蛋白質二級結構預測方法是首先預測蛋白質的結構型別，下面是小編蒐集整理的一篇探究預測蛋白質二級結構方法的論文範文，歡迎閱讀參考。
1、研究背景及意義
蛋白質二級結構的預測是生物、數學與計算機交叉領域的課題,進行二級結構預測對於理解蛋白質結構與功能的關係,以及分子設計、生物製藥等領域都有重要的現實。隨著人類基因組計劃的順利實施,已知氨基酸序列的蛋白質數量成級數增長,目前試驗手段主要依靠X射線晶體衍射與核磁共振方法測定蛋白質二級結構,但測定週期較長,導致已測定二級結構的蛋白質數量與已知氨基酸序列的蛋白質數量差距越來越大,要求有一種快速簡潔而適用性強的預測蛋白質二級結構的方法。而蛋白質的氨基酸排列順序決定了它的空間結構,空間結構體現了蛋白質的生理功能,那麼就可以從已知序列和結構的蛋白質出發,挖掘出其中的關係,就可以預測出其他已知序列的蛋白質的二級結構。如果準確率達到要求則對於瞭解生命現象的本質,解釋疾病的發生機制,診斷、治療疾病、設計新藥、通過不同生物蛋白質結構研究生物進化、利用其他生物為人類服務等都有著非常重要的意義。綜上,蛋白質結構的預測對於蛋白質的研究與應用領域具有很好的推動作用。
2、預測方法
二級結構預測一直都是學者喜歡研究的問題,研究時間長,目前預測二級結構預測的方法已經有很多,但是在準確率上都達不到所希望的要求,因此無數的人依然為此努力著(1)經驗引數法。經驗引數法是一種基於單個氨基酸殘基統計的經驗預測方法。通過統計分析,獲得的每個殘基出現於特定二級結構構象的傾向性因子,進而利用這些傾向性因子預測蛋白質的二級結構。1970年由和an提出Chou-Fasman方法是預測蛋白質二級結構的經驗方法。這種方法基於每個氨基酸在α螺旋的相對頻率,測試表,和通過X射線晶體學已知的蛋白質結構。從這些頻率、概率引數,可知道每個氨基酸在各個二級結構型別的外觀,而這些引數是用來預測某一氨基酸序列將形成一個螺旋,一個測試鏈,或一個又一個蛋白質的概率的。該方法在確定正確的二級結構準確性約50-60%,這明顯比現代機器學習技術的準確性要低。(2)GOR方法。
GOR方法是一種基於資訊理論和貝葉斯統計學的方法,是統計演算法中理論基礎最好的。GOR將蛋白質序列當作一連串的資訊值來處理,基本原理是將蛋白質的一級結構和二級結構看成一個轉化過程的兩個相互聯絡的資訊;GOR方法不僅考慮被預測位置本身氨基酸殘基種類的影響,而且考慮相鄰殘基種類對該位置構象的影響。為了避免大量的實驗資料,GOR將資訊函式分為多項式和的形式。(3)Lim方法-立體化學方法。氨基酸的理化性質對二級結構影響較大,在進行結構預測時考慮氨基酸殘基的物理化學性質。立體化學是從三維空間揭示分子的結構和效能。手性分子是立體化學中極其重要的部分之一。同分異構在有機化學中是極為普遍的.現象。立體異構是指分子中的原子或基團在空間的排列不同步產生的異構現象。利用不同氨基酸家族的性質差異來進行二級預測。(4)同源分析法。同源分析法是將待預測的片段與資料庫中已知二級結構的片段進行相似性比較,利用打分矩陣計算出相似性得分,根據相似性得分以及資料庫中的構象態,構建出待預測片段的二級結構。該方法對資料庫中同源序列的存在非常敏感,若資料庫中有相似性大於30%的序列,則預測準確率可大大上升。(5)BP神經網路演算法。在生物資訊學研究中,應用得最多的神經網路模型是多層前饋網路模型,這種模型使用最廣泛的演算法是BP演算法,即反向傳播演算法。它屬於有導師學習的演算法。這種模型也叫BP神經網路。網路通過對已有氨基酸編碼建立序列到結構,結構到結構的兩層網路進行學習,預測的準確性上有極大的提高。
3、方法分析
蛋白質二級結構預測方法是首先預測蛋白質的結構型別,然後再預測二級結構。通過對各個方法的比較可以得到:(1)與傳統經典方法相比,利用特徵資訊提取方法可涵蓋序列統計特徵、氨基酸物理化學特徵、氨基酸片段位置分佈三方面的資訊,此方法可以較為全面地反映出蛋白質序列中有代表性的特徵資訊。(2)通過採用有效的特徵挑選演算法以及分類演算法,既有效減少了資訊的冗餘,又提高了結構類預測模型的準確率。綜上,本研究從資訊學角度出發,系統地解決蛋白質資訊提取、多特徵資訊組合及結構類預測等資訊處理問題,有助於蛋白質的結構及功能研究,同時也對蛋白質序列分析、機器學習領域的發展有很大的幫助。(3)目前普遍使用的,考慮多條序列的方法,運用長程資訊和蛋白質序列的進化資訊,準確度有了比較大的提高。
4、結語
由上述的各種方法可以看出有很多方面的因素會影響蛋白質二級結構的預測,如目前已知的蛋白質太少,大部分處於未知階段。
針對目前的蛋白質資料庫資源的貧乏性特點,如何選擇適當的預測方法和評估準則將決定蛋白質預測的準確率的高低。因此在選擇時應該多種方法綜合利用,不僅包括各種預測方法的綜合,而且也包括結構實驗結果、序列對比結果、蛋白質結構分類預測結果等資訊的綜合。多個程式同時預測,綜合評判得到一致結果;序列比對與二級結構預測;雙重預測。對模型進行反覆優化,以提高預測的準確率和實際價值。
參考文獻：
[1]閆平凡,張長水.人工神經網路語模擬退火計算[M].北京:清華大學出版社,2000.
[2]沈世鎰,神經網路系統理論及其應用[M].科學出版社,2000.
[3]唐媛李,春花,蛋白質二級結構的研究進展[J].現代生物醫學進展,2013.
[4]楊存榮,孫之榮,模式識別方法預測蛋白質二級結構的研究[N].清華大學學報(自然科學版),第32卷,第1期,1992.
[5]王勇獻,蛋白質二級結構預測的模型與方法研究[D].工學博士學位論文.