用DiscoverStuido所提供的蛋白质三级结构预测之同源模拟

利用同源建模预测蛋白质的三级结构首先声明一下，以下纯属个人观点，方法步骤仅供参考，不可作为规范标准，结果出来之后请自行分析结果。

我用的是SWISS-MODEL同源建模的方法进行的蛋白质高级结构预测，其实这个方法是有限制条件的，不过作为一个选修课作业，我们不用深入探究，所以有时不够严谨，大家知道就行！对于一个未知结构的蛋白质，白质建立结构模型。

那么，我们首先要做的就是找到和我们空格和“—”的氨基酸序列，例如：【字母大小写没有影响】vlqdsigyirilsmmdpvvdefdrayqqvkdfpdlmvdvrengggnsgngkkiceylihkpqphcvspdweiiprkd）同源的、相似度最高的、已知三级结构的蛋白质作为模版。

打开SWISS-MODEL网站：/，选择“Template Identification，提交蛋白质序列进行模板识别，如图所示，注意：邮箱必填，名称随便填写，序列粘贴过去就行，下面会有很多选项，建议不知道的不要乱动，直接提交（Sbumit）吧。

这个东东跟BLAST差不多，你等它自动刷新吧，它会返回结果的，在结果页面，你会看到跟BLAST差不多的结果，选择相似度最高的那个蛋白作为下一步的三维模版（一般是第一个蛋白就是），如图：大家看红线标出的部分（是我标的），那个就是我们要找的模版，大家也可以在结果页面的下面仔细看看，找到最匹配的蛋白。

这里还有一点要作说明，就是上图标出的代码是PDB编号，前四个表示PDB- Code，最后一位表示Chain-ID，具体什么意思，大家有兴趣就去了解一些吧。

接下来，去NCBI串串门吧，在NCBI中搜索上面查到的蛋白的PDB号，一般输入前四位就行啦，注意：搜索蛋白库（Protein）。

找到以后，以FASTA格式显示。

接下来，我们再回到SWISS-MODEL，接下来就是重点和难点啦，在线提交序列进行同源建模分析，这个在线提交不是大家想象的那么容易，这个耗费了我大部分的时间，说到这里我就想画个圈圈诅咒它，大家注意啦~~~~~~~~~~~SWISS-MODEL 是一个自动化的蛋白质比较建模服务器，该服务器提供用户三种模式可选择：Automatic mode（简捷模式）: 用于建模的氨基酸序列或是Swiss-Prot/TrEMBL (/sprot )编目号（accession）可以直接通过web界面提交。

