8年制生物信息学ppt课件 附录

附录药物生物信息学PharmaceuticalBioinformatics重庆医科大学廖飞第一节治疗药物概述一、疾病和代谢途径Section1

Introductiontotherapeuticdrugs

人体的正常生理活动，依赖于各种物质的代谢及其代谢进行速度的精确调节。不同物质代谢速度、代谢速度控制的精密程度、在体内的稳态水平有显著差异。人体多种器官和多组织协作，实现对特定物质的完整分解并最终排泄，或者特殊物质的合成。代谢紊乱、信号传递异常和疾病

物质在体内完整合成或分解代谢途径不可逆。但在局部组织或细胞、细胞器中只进行完整代谢途径的一部分，这些局部的代谢反应通常可逆。细胞间需进行通讯以保持组织、器官内相同功能或不同功能细胞的生理活动协调一致，从而更好满足组织器官或个体的整体代谢要求。细胞内外通过相互作用调节细胞生理活动的物质组成的相互作用网络系统，称为信号通路。代谢紊乱、信号传递异常和疾病

信号通路本质仍属于代谢途径，只是其通路中的物质作用特殊而强烈，要求精密控制其活性状态的稳态水平且一般其稳态水平也很低。

干预体内代谢途径和信号通路以维护体内环境的相对稳定，是药物治疗的根本目的和主要方式。药物作用的常见模式

最常见药物作用模式是其直接调节体内有重要病理或生理作用物质的代谢速度而控制其稳态水平。

体内物质局部或整体水平取决于其摄入、合成、生理利用、分解(转化)与排泄等的综合效应。需从系统生物学角度综合考虑各方面的贡献。

药物作用靶点

药物与体内特定代谢途径的某个关键成分发生直接的相互作用而产生所需治疗作用，则这些关键成分称为药物作用靶点(target)。基于这种直接相互作用定义的靶点包括大分子物质和特殊小分子物质。从作用对象角度，小分子成分也可作为靶点。从改变代谢速度角度，小分子成分很少作为靶点。不同定义标准下靶点定义不同。药物与靶点作用的特征药物与靶点之间相互作用有高选择性和高亲和力。大多数药物在体内只有一个(类)作用靶点，部分药物有多个(类)作用靶点，也有些临床药物至今未确定其作用靶点。常见药物的生物化学性质分类现有药物主要分成大分子药物和小分子药物两类。分子量在800Da以下者为小分子药物。狭义小分子药物不包括小肽和寡核苷酸。大分子药物主要是生物技术药物，包括蛋白(酶、细胞因子、单抗)、核酸（基因治疗载体）和多糖等。针对两类主要靶点的常见药物针对大分子靶点的药物包括小分子配体(ligand)和大分子药物如单抗和细胞因子等。作用于小分子靶点的小分子药物很少；因为这些作用很难具有药物所需具备的选择性和作用强度。大分子靶点的空间表面具有特殊的功能位点，可与对应小分子配体或小分子靶点发生多位点作用而有高亲和力和高选择性，保障药物有效性和安全性。第二节药物相关信息资源

Section2

BioinformaticsResourcesofPharmaceuticals

人类对药物及其作用靶点等已积累了很多数据。这些药物相关的数据信息是药物发现的重要资源，也是药物生物信息学的基石。药物相关专用数据库的建立和应用，是药物生物信息学的基础工作。一、综合性药物信息资源DrugBank为免费数据库。

http://www.drugbank.ca/一、综合性药物信息资源DrugBank是覆盖有近4800种已上市或在研究中的药物。其中，FDA批准小分子药物约1300种、蛋白质和多肽类生物技术药物123种，营养制品71种，处于实验研究阶段的药物约3200种。每种药物提供近100项信息，包括药物作用靶点及其单核苷酸多态性、药物副反应和文献的网上链接等。一、综合性药物信息资源一、综合性药物信息资源一、综合性药物信息资源治疗靶点数据库(TherapeuticTargetDatabase,TTD,.sg/group/cjttd/ttd.asp)是国立新加坡大学建立的免费药物信息数据库，覆盖1894个药物靶点及靶点相关疾病和信号通路，其中已证实靶点348个，试验阶段靶点292个及研究靶点1254个；TTD包含药物和配体5028个，FDA批准药物1514种，临床试验阶段药物1212种，实验研究阶段药物2302种，小分子药物3382种，反义核酸类药物649种。一、综合性药物信息资源一、综合性药物信息资源药物的化学结构一、综合性药物信息资源一、综合性药物信息资源一、综合性药物信息资源

