1二、蛋白質(zhì)二級結(jié)構(gòu)預(yù)測蛋白質(zhì)二級結(jié)構(gòu)預(yù)測不僅是聯(lián)系其一級結(jié)構(gòu)和三級結(jié)構(gòu)的橋梁和紐帶，而且也是從一級結(jié)構(gòu)預(yù)測其三級空間結(jié)構(gòu)的關(guān)鍵步驟。

基本的二級結(jié)構(gòu)：α螺旋，β折疊，β轉(zhuǎn)角，無規(guī)則卷曲（coils）以及模序（motif）等蛋白質(zhì)局部結(jié)構(gòu)組件。蛋白質(zhì)二級結(jié)構(gòu)的預(yù)測程序采用以下3種方法:(1)結(jié)合人工神經(jīng)網(wǎng)絡(luò)、遺傳算法等機器學(xué)習(xí)方法，統(tǒng)計氨基酸出現(xiàn)頻度;(2)以二級結(jié)構(gòu)為模板，建立序列譜矩陣或未知特異性記分矩陣;(3)利用同源蛋白多重比對。

工具網(wǎng)站備注PredictProtein/提供多項蛋白質(zhì)性質(zhì)分析，并有較好準(zhǔn)確性Profhttp://www.aber.ac.uk/~phiwww/prof/基于多重序列比對預(yù)測工具Jpredpbio.dundee.ac.uk/~www-jpred/submit.html基于Jnet神經(jīng)網(wǎng)絡(luò)的分析程序，并采用PSI-BLAST來構(gòu)建序列Profile進(jìn)行預(yù)測，對于序列較短、結(jié)構(gòu)單一的蛋白預(yù)測較好SOPMAhttp://npsa-pbil.ibcp.fr/cgi-bin/npsa_automat.pl?page=npsa_sopma.html可以比較各種分析方法得到的結(jié)果，也可輸出

“一致性結(jié)果”SSPREDhttp://coot.embl.de/~fmilpetz/SSPRED/sspred.html基于數(shù)據(jù)庫搜索相似蛋白并構(gòu)建多重序列比對2蛋白質(zhì)二級結(jié)構(gòu)分析工具3PredictProtein:蛋白質(zhì)二級結(jié)構(gòu)預(yù)測PredictProtein(/)是歐洲分子生物學(xué)實驗室提供的蛋白質(zhì)序列和結(jié)構(gòu)預(yù)測服務(wù)網(wǎng)站。訪問PredictProtein網(wǎng)站應(yīng)先注冊ID，進(jìn)入序列提交界面。程序默認(rèn)分析方法包括：用PROFsec分析序列二級結(jié)構(gòu)及殘基溶劑可及性；用PHDhtm分析序列潛在的跨膜拓?fù)浣Y(jié)構(gòu)；用COILS預(yù)測卷曲結(jié)構(gòu)；通過PROSITE搜索模體(motif)，預(yù)測序列潛在的功能，借助ProDom預(yù)測結(jié)構(gòu)功能域等。PredictProtein可以獲得功能預(yù)測、二級結(jié)構(gòu)、基序、二硫鍵結(jié)構(gòu)、結(jié)構(gòu)域等許多蛋白質(zhì)序列的結(jié)構(gòu)信息。該方法的平均準(zhǔn)確率超過72%，最佳殘基預(yù)測準(zhǔn)確率達(dá)90%以上。PredictProtein提交界面序列提交窗口5序列預(yù)測PROFsec（默認(rèn)）基于輪廓（profile）的神經(jīng)網(wǎng)絡(luò)算法預(yù)測蛋白質(zhì)二級結(jié)構(gòu)PROFacc（默認(rèn)）基于輪廓（profile）的神經(jīng)網(wǎng)絡(luò)算法預(yù)測殘基溶劑可及性PHDhtm（默認(rèn)）基于多序列比對預(yù)測跨膜區(qū)位置和拓?fù)浣Y(jié)構(gòu)ASP（默認(rèn)）識別二級結(jié)構(gòu)中構(gòu)型變化的氨基酸COILS（默認(rèn)）識別卷曲螺旋PROFtmb識別革蘭氏陰性菌膜Beta桶蛋白結(jié)構(gòu)序列基序識別ProSite（默認(rèn)）搜索序列中保守基序SEG（默認(rèn)）過濾序列中低復(fù)雜區(qū)域PredictNLS（默認(rèn)）基于實驗數(shù)據(jù)預(yù)測序列核定位區(qū)域二硫鍵識別DISULFIND（默認(rèn)）識別序列中二硫鍵位置折疊子識別AGAPE基于折疊結(jié)構(gòu)識別遠(yuǎn)源蛋白序列殘基接觸預(yù)測PROFcon預(yù)測單鏈中原子殘基接觸性結(jié)構(gòu)域預(yù)測ProDom（默認(rèn)）基于序列同源性來預(yù)測蛋白質(zhì)結(jié)構(gòu)域CHOP預(yù)測蛋白質(zhì)結(jié)構(gòu)域結(jié)構(gòu)表面識別ConSeq預(yù)測蛋白質(zhì)表面結(jié)構(gòu)功能關(guān)鍵區(qū)域分析方法程序詳解PredictProteinSecondaryStructure

