2025年大學(xué)《生物信息學(xué)》專業(yè)題庫——蛋白質(zhì)結(jié)構(gòu)與酶功能的預(yù)測技術(shù)考試時間：______分鐘總分：______分姓名：______一、選擇題（每題2分，共20分。請將正確選項(xiàng)的代表字母填寫在答題紙上。）1.下列哪項(xiàng)技術(shù)屬于基于模板的蛋白質(zhì)同源建模方法？A.蒙特卡洛模擬B.蛋白質(zhì)動力學(xué)模擬C.I-TASSERD.Swiss-Model2.AlphaFold2能夠取得突破性進(jìn)展，其主要依賴于哪些技術(shù)的融合？（選擇兩項(xiàng)）A.深度學(xué)習(xí)模型B.分子動力學(xué)模擬C.多序列比對D.經(jīng)驗(yàn)力場參數(shù)3.在蛋白質(zhì)結(jié)構(gòu)預(yù)測中，MM-PBSA通常用于評估什么？A.蛋白質(zhì)二級結(jié)構(gòu)B.蛋白質(zhì)折疊的自由能C.蛋白質(zhì)表面可及性D.蛋白質(zhì)同源建模的準(zhǔn)確性4.用于預(yù)測蛋白質(zhì)功能的關(guān)鍵數(shù)據(jù)庫BRENDA主要收錄了哪些信息？（選擇兩項(xiàng)）A.蛋白質(zhì)三維結(jié)構(gòu)B.酶的EC編號和反應(yīng)底物C.蛋白質(zhì)的基因序列D.蛋白質(zhì)的GO功能注釋5.基于序列的酶功能預(yù)測方法通常利用什么信息來尋找功能相似性？A.蛋白質(zhì)的高級結(jié)構(gòu)特征B.蛋白質(zhì)序列之間的相似性C.酶活性位點(diǎn)的三維構(gòu)象D.蛋白質(zhì)與其他分子的相互作用6.在蛋白質(zhì)結(jié)構(gòu)中，二級結(jié)構(gòu)通常指什么？A.蛋白質(zhì)分子的整體折疊狀態(tài)B.氨基酸鏈局部折疊形成的模式C.蛋白質(zhì)亞基的組成方式D.蛋白質(zhì)分子與配體的結(jié)合界面7.如果一個未知蛋白質(zhì)序列與已知功能的酶序列具有很高的序列相似性（例如，同源性>30%），基于序列的方法更傾向于預(yù)測該未知蛋白具有什么？A.完全不同的功能B.相似的功能C.無法預(yù)測其功能D.一定是同工酶8.PhI-D數(shù)據(jù)庫主要關(guān)注預(yù)測什么？A.蛋白質(zhì)的一級結(jié)構(gòu)（氨基酸序列）B.蛋白質(zhì)的高級結(jié)構(gòu)（三維折疊）C.蛋白質(zhì)結(jié)構(gòu)中的功能位點(diǎn)（如活性位點(diǎn)、結(jié)合位點(diǎn)）D.蛋白質(zhì)序列的進(jìn)化關(guān)系9.下列哪項(xiàng)技術(shù)不直接依賴于已知的蛋白質(zhì)結(jié)構(gòu)模板？A.CE（CombinatorialExtension）B.ModellerC.RosettaD.AlphaFold10.對于長鏈蛋白質(zhì)或多結(jié)構(gòu)域蛋白質(zhì)，當(dāng)前的蛋白質(zhì)結(jié)構(gòu)預(yù)測技術(shù)（尤其是基于深度學(xué)習(xí)的方法）面臨的主要挑戰(zhàn)是什么？A.預(yù)測精度不高B.難以處理蛋白質(zhì)的連續(xù)折疊部分C.計(jì)算資源需求過大D.預(yù)測結(jié)果缺乏生物學(xué)解釋性二、簡答題（每題5分，共25分。請將答案寫在答題紙上。）1.簡述同源建模的基本原理及其主要步驟。2.比較基于序列的酶功能預(yù)測和基于結(jié)構(gòu)的酶功能預(yù)測方法的主要區(qū)別。