国内刚建成部分基础条件平台，其中包含医药卫生领域的药学中心数据库，也是关于药物、药物靶点、药物作用等的综合性数据库.(/drugtarget/default.asp)一、综合性药物信息资源二、治疗靶点信息资源

在前述的综合性药物数据库中都有关于药物靶点的交叉检索数据:TTD综合数据库。.sg/group/cjttd/ttd.asphttp://www.drugbank.ca/

二、治疗靶点信息资源

NRDB(nonredundantdatabase)由NCBI建立，数据来自Genpept(GenBankCDS自动翻译的数据库)、PDB序列数据库、SWISS-PROT数据库等，是较完全且包含最新信息的蛋白质数据库，也是检索药物靶点的主要信息来源。

二、治疗靶点信息资源

潜在药物治疗靶点数据库(potentialdrugtherapeuticdatabase,PDTD)为国内建立的免费药物靶点数据库，收集已知和潜在药物靶点三维结构数据，是反向对接筛选候选药物靶点所用数据库。蛋白质信息学资源(protein-informatics-resource,PIR,/)提供蛋白质序列和功能数据，并链接到UniProtKB等多种数据库；此数据库的特色是提供详细全面的蛋白质功能分类数据，其中包含药物靶点蛋白质的数据。二、治疗靶点信息资源中科院上海药物所药物设计与发现中心建立的专用数据库二、治疗靶点信息资源三、药物副反应靶点信息资源药物副反应靶点(DrugAdverseReactionTargets,DART，.sg/group/drt/dart.asp)也是免费数据库，包含了已知药物副反应靶点、功能和性质、文献链接等。这些靶点的鉴定与分类主要用支持向量机的药物副反应靶点识别程序完成，其使用了759个副反应相关的靶点结构特征和2280个非药物副反应靶点结构特征进行训练。三、药物副反应靶点信息资源国立新加坡大学建立的免费药物信息数据库三、药物副反应靶点信息资源

治疗相关多信号通路数据库(therapeuticallyrelevantmultiplepathwaysdatabase,TRMPD)包含来自文献的药物作用信号通路及靶点交叉信息(.sg/group/trmp/trmp.asp)。包含97个独立信号通路及11个多信号通路，对应72种疾病和1220种药物，可用信号通路或疾病等多种方式检索，能获得对应的靶点蛋白序列与基因等各种相关信息，及与其他数据库的链接

。三、药物副反应靶点信息资源三、药物副反应靶点信息资源三、药物副反应靶点信息资源四、ADME关联蛋白信息资源

吸收、分布、代谢和排泄(absorption,distribution,metabolismandexcretion,ADME)相关蛋白数据库(DrugADMEAssociatedProteinDatabase，ADME-AP，.sg/group/admeap/admeap.asp)可检索药物ADME信息和相关蛋白信息，同时提供文献链接,目前覆盖321种相关蛋白。

四、ADME关联蛋白信息资源四、ADME关联蛋白信息资源转运蛋白数据库(transporterdatabase,TransportDB,/index.html)是转运相关膜蛋白的数据库，来自对已测定基因组解析预测所得的细胞质膜蛋白。对具有基因组信息的物种进行了全面的信息加工和收集；对每个物种的转运载体类型和家族提供概括性描述，对每个转运载体列出了被转运的底物类别。

