方法。MD方法可以模拟蛋白质的非常复杂的过程，并计算出蛋白质孪晶的平均结构。而MC方法则可以在高维空间中搜索蛋白质结构的可能构成，以增强结构的预测能力。
碎片拼接是指使用蛋白质中不同的氨基酸残基片段，将其拼接成一个完整的三维结构。这种方法利用了相同结构元素的小片段，旨在为蛋白质结构的重构提供有用的信息。