PredictProteinSecondaryStructure

H:螺旋E:折疊L:環(huán)e:暴露表面﹥16%殘基b:其它殘基蛋白定位預(yù)測ProSite模體搜索結(jié)果PROSITE中的ID號簡單描述Motif模式提交序列中出現(xiàn)該Motif的位置PredictProtein分析結(jié)果

SEG低復(fù)雜區(qū)域過濾二硫鍵識別程序11PredictProtein分析結(jié)果跨膜區(qū)非跨膜區(qū)跨膜區(qū)預(yù)測LoopHelixSheet二級結(jié)構(gòu)12三、結(jié)構(gòu)域分析結(jié)構(gòu)域是蛋白序列的功能、結(jié)構(gòu)和進(jìn)化單元分析方法序列比對單條蛋白質(zhì)序列可以包含一個或多個結(jié)構(gòu)域基本類型：

13α折疊β折疊α/β折疊α+β折疊14工具網(wǎng)站備注CDD/sites/entrez?db=cdd通過比較目標(biāo)序列和一組位置特異性打分矩陣進(jìn)行RPS-BLAST來確定目標(biāo)序列中的保守結(jié)構(gòu)域HAMAP/sprot/hamap/families.html通過專家預(yù)測系統(tǒng)產(chǎn)生的微生物家族同源蛋白數(shù)據(jù)InterProhttp://www.ebi.ac.uk/interpro/蛋白質(zhì)家族、結(jié)構(gòu)域和功能位點的聯(lián)合資源數(shù)據(jù)庫，整合了多個數(shù)據(jù)庫和工具的結(jié)果，并提供相應(yīng)的鏈接Pfamhttp://pfam.sanger.ac.uk/每個蛋白家族包含了多序列比對、profile-HMMs和注釋文件ProDomhttp://prodom.prabi.fr/從SWISS-PROT/TrEMBL數(shù)據(jù)庫中的非片段蛋白序列數(shù)據(jù)構(gòu)成，每條記錄包含一個同源結(jié)構(gòu)域多重比對和家族保守一致性序列SMARThttp://smart.embl-heidelberg.de/由EMBL建立，集成了大部分已知蛋白功能域數(shù)據(jù)，注釋包括了功能類型、三維結(jié)構(gòu)、分類信息蛋白質(zhì)結(jié)構(gòu)域數(shù)據(jù)庫InterPro數(shù)據(jù)庫InterPro：http://www.ebi.ac.uk/interpro/InterPro數(shù)據(jù)庫由EBI開發(fā)，整合蛋白質(zhì)家族、結(jié)構(gòu)域和功能位點等資源。整合UniProt、PROSITE、Pfam等12個成員數(shù)據(jù)庫，檢索結(jié)果準(zhǔn)確。目前最新的InterPro26.0版本包含20329個條目，涵蓋5542個結(jié)構(gòu)域、12370個蛋白質(zhì)家族。InterPro數(shù)據(jù)庫數(shù)據(jù)庫網(wǎng)站備注UniProthttp://www.ebi.ac.uk/uniprot/整合Swiss-Prot、TrEMBL和PIR數(shù)據(jù)庫中有關(guān)的蛋白序列和功能信息PROSITEhttp://www.expasy.ch/prosite/有關(guān)蛋白質(zhì)家族和結(jié)構(gòu)域的數(shù)據(jù)庫HAMAPhttp://www.expasy.ch/sprot/hamap/有關(guān)微生物蛋白質(zhì)組自動、人工注釋的高質(zhì)量數(shù)據(jù)庫Pfamhttp://pfam.sanger.ac.uk/收集了大量的覆蓋眾多蛋白質(zhì)結(jié)構(gòu)域的多序列比對數(shù)據(jù)和隱馬爾科夫模型PRINTShttp://www.bioinf.man.ac.uk/dbbrowser/PRINTS/蛋白質(zhì)指紋圖譜數(shù)據(jù)庫，提供識別蛋白質(zhì)家族的保守模序ProDomhttp://prodes.toulouse.inra.fr/prodom/current/html/home.php基于PSI-BLAST的同源蛋白結(jié)構(gòu)域數(shù)據(jù)庫SMARThttp://smart.embl-heidelberg.de/用于鑒定和注釋可移動結(jié)構(gòu)域并分析其結(jié)構(gòu)TIGRFAMS/TIGRFAMs/index.shtml基于隱馬爾科夫模型搜索蛋白質(zhì)家族的工具PIRSF/iproclass/提供從超家族到亞家族多層次蛋白質(zhì)分類系統(tǒng)網(wǎng)Superfamilyhttp://supfam.cs.bris.ac.uk/SUPERFAMILY/對所有完成基因組測序的蛋白質(zhì)，基于SCOP數(shù)據(jù)庫的結(jié)構(gòu)和功能注釋Gene3Dhttp://gene3d.biochem.ucl.ac.uk/Gene3D/描述全基因組蛋白質(zhì)家族和結(jié)構(gòu)域PANTER/根據(jù)家族功能特異性區(qū)分蛋白家族和亞家族，基于規(guī)范的術(shù)語和代謝途徑確定更精確功能17選擇需要的分析工具結(jié)果返回形式序列提交框InterProScan工具InterProScan- http://www.ebi.ac.uk/InterProScan/InterProScan工具選擇需要的分析工具運行提交序列InterProScan工具五、蛋白質(zhì)三維結(jié)構(gòu)蛋白質(zhì)的生物學(xué)功能在很大程度上取決于蛋白質(zhì)的空間結(jié)構(gòu)，三級結(jié)構(gòu)是蛋白質(zhì)預(yù)測的最終目的。在一些較小的蛋白質(zhì)分子中一般只具有單結(jié)構(gòu)域，這時，其三級結(jié)構(gòu)就是它的結(jié)構(gòu)域。在較大的蛋白質(zhì)分子中，則由兩個或多個相對獨立的結(jié)構(gòu)域組合并折疊成在空間上可明顯區(qū)分的三維結(jié)構(gòu)。通常采用X射線晶體衍射及核磁共振等實驗技術(shù)加以驗證，但對設(shè)備及技術(shù)要求很高?；谟嬎銠C的生物信息學(xué)預(yù)測一般有三種方法：同源建模法、線串法和從頭算法，對蛋白質(zhì)數(shù)據(jù)進(jìn)行初步結(jié)構(gòu)模擬。21蛋白質(zhì)三維結(jié)構(gòu)預(yù)測方法特點工具同源建模法(Homology/Comparativemodelling)基于序列同源比對，對于序列相似度>30％的序列模擬比較有效，最常用的方法SWISS-MODEL，CPHmodels