四、ADME关联蛋白信息资源五、药物-蛋白互作数据资源

生物分子互作动力学数据库(kineticdataofbiomolecularinteraction,KDBI,.sg/group/kdbi/kdbi.asp,)收集实验测定蛋白质间、蛋白质-RNA间、蛋白质-DNA间、蛋白质-小分子配体间、RNA-配体间、DNA-配体间的结合反应数据。KDBI已覆盖至少63条信号通路相关的蛋白，19263项数据记录，10532个特殊生物分子结合参数和11954项相互作用数据。五、药物-蛋白互作数据资源五、药物-蛋白互作数据资源

蛋白质-配体相互作用数据库(protein-ligandinteractiondatabase,PLID,3/gnsmmg/databases/plid/)是基于网络的免费数据库，其收集了6295配体同从蛋白质结构数据库中提取的蛋白质的复合物结构，还提供配体物理化学性质、量子力学特征描述和蛋白质活性位点接触残基等信息。

五、药物-蛋白互作数据资源五、药物-蛋白互作数据资源

蛋白质-小分子数据库(protein-small-moleculedatabase,PSMDB,/psmdb)是来自PDB数据库的复合物非冗余数据，可自动更新，收集了更多配体和游离靶蛋白数据。还有免费数据库CREDO(http://www-cryst.bioc.cam.ac.uk/credo)，可用分子形状的描述符、PDB数据库中配体片段、序列和结构进行检索。六、药物毒理学资源

药物诱导毒性相关蛋白数据库(Drug-InducedToxicityRelatedProteins,DITOP)提供与药物相互作用或代谢中间产物造成毒性的蛋白质信息。数据主要来自文献报道，目前包含618个典型的毒性相关蛋白，529个相应的药物，418个对应毒性术语。可以用关键词、化学结构、蛋白质和毒性术语等进行检索。

六、药物毒理学资源六、药物毒理学资源

有害物质目录(/niosh/rtecs-html)、危险物质数据库()、毒物文献库(/cgi-bin/sis/htmlgen?TOXLINE)等资源也可供检索。基于药物代谢干扰的数据库已尝试用于临床治疗方案的优化。

七、药物基因组资源

药物遗传效应数据库(PharmacoGeneticEffectDatabase,PharmGE，.sg/phg/)专门提供蛋白质靶点的多态性、非编码区突变、剪切变异、表达变异等遗传信息对药物作用效应的影响，已有1825条目，涉及266个不同蛋白质，414个药物和对应文献。七、药物基因组资源八、候选小分子药物资源ACD(/products/databases/sourcing/acd/)是商业药物筛选化合物库，可用结构检索。

NCBI提供化合物资源PubChem，含对应的三个子数据库，提供化合物的结构和生物活性等信息。

剑桥结构数据库(CambridgeStructuralDatabase,CSD,http://www.ccdc.cam.ac.uk/products/csd/)提供实验测定的小分子结构数据。八、候选小分子药物资源九、免疫信息数据库

国际免疫遗传信息系统(theinternationalimmunogeneticsinformationsystem，IMGT，http://imgt.cines.fr)，是综合性免疫信息学数据库，收集了人体和脊椎动物的常见免疫球蛋白、T细胞受体、主要组织相容性抗原复合物(MHC)、多种生物的免疫球蛋白超家族和MHC超家族等免疫系统相关蛋白。

此数据库有五个子数据库。

九、免疫信息数据库第三节药物作用靶点发掘

药物靶点主要是特定物质代谢途径或信号通路的关键成分，包括人体的特定大分子、小分子或病原微生物的特定对应成分。控制胞内特定离子稳态浓度的离子通道、水解灭活环核苷酸的PDE、控制花生四烯酸(arachidonate)代谢成炎症介质的环加氧酶、肾上腺素受体。Section3