3.簡述蛋白質(zhì)結(jié)構(gòu)預(yù)測中“模板無關(guān)建?！保╠enovofolding）與“模板相關(guān)建?！保ㄍ唇＃┑暮诵膮^(qū)別。4.解釋什么是蛋白質(zhì)的活性位點(diǎn)，以及預(yù)測蛋白質(zhì)活性位點(diǎn)常用的生物信息學(xué)方法有哪些。5.提到AlphaFold2時，經(jīng)常提到MM-PBSA。簡述MM-PBSA的計(jì)算過程及其在結(jié)構(gòu)預(yù)測中扮演的角色。三、論述題（每題10分，共30分。請將答案寫在答題紙上。）1.闡述AlphaFold2等基于深度學(xué)習(xí)的方法是如何革新蛋白質(zhì)結(jié)構(gòu)預(yù)測領(lǐng)域的，并分析其相比傳統(tǒng)方法的優(yōu)勢。2.假設(shè)你獲得了一個未知來源的蛋白質(zhì)序列，請?jiān)O(shè)計(jì)一個合理的流程，利用生物信息學(xué)工具和資源來預(yù)測其可能的三維結(jié)構(gòu)以及潛在的功能。3.討論蛋白質(zhì)結(jié)構(gòu)預(yù)測技術(shù)在未來藥物設(shè)計(jì)（如小分子抑制劑設(shè)計(jì)）和酶工程（如酶的定向進(jìn)化）中可能扮演的角色及其潛在應(yīng)用。試卷答案一、選擇題1.D2.A,C3.B4.B,D5.B6.B7.B8.C9.D10.B二、簡答題1.同源建模基本原理：同源建?；凇敖Y(jié)構(gòu)同源性”原則，即具有相似氨基酸序列的蛋白質(zhì)通常具有相似的三維結(jié)構(gòu)。通過找到目標(biāo)未知蛋白質(zhì)與數(shù)據(jù)庫中已知結(jié)構(gòu)蛋白質(zhì)的序列相似性（通常通過多序列比對），然后以已知結(jié)構(gòu)蛋白質(zhì)為模板，將未知蛋白質(zhì)的序列信息“映射”到模板結(jié)構(gòu)上，從而構(gòu)建出未知蛋白質(zhì)的模型結(jié)構(gòu)。主要步驟：(1)獲取目標(biāo)蛋白質(zhì)序列；(2)在蛋白質(zhì)序列數(shù)據(jù)庫中進(jìn)行序列比對，尋找最相似的已知結(jié)構(gòu)模板；(3)選擇合適的同源建模軟件；(4)運(yùn)行軟件進(jìn)行模型構(gòu)建；(5)對生成的模型結(jié)構(gòu)進(jìn)行評估和優(yōu)化（如能量最小化）。2.基于序列的酶功能預(yù)測vs基于結(jié)構(gòu)的酶功能預(yù)測區(qū)別：*基于序列的方法：主要利用蛋白質(zhì)序列之間的相似性來推斷功能。通過序列比對工具（如BLAST,HMMER）在功能數(shù)據(jù)庫（如BRENDA,PDB）中尋找具有相似序列且已知功能的蛋白質(zhì)。優(yōu)點(diǎn)是快速、不需要結(jié)構(gòu)信息；缺點(diǎn)是序列相似性不完全等同于功能相似性，可能存在“序列陷阱”。*基于結(jié)構(gòu)的方法：主要利用蛋白質(zhì)三維結(jié)構(gòu)信息來推斷功能。通過結(jié)構(gòu)比對工具（如CE,VAST,DALI）在結(jié)構(gòu)數(shù)據(jù)庫（如PDB）中尋找具有相似結(jié)構(gòu)的已知功能蛋白質(zhì)。也可以通過分析預(yù)測結(jié)構(gòu)中的關(guān)鍵位點(diǎn)（如活性位點(diǎn)、結(jié)合口袋）來推斷功能。