discoverystudio 蛋白功能域什么是蛋白功能域，蛋白功能域的发现过程是怎样的，它有哪些重要的应用领域。

一、蛋白功能域是什么蛋白功能域是指蛋白质分子中具有特定生物学功能的结构模块。

蛋白质通常由一个或多个功能域组成，这些功能域负责不同的生物学活动，如结合特定分子、催化化学反应、信号传导等。

蛋白功能域通常具有保守的序列和结构特征，多个蛋白质可能共享相似或相同的功能域。

通过研究蛋白质的功能域可以深入了解蛋白质的结构、功能和进化。

二、蛋白功能域的发现过程1. 蛋白质序列分析首先，研究人员使用生物信息学方法对蛋白质序列进行分析。

他们可以使用数据库中已知功能域的序列模板进行比对，从而识别出目标蛋白质中的功能域。

2. 结构域预测基于蛋白质序列的结构域预测方法能够预测蛋白质中存在的结构域。

其中一种常用的方法是利用多序列比对的结果，寻找序列中的保守区域，并将其作为存在结构域的证据。

3. 结构域数据库挖掘研究人员还可以通过结构域数据库的挖掘来发现新的功能域。

他们可以将已知的结构域序列比对到这些数据库中，从而鉴定相似结构域。

4. 结构域组合预测鉴定出蛋白质中存在的单个结构域后，研究人员可以进一步预测不同结构域的组合方式，以探究蛋白质的功能。

三、蛋白功能域的重要应用1. 药物研发蛋白功能域在药物研发中具有重要作用。

研究人员通过研究蛋白质的功能域，可以了解药物与目标蛋白质之间的相互作用机制，进而设计和开发针对特定功能域的药物。

2. 生物技术领域蛋白功能域的研究对于生物技术领域的开发具有重要意义。

例如，利用功能域的特异性结合能力，可以开发出高效的抗体、酶、激素等蛋白质工具。

此外，将功能域与其他生物分子结合，还可以构建具有特定功能的蛋白质纳米结构。

3. 基因组学和蛋白质组学研究人员利用蛋白功能域的信息对基因组和蛋白质组进行分析和注释，以了解不同蛋白质的功能和相互作用网络。

这有助于揭示生物系统中蛋白质的组成和功能，进一步理解生物学过程。

蛋白质结构预测和模拟方法蛋白质是生物体内的重要组成部分，对生命活动具有关键作用。

在了解蛋白质功能和相互作用等方面的研究中，蛋白质结构的预测和模拟方法发挥着重要的作用。

本文将介绍蛋白质结构预测的主要方法和蛋白质结构模拟的常见方法。

1. 蛋白质结构预测方法1.1 基于序列的预测方法基于序列的预测方法是根据蛋白质的氨基酸序列推测其结构。

这一方法通过将目标蛋白质的序列与已知结构的蛋白质序列进行比对，从而预测目标蛋白质的结构。

具体方法包括序列比对、蛋白质家族数据库搜索以及机器学习等等。

1.2 基于结构模板的预测方法基于结构模板的预测方法是根据已知结构的蛋白质来预测目标蛋白质的结构。

这一方法通过找到与目标蛋白质具有相似结构的蛋白质，从而预测目标蛋白质的结构。

具体方法包括结构比对、结构模板库搜索以及融合多个结构模板等等。

1.3 基于物理力学的预测方法基于物理力学的预测方法是利用物理力学原理来预测蛋白质的结构。

这一方法通过模拟蛋白质分子内的原子间相互作用，从而预测蛋白质的结构。

具体方法包括分子力学、蒙特卡洛模拟以及分子动力学模拟等等。

2. 蛋白质结构模拟方法2.1 分子力学模拟分子力学模拟是通过计算蛋白质分子内原子之间的相互作用力，来模拟蛋白质的结构和动力学性质。

这一方法可以对蛋白质进行模拟，从而获得与实验结果相一致的结构信息。

2.2 蒙特卡洛模拟蒙特卡洛模拟是通过引入随机性的方法来模拟蛋白质分子的运动和结构。

这一方法通常基于能量最小化原则，通过随机调整蛋白质的构象从而获得可能的结构。

2.3 分子动力学模拟分子动力学模拟是通过数值计算方法，模拟蛋白质分子静态和动态特性的一种方法。

这一方法可以模拟蛋白质的结构和动力学性质，并研究蛋白质在时间和空间尺度上的变化。

3. 蛋白质结构预测和模拟的应用蛋白质结构预测和模拟的方法在生物科学研究中发挥着重要的作用。

首先，它们可以帮助科学家深入了解蛋白质的结构与功能之间的关系。

其次，蛋白质结构预测和模拟方法还可以用于研究蛋白质的折叠机制、稳定性以及相互作用等。

蛋白质结构预测技术简介简介蛋白质结构的解析对其功能的理解至关重要。

然而，由于技术手段的限制，利用实验方法（主要为X-ray，NMR）解析蛋白质结构投入大、周期长、风险大。

对于某些膜蛋白，只利用现有技术条件，其结构甚至无法解析。

另一方面，随着分子生物学技术的成熟及高通量测序技术的发展，越来越多的基因序列可以轻松被找到。

这造成了现代蛋白质科学中一个奇怪的现象：蛋白质序列数据的累积量及积累速度远远超过蛋白质结构。

这种序列与结构间不平衡的现象极大地限制了我们对蛋白质功能及其相关作用机理的理解。

所以我们需要一种能够简单、快速且相对准确的技术来确定蛋白质的空间结构。

蛋白质建模技术可以很好的解决上面的问题。

该方法利用信息技术的手段，可以直接从蛋白的一级结构（氨基酸序列）预测蛋白质的高级结构（主要为三级结构）。

根据最新一届国际建模大赛（CASP）的分类，目前主要的蛋白质建模方法包括两种：基于模板的建模（Template-based Modeling）和自由建模（Free Modeling）。