線串法/折疊識別法(Threading/Foldrecognition)“串”入已知的各種蛋白質(zhì)折疊骨架內(nèi)，適于對蛋白質(zhì)核心結(jié)構(gòu)進(jìn)行預(yù)測，計算量大Phyre2，3D-PSSM從頭預(yù)測法(Abinitio/Denovomethods)基于分子動力學(xué)，尋找能量最低的構(gòu)象，計算量大，只能做小分子預(yù)測HMMSTR/ROBETTA22同源建模是目前最為成功且實用的蛋白質(zhì)結(jié)構(gòu)預(yù)測方法同源建模的前提是已知一個或多個同源蛋白質(zhì)的結(jié)構(gòu)。當(dāng)兩個蛋白質(zhì)的序列同源性高于30%，認(rèn)為它們的三維結(jié)構(gòu)基本相同；序列同源性低于30%的蛋白質(zhì)難以得到理想的結(jié)構(gòu)模型。同源建模的大體過程分為4個步驟：1鑒定結(jié)構(gòu)模板；2目標(biāo)序列和模板結(jié)構(gòu)比對；3建立模型；4模型質(zhì)量評估。同源建模23SWISS-MODELSWISS-MODEL是一個蛋白質(zhì)3D結(jié)構(gòu)數(shù)據(jù)庫，庫中收錄的蛋白質(zhì)結(jié)構(gòu)都是使用SWISS-MODEL同源建模方法得來的。/基于同源建模法與PDB數(shù)據(jù)庫已知結(jié)構(gòu)的蛋白質(zhì)序列比對進(jìn)行預(yù)測SWISS-MODEL輸入用戶E-mail（選填）