優(yōu)點(diǎn)是結(jié)構(gòu)信息通常比序列信息更能保守地反映功能，能發(fā)現(xiàn)序列上不相似但結(jié)構(gòu)/功能相似的新成員；缺點(diǎn)是結(jié)構(gòu)數(shù)據(jù)量相對序列較少，預(yù)測結(jié)構(gòu)本身可能存在誤差。3.模板相關(guān)建模（同源建模）與模板無關(guān)建模（denovofolding）核心區(qū)別：*模板相關(guān)建模（同源建模）：依賴于在序列數(shù)據(jù)庫中找到與目標(biāo)蛋白質(zhì)具有足夠相似性的已知結(jié)構(gòu)蛋白質(zhì)作為模板。通過將目標(biāo)序列映射到模板結(jié)構(gòu)上構(gòu)建模型。適用于序列相似度較高的蛋白質(zhì)（通常>25-30%）。關(guān)鍵在于模板的選擇質(zhì)量和序列比對準(zhǔn)確性。*模板無關(guān)建模（denovofolding）：不依賴任何已知的同源結(jié)構(gòu)模板，直接根據(jù)目標(biāo)蛋白質(zhì)的氨基酸序列，利用物理化學(xué)原理或基于知識的規(guī)則來預(yù)測其三維折疊結(jié)構(gòu)。適用于序列相似性太低（無可用模板）或蛋白質(zhì)結(jié)構(gòu)域新穎的情況。挑戰(zhàn)在于蛋白質(zhì)折疊的復(fù)雜性和搜索巨大構(gòu)象空間的問題。AlphaFold2是近年來在模板無關(guān)建模方面取得重大進(jìn)展的代表。4.活性位點(diǎn)定義與預(yù)測方法：蛋白質(zhì)的活性位點(diǎn)是指酶催化反應(yīng)或與底物/配體結(jié)合的關(guān)鍵區(qū)域。通常是蛋白質(zhì)表面一個相對緊湊的口袋或凹槽，由特定的氨基酸殘基組成。預(yù)測方法：(1)基于序列的方法：利用HMM或PWM分析已知功能蛋白質(zhì)家族的活性位點(diǎn)氨基酸殘基保守性，然后在目標(biāo)序列中搜索相似的位點(diǎn)和殘基；(2)基于結(jié)構(gòu)的方法：如果已知結(jié)構(gòu)，直接在結(jié)構(gòu)中識別與已知底物結(jié)合的位點(diǎn)或根據(jù)序列信息和物理化學(xué)性質(zhì)預(yù)測的疏水/帶電殘基聚集區(qū)域；(3)結(jié)合機(jī)器學(xué)習(xí)的方法：訓(xùn)練模型學(xué)習(xí)序列/結(jié)構(gòu)特征與活性位點(diǎn)存在的關(guān)系進(jìn)行預(yù)測（如PhI-D數(shù)據(jù)庫及其方法）。5.MM-PBSA計(jì)算過程與角色：MM-PBSA（MolecularMechanics-Poisson-BoltzmannSurfaceArea）是一種結(jié)合分子力學(xué)（MM）和分子動力學(xué)（PB）方法的自由能計(jì)算技術(shù)。計(jì)算過程：(1)MM階段：使用分子力學(xué)力場計(jì)算蛋白質(zhì)分子在不同構(gòu)象下的近似勢能（勢能面）；(2)采樣階段：通常通過分子動力學(xué)模擬或構(gòu)象搜索算法（如蒙特卡洛）產(chǎn)生蛋白質(zhì)分子的多種構(gòu)象；（3）PB階段：對每個構(gòu)象，使用Poisson-Boltzmann方程計(jì)算溶劑化自由能，即溶劑與蛋白質(zhì)表面相互作用的能量；(4)整合：將MM計(jì)算的勢能和PB計(jì)算的溶劑化自由能相加，得到構(gòu)象的自由能；(5)平均：對所有采樣得到的構(gòu)象自由能取平均值，得到最終的相對自由能。角色：MM-PBSA主要用于評估蛋白質(zhì)結(jié)構(gòu)模型的相對能量或穩(wěn)定性，或計(jì)算蛋白質(zhì)-配體復(fù)合物的結(jié)合自由能。