前者又包括两种方法：同源建模法（Homology Modeling）和“穿线法”（Threading）。

后者主要以从头计算法（ab initio）为主。

所有的建模方法中，以同源建模法(Homology Modeling)使用最为广泛，预测结果的准确性最大。

同源建模的理论基础为蛋白质三级结构的保守性远远超过一级序列的保守性。

因此，人们可以通过使用一个或多个已知结构的蛋白（模板蛋白，template）来构建未知结构蛋白（目标蛋白，target）的空间结构。

其主要的步骤包括：1.搜索用于建模的template(s)2.将target与templates进行比较3.将步骤(2)中的比较信息用于建模Discovery Studio为用户提供了一整套利用Homology Modeling方法自动预测蛋白质空间结构的工具。

用户只需要提供蛋白质的氨基酸序列就可以轻松完成模型构建及模型可信度评估的工作。

预测蛋白聚集位点（Protein Aggregation）教程介绍抗体等具有治疗功能的蛋白，如果处于比较高的浓度下，会有发生聚集的趋势。

这会导致抗体的活性下降，并引起免疫反应。

抗体的聚集趋势计算是一种衡量蛋白表面氨基酸聚集倾向性的指标。

具有比较高的聚集趋势得分的位点表明了该区域的氨基酸倾向于发生聚集。

因此这些位点的预测，使得我们可以通过氨基酸定点突变的方法来改造蛋白，增强其稳定性。

本教程使用Calculate Aggregation Scores对一个全长IgG1抗体分子(PDB号为1h2h)进行蛋白聚集位点的预测计算，并分析预测的结果。

本教程涵盖如下内容：●聚集趋势得分的计算●分析蛋白聚集位点聚集趋势得分计算在文件浏览器（Files Explorer）中，展开Samples | Tutorials | Protein Modeling文件夹，双击1hzh.pdb文件。

DS将在一个新的3D窗口中打开该蛋白。

图1 1hzh分子窗口Ctrl+H打开Hierarchy窗口，然后选中Water，点击Delete删除蛋白结构中的结晶水分子。

在工具浏览器（Tools Explorer）中，展开Simulation | Change Forcefield，将Forcefield设为CHARMm Polar H，然后点击Apply Forcefield，这将为蛋白赋上CHARMm Polar H力场。

图2 Apply Forcefield设置界面在工具浏览器（Tools Explorer）中，展开Macromolecules | Predict Protein Aggregation工具面板，点击Calculate Aggregation Scores。

在弹出的参数设置界面中，将Input Typed Protein设为1hzh:1HZH，将Cutoff Radius设为5,7,10。

点击Run运行该任务。

该任务在奔腾4，2Gb内存和2.8GHz的计算机平台上运行大约需要3分钟。

基于蛋白序列构建同源蛋白模型（MODELER）教程介绍蛋白质结构的解析对其功能的理解至关重要。

然而，由于技术手段的限制，利用实验方法（主要为X-ray，NMR）解析蛋白质结构投入大、周期长、风险大。

对于某些膜蛋白，只利用现有技术条件，其结构甚至无法解析。

另一方面，随着分子生物学技术的成熟及高通量测序技术的发展，越来越多的基因序列可以被轻松找到。

这造成了现代蛋白质科学中一个奇怪的现象：蛋白质序列数据的累积量及积累速度远远超过蛋白质结构的解析。

这种序列与结构间不平衡的现象极大地限制了我们对蛋白质功能及其相关作用机理的理解。

因此，我们需要一种能够简单、快速且相对准确的技术来预测蛋白质的空间结构。

同源建模技术可以很好的解决上面的问题。

该方法利用信息技术的手段，可以直接从蛋白的一级结构（氨基酸序列）预测蛋白质的高级结构（主要为三级结构）。

根据最新一届国际建模大赛（CASP）的分类，目前主要的蛋白质建模方法包括两种：基于模板的建模（Template-based Modeling）和自由建模（Free Modeling）。

前者又包括两种方法：同源建模法（Homology Modeling）和“穿线法”（Threading）。

后者主要以从头计算法（ab initio）为主。

所有的建模方法中，以同源建模法(Homology Modeling)使用最为广泛，预测结果的准确性最为可靠。

同源建模的理论基础为蛋白质三级结构的保守性远远超过一级序列的保守性。

因此，人们可以通过使用一个或多个已知结构的蛋白（模板蛋白，template）来构建未知结构蛋白（目标蛋白，target）的空间结构。

Discovery Studio为用户提供了一整套利用Homology Modeling方法自动预测蛋白质空间结构的工具。

用户只需要提供蛋白质的氨基酸序列就可以轻松完成同源模型的构建及模型可信度评估的工作。

DS的Homology Modeling主要基于MODELER程序。

蛋白质三级结构预测方法原理
蛋白质三级结构预测是指在蛋白质氨基酸序列已知的情况下，根据各种算法和模型预测出蛋白质的空间结构。

常用的预测方法包括构象搜索、分子动力学模拟、能量优化和机器学习等。

其中，构象搜索的思路是将空间构象看作是一系列的节点，搜索最稳定的构象；分子动力学模拟通过模拟蛋白质分子在一定温度、压力下的运动过程，逐渐寻找最稳定的构象；能量优化则是基于各种力场函数对蛋白质进行优化，最终得到最稳定的构象；机器学习的方法则是基于已知蛋白质的三级结构信息，通过大量数据训练预测模型，从而对新的蛋白质结构进行预测。

总的来说，蛋白质三级结构预测方法涉及到物理化学，生物信息学，计算机科学等领域，需要综合运用多种算法和模型，结合实验数据和生物学知识进行分析，不断改进和提升预测准确率。

蛋白质三级结构的分析和预测蛋白质是构成生命的重要物质之一。

其三级结构包括原生结构、二级结构和三级结构。

这些结构决定了蛋白质的功能和性质。

目前，已有许多方法可以分析和预测蛋白质的三级结构。

本文将就这些方法进行探讨。

一、蛋白质二级结构的分析和预测蛋白质的二级结构包括α-螺旋、β-折叠、无规卷曲等。

分析和预测蛋白质二级结构的方法主要有以下几种：1. X射线晶体衍射：通过对蛋白质的晶体进行X射线衍射，可以确定蛋白质的三维原子结构，进而得到蛋白质的二级结构。

2. 核磁共振：该方法通过将蛋白质放入强磁场中，利用不同原子核的不同磁共振信号来确定蛋白质的二级结构。

3. 红外光谱：该方法可以检测蛋白质样品和红外光的相互作用，从而确定蛋白质的二级结构。

4. 桥水铝质谱：该方法可以通过测量蛋白质分子离子化后的质荷比和分子碎片的相互作用来确定蛋白质的二级结构。

以上方法虽然可以准确测定蛋白质的二级结构，但需要高昂的成本和耗时的操作。

而预测蛋白质二级结构的方法主要有以下几种：1. 基于相似性比对的方法：该方法利用已知二级结构的蛋白质序列与待预测蛋白质序列进行比对，从而预测其二级结构。

缺点是需要已知的蛋白质序列作为比对对象。

2. 基于机器学习的方法：该方法利用已知蛋白质序列和其二级结构的数据集进行机器学习，从而预测未知蛋白质的二级结构。

缺点是需要大量的数据集。

3. 基于物理和化学性质的方法：该方法利用蛋白质分子内部的物理和化学性质，如氨基酸的电荷、氢键等，从而推断蛋白质的二级结构。

缺点是准确性有限。

二、蛋白质原生结构的分析和预测蛋白质的原生结构决定了其完整三级结构的构建和稳定性。

分析和预测蛋白质原生结构的方法主要有以下几种：1. X射线晶体衍射：该方法已经成为分析蛋白质原生结构的黄金标准。

通过分析蛋白质晶体的衍射图，可以精确地确定蛋白质分子的原生结构。

2. 高分辨率电子显微镜：该方法可以直接观察蛋白质分子的三维结构，从而确定其原生结构。

第四节蛋白质三维结构预测1、同源模型化方法同源模型化方法是蛋白质三维结构预测的主要方法（Blundell 1987）。

对蛋白质数据库PDB分析可以得到这样的结论：任何一对蛋白质，如果两者的序列等同部分超过30%（对于排列长度大于80），则它们具有相似的三维结构，即两个蛋白质的基本折叠相同，只是在非螺旋和非折叠区域的一些细节部分有所不同。