在結(jié)構(gòu)預(yù)測領(lǐng)域，它常用于評估由同源建?；蚰０鍩o關(guān)方法生成的多個候選結(jié)構(gòu)模型的優(yōu)劣，幫助選擇最可能接近真實(shí)結(jié)構(gòu)的模型。三、論述題1.AlphaFold2革新及其優(yōu)勢：AlphaFold2在蛋白質(zhì)結(jié)構(gòu)預(yù)測領(lǐng)域的革新主要體現(xiàn)在其基于深度學(xué)習(xí)的方法取得了前所未有的精度，能夠在很大程度上無需實(shí)驗(yàn)數(shù)據(jù)就能準(zhǔn)確預(yù)測蛋白質(zhì)的原子級三維結(jié)構(gòu)。革新之處：(1)自底向上的預(yù)測：能夠直接從氨基酸序列出發(fā)，模擬蛋白質(zhì)折疊的全過程，而非依賴模板；(2)精度的飛躍：對蛋白質(zhì)結(jié)構(gòu)（包括長鏈蛋白質(zhì)、多結(jié)構(gòu)域蛋白質(zhì)）的預(yù)測精度（如原子坐標(biāo)的GDT_TS分?jǐn)?shù)）達(dá)到了接近實(shí)驗(yàn)解析度的水平；(3)速度的提升：相較于之前的模板無關(guān)方法，AlphaFold2大大縮短了預(yù)測時間。相比傳統(tǒng)方法的優(yōu)勢：(1)更高的準(zhǔn)確性：尤其是在預(yù)測二級結(jié)構(gòu)、α螺旋和β折疊等二級結(jié)構(gòu)元素以及長程依賴關(guān)系方面；(2)更廣泛的適用性：能夠處理許多之前難以預(yù)測的蛋白質(zhì)類型（如缺乏同源模板的蛋白質(zhì)、支鏈氨基酸含量高的蛋白質(zhì)）；(3)端到端的預(yù)測能力：整合了序列到結(jié)構(gòu)的整個過程，減少了傳統(tǒng)方法中多步計(jì)算和模型組合的誤差累積；(4)強(qiáng)大的可解釋性（相對而言）：雖然核心是復(fù)雜的神經(jīng)網(wǎng)絡(luò)，但其預(yù)測過程基于物理化學(xué)原理和已知的結(jié)構(gòu)模式，為理解蛋白質(zhì)折疊提供了新的視角。其成功極大地推動了結(jié)構(gòu)生物學(xué)的發(fā)展，使得大規(guī)模自動化結(jié)構(gòu)預(yù)測成為可能。2.預(yù)測流程設(shè)計(jì)：步驟1：序列獲取與初步分析。獲取未知蛋白質(zhì)的氨基酸序列。使用在線工具（如ExpasyTranslateTool）翻譯可能存在的密碼子重疊序列。檢查序列質(zhì)量和可能存在的重復(fù)區(qū)域。步驟2：序列相似性搜索與功能初步預(yù)測。使用BLAST或HMMER在NCBInr數(shù)據(jù)庫或InterPro數(shù)據(jù)庫中進(jìn)行序列比對，尋找功能已知的相似蛋白質(zhì)。查看BLAST或InterPro結(jié)果，初步判斷該蛋白質(zhì)可能的功能分類（如酶、轉(zhuǎn)錄因子、結(jié)構(gòu)蛋白等）。步驟3：結(jié)構(gòu)預(yù)測。(a)模板搜索與同源建模（首選）：使用RCSBPDB或MMseqs2等工具搜索PDB數(shù)據(jù)庫，尋找高序列相似度的模板。使用Swiss-Model,I-TASSER,Modeller等在線服務(wù)器或軟件，基于找到的模板構(gòu)建同源模型。評估模型的置信度（如GDT分?jǐn)?shù)）。(b)模板無關(guān)建模（備選或補(bǔ)充）：如果找不到合適模板或序列相似度低，使用AlphaFold2或RoseTTAFold等工具進(jìn)行模板無關(guān)預(yù)測。比較不同方法得到的模型質(zhì)量。步驟4：結(jié)構(gòu)評估與優(yōu)化。使用DDG-Fusion,CDO,QMEAN等工具評估預(yù)測結(jié)構(gòu)的可靠性。如有必要，進(jìn)行能量最小化或分子動力學(xué)模擬以優(yōu)化結(jié)構(gòu)。步驟5：結(jié)構(gòu)功能分析。(a)活性位點(diǎn)/功能位點(diǎn)預(yù)測：使用PhI-D,Cofactor,DSSP等工具預(yù)測活性位點(diǎn)、結(jié)合位點(diǎn)或重要的結(jié)構(gòu)特征殘基。(b)結(jié)合口袋分析：使用PyMOL,Chimera或相關(guān)腳本分析預(yù)測結(jié)構(gòu)中的潛在底物結(jié)合口袋。(c)結(jié)構(gòu)比對：將預(yù)測結(jié)構(gòu)與其功能已知的同源結(jié)構(gòu)進(jìn)行比對，尋找關(guān)鍵的保守結(jié)構(gòu)域或模式。(d)結(jié)合機(jī)器學(xué)習(xí)模型（可選）：如果有公開的訓(xùn)練好的模型，可以輸入序列或結(jié)構(gòu)信息，利用機(jī)器學(xué)習(xí)預(yù)測功能、活性位點(diǎn)等。步驟6：結(jié)果整合與結(jié)論。綜合序列比對、結(jié)構(gòu)預(yù)測和結(jié)構(gòu)功能分析的結(jié)果，綜合判斷未知蛋白質(zhì)的潛在功能和可能的生物學(xué)作用。指出預(yù)測結(jié)果的置信度范圍和存在的局限性。3.蛋白質(zhì)結(jié)構(gòu)預(yù)測在藥物設(shè)計(jì)與酶工程中的應(yīng)用：藥物設(shè)計(jì)：(1)靶點(diǎn)結(jié)構(gòu)獲?。嚎焖佾@取藥物靶點(diǎn)（通常是酶或受體）的預(yù)測三維結(jié)構(gòu)，彌補(bǔ)實(shí)驗(yàn)結(jié)構(gòu)缺失或不足的情況；(2)虛擬篩選：將大量化合物庫中的小分子結(jié)構(gòu)輸入到預(yù)測的靶點(diǎn)結(jié)構(gòu)中，進(jìn)行分子對接模擬，預(yù)測哪些化合物最有可能與靶點(diǎn)結(jié)合并發(fā)揮藥效，從而加速先導(dǎo)化合物發(fā)現(xiàn)；(3)結(jié)合位點(diǎn)分析：精確預(yù)測藥物結(jié)合口袋的位置、形狀和理化性質(zhì)，指導(dǎo)藥物分子的結(jié)構(gòu)優(yōu)化，以提高結(jié)合親和力；(4)構(gòu)象變化研究：預(yù)測藥物結(jié)合后靶點(diǎn)可能發(fā)生的構(gòu)象變化，有助于理解藥物作用機(jī)制，并設(shè)計(jì)更有效的藥物（如變構(gòu)抑制劑）；(5)ADMET預(yù)測輔助：結(jié)合預(yù)測的結(jié)構(gòu)信息，可以輔助預(yù)測藥物的吸收、分布、代謝、排泄和毒性（ADMET）性質(zhì)。酶工程：(1)理解催化機(jī)制：預(yù)測酶的結(jié)構(gòu)，特別是活性位點(diǎn)和催化殘基，有助于理解酶如何催化特定化學(xué)反應(yīng)的機(jī)制；(2)活性位點(diǎn)改造：基于預(yù)測的活性位點(diǎn)結(jié)構(gòu)，可以通過蛋白質(zhì)工程（如定點(diǎn)突變）改變活性位點(diǎn)氨基酸殘基的性質(zhì)（如電荷、大小、氫鍵能力），以增強(qiáng)酶活性、改變催化特異性或改變底物范圍；(3