蛋白质的结构比蛋白质的序列更保守，如果两个蛋白质的氨基酸残基序列有50%相同，那么约有90%的 碳原子的位置偏差不超过3 Å。

这是同源模型化方法在结构预测方面成功的保证。

同源模型化方法的主要思想是：对于一个未知结构的蛋白质，首先通过同源分析找到一个已知结构的同源蛋白质，然后，以该蛋白质的结构为模板，为未知结构的蛋白质建立结构模型。

这里的前提是必须要有一个已知结构的同源蛋白质。

这个工作可以通过搜索蛋白质结构数据库来完成，如搜索PDB。

同源模型化方法是目前一种比较成功的蛋白质三维结构预测方法。

从上述方法介绍也可以看出，因为预测新结构是借助于已知结构的模板而进行的，选择不同的同源的蛋白质，则可能得到不同的模板，因此最终得到的预测结果并不唯一。

假设待预测三维结构的目标蛋白质为U（Unknown），利用同源模型化方法建立结构模型的过程包括下述6个步骤：（1）搜索结构模型的模板(T)。

同源模型化方法假设两个同源的蛋白质具有相同的骨架。

为待预测的蛋白质建立模型时，首先按照同源蛋白质的结构建立模板T。

所谓模板是一个已知结构的蛋白质，该蛋白质的与目标蛋白质U的序列非常相似。

如果找不到这样的模板，则无法运用同源模型法。

（2）序列比对。

将目标蛋白质U的序列与模板蛋白质序列进行比对，使U的氨基酸残基与模板蛋白质的残基匹配。

比对中允许插入和删除操作。

（3）建立骨架。

将模板结构的坐标拷贝到目标U，仅拷贝匹配残基的坐标。

在一般情况下，通过这一步建立目标蛋白质U的骨架。

（4）构建目标蛋白质的侧链。

建模模板同源建模的基本原理是，你映射的一个未知的蛋白质序列一种已知蛋白质的结构。

因此，如果你没有已知的蛋白质，或模板，你将无法建立模型。

模板的共同来源是蛋白质在结构生物信息学研究的实验室数据银行（目标）。

该网站RCSB是HTTP：/ /。

org /。

蛋白质数据库（PDB）可能是世界上领先的公共源三维生物分子数据（1）。

截至七月2006，超过37000项可在PDB。

每个月都有更多的人加入。

X射线衍射仪和其它固态技术占大多数的结构。

然而，超过5500的核磁共振结构还可用。

这些沉积的结构包括蛋白质，肽，核酸，碳水化合物，这些分子的配合物。

在发现工作室环境中工作的这些分子是一个关键的过程给你的建模工作。

这个练习如何准备一个PDB文件作为一个模板同源建模项目。

你将在课程中学习如何：•加载PDB文件直接从蛋白质数据银行，•生产和检验蛋白质报告，•清除晶体单元电池，•分裂分子，•删除不需要的组件，和保存已完成的文件。

1、开始发现工作室2制剂，684个晶体的水，和几个离子。

抑制剂是曲古抑菌素A，一个很好的研究组蛋白去乙酰化酶抑制剂（2）。

的结构。

3、检查蛋白质报告在深入了解蛋白质，我们应该花一点时间来看看有什么。

一种快连锁。

但我们要清楚我们几个非原子以及。

4、删除单元电池晶体单元单元在分子力学计算中的意义不大。

有时它只是更容易这个文件是由多个部分组成的。

我们可以通过层次结构查看组件其他练习窗口。

然而，我们实际上可以分开的组件的PDB文件更快的四的成分是蛋白质（1t64_a和1t64_b），配体（1t64_nonprotein），和结晶水（1t64_water）。

拆分命令的三个选项允许在如何处理对象的操作中有一定的灵活性。

所有打出的层次结构视图中所有链和非蛋白结构为独立的对象，并列出每个氨基酸序列为序列单独序列。

蛋白打出所有的蛋白链结构为独立的对象层次结构中的每个视图和列表的氨基酸序列为序列单独序列。

非蛋白打出配体，如为单独的对象的水域在层次视图其他非蛋白结构和列表的任何非蛋白多肽序列在序列视图分离的序列。

第1篇一、实验目的1. 熟悉同源建模的基本原理和方法；2. 掌握同源建模的实验步骤和操作技巧；3. 通过同源建模预测蛋白质的三级结构，并验证预测结果的准确性。

二、实验原理同源建模是一种基于生物信息学的方法，利用已知蛋白质的三维结构作为模板，通过计算机模拟和计算，预测未知蛋白质的三维结构。

该方法基于以下两个原理：1. 蛋白质的结构由其氨基酸序列唯一决定，知道其一级序列，在理论上就可以获取其二级结构以及三级结构；2. 蛋白质的三级结构在进化中更稳定或者说更保守。

如果两个蛋白质的氨基酸序列有50%相同，那么约有90%的α-碳原子的位置偏差不超过3，这是同源模型化方法在结构预测方面成功的保证。

三、实验材料与仪器1. 实验材料：蛋白质序列、NCBI数据库、SwissModel在线平台、MOE软件；2. 实验仪器：计算机、网络连接。

四、实验步骤1. 收集蛋白质序列：在NCBI数据库中搜索目标蛋白质的序列，获取其一级结构信息。

2. 模板搜寻：使用SwissModel在线平台进行模板搜寻，寻找与目标蛋白质序列具有较高同源性的已知蛋白质结构作为模板。

3. 模型构建：根据模板蛋白质的三维结构，使用SwissModel在线平台构建目标蛋白质的三维结构模型。

4. 模型优化：使用MOE软件对模型进行优化，包括分子力学优化、能量最小化等。

5. 模型验证：通过比对实验结果和预测结构，验证同源建模的准确性。

6. 结果分析：分析预测结构的合理性，解释蛋白质的功能和作用机理。

五、实验结果与分析1. 模板搜寻：在SwissModel在线平台中，成功找到与目标蛋白质序列具有较高同源性的模板蛋白质。

2. 模型构建：根据模板蛋白质的三维结构，成功构建了目标蛋白质的三维结构模型。

3. 模型优化：使用MOE软件对模型进行优化，优化后的模型具有更低的能量。

4. 模型验证：通过比对实验结果和预测结构，验证同源建模的准确性。

预测结构在关键区域与实验结果基本一致。

《生物信息学》第五章：蛋白质结构预测与分析（第二部分） 计算方法预测三级结构：同源建模法SWISS-MODEL预测蛋白质三级结构的首选方法是同源建模法（homolog modeling）。

该方法基于原理：相似的氨基酸序列对应着相似的蛋白质结构。

比如三个蛋白质，它们在序列水平上十分相似，解析出的结构也十分相似。

第四个蛋白质的序列和前面三个也高度相似，那么就可以比着前三个结构的样子“画”出第四个的样子。

所以同源建模法的关键就是找到一个好的模板。

好的模板要求，在序列水平上模板（template）要与目标（target）蛋白质具有超过30%的一致度。

同源建模法操作流程如下（图1）：图1. 同源建模法操作流程1. 确定模板：找到与目标蛋白质同源的已知蛋白质结构作为模版（目标序列与模版序列间的一致度要≥30%）。

2. 序列比对：为目标序列与模板序列创建序列对比。

模板可以选取多个，通过做多序列比对，各取所长，让模板序列中与目标序列相似的片段尽可能多的覆盖整个目标序列，同时要尽量避免没有模板参考的断口。

3. 计算模型：通过序列比对，将目标序列里的氨基酸替换到模板结构里对应的氨基酸所在的空间位置上。

这一步通过同源建模软件来实现。

4.换模板或修正序列比对，重新构建模型，再次评估。

SWISS-MODEL（）它能帮助完成上述步骤中从模板选取到创建序列比对，再到计算模型，以及最后的质量评估的全部过程。

你需要做的只是：输入目标序列，点Build Model（创建模型）（图2左）。

大约三到五分钟之后就会返回结果。

如果这种自动挡模式不能满足你的要求，可以通过点击Search For Templates切换成手动挡，以便指定模板。

也可以直接把做好的目标序列与模板序列之间的序列比对按照指定格式黏贴到输入框里，再点击Build Model（创建模型）（图2右）。

这时，SWISS-MODEL会根据输入的特定格式的序列比对，识别出哪个是目标序列，哪个是模板，并自动从PDB数据库下载模板结构，最后根据输入的比对计算结构模型。