MiningdrugTargets一、药物靶点概述一、药物靶点概述体内的代谢途径交叉连接，有的物质也会参与多个代谢途径；体内的信号通路之间也有交叉连接，有些成分能同时参与不同的信号通路一、药物靶点概述有效药物靶点需具备如下特征：①对决定疾病过程物质的代谢或调节有控制作用；②位于诱发疾病病理过程物质代谢途径中生成该物质的最终环节，或疾病密切相关信号通路下游与疾病发生物质代谢途径直接交换信息的关联环节；③不参与人体其他组织或细胞生命活动所必需的代谢过程或信号传递过程;④避开多个代谢途径或信号通路的交叉点。一、药物靶点概述人体蛋白质中的常用药物靶点TargetClassesTherapeuticfocusG-proteincoupledreceptors代谢疾病、心血管系统疾病、炎症、Kinase肿瘤、炎症、病毒感染NuclearReceptor肿瘤、代谢疾病、Ionchannel中枢神经疾病、疼痛、感染、肿瘤、炎症Phosphodiesterase炎症、心血管疾病、勃起障碍、中枢神经疾病protease炎症、骨组织疾病、肿瘤、病毒感染一、药物靶点概述

病原微生物通常有决定其致病能力且人体不需要的代谢途径，此代谢途径必需的任何独特性大分子或小分子成分都是潜在的药物靶点。如病菌细胞壁合成的所有独特性关键酶都是潜在的药物靶点。体内用于启动病理过程的信号通路关键成分都是合适的药物靶点。费城染色体阳性的慢性髓系白血病中Bcr/Abl激酶是其治疗的理想靶点，其选择性抑制剂伊马替尼(imatinib)是低毒性抗肿瘤药物。

二、分析基因组和基因型数据发掘药物靶点

分析基因组数据，对寻找病原微生物基因组中与人体细胞代谢不同而对病原微生物的生长和致病必需的基因表达产物作为候选药物靶点提供线索。

人体和病原微生物共同的代谢途径，不同的进化层次使得各自关键酶结构出现差异，这些关键酶仍可作为靶点。如细菌嘧啶核苷酸合成代谢途径关键酶。二、分析基因组和基因型数据发掘药物靶点

分析人体基因组数据发掘候选药物靶点的应用难度相对较大。人体基因组太大，需要一定的线索关联以缩小需要测序分析的基因范围。分析不同基因的位点多态性等与疾病发生的内在联系，是寻找潜在的候选靶点的有用策略之一。如发现与疾病发生相关基因属于人体内常用药物靶点蛋白家族，则其作为新的药物靶点的可能性就很大。二、分析基因组和基因型数据发掘药物靶点

分析功能基因组，解析新基因的功能并考察其是否属于目前常用的药物靶点蛋白家族。其中分析酵母基因组和对应基因功能是用实验验证新基因潜在功能的有效策略。

三、分析表达谱数据发掘潜在的药物新靶点

发掘基因表达谱中随着疾病进程表达显著变化的基因，是寻找潜在药物靶点的常用策略。比较疾病与健康个体表达谱，寻找编码常见药物靶点蛋白质的基因表达差异与疾病发生的关联，是快速发现潜在药物靶点的有效策略。三、分析表达谱数据发掘潜在的药物新靶点

对表达标签和蛋白质组学数据的比较分析，尤其和药物蛋白质组学技术联合应用，能快速获得有价值的信息。用未知靶点但明确有效的天然产物作用于疾病的动物或细胞模型，通过蛋白质组学技术分析药物作用下发生改变的蛋白质，这些蛋白质通常与药物的治疗作用明确相关，也与此类药物靶点参与的疾病发生机制有关。三、分析表达谱数据发掘潜在的药物新靶点

抗肿瘤天然产物Bengamide，通过药物基因组学技术快速发现其作用靶点甲硫氨酸氨肽酶

。四、分析序列数据发掘药物靶点

分析序列信息判断对应蛋白质是否为潜在药物靶点的策略集中分析已知药物靶点的序列特征，通过机器学习等方法从中发掘规律并形成判断方法，用于分类或判断候选序列是否为靶点。典型生物信息学策略；各种模式识别的方法都可用于发掘靶点的序列特征用于建立对应的判断方法。四、分析序列数据发掘药物靶点

从已知药物靶蛋白质的氨基酸序列中提取氨基酸残基组成、氨基酸残基的理化性质等信息。用支持向量机模型，用特定核函数(线性、多项式或径向基本函数RBF)和已知靶蛋白数据为训练集，所建立判断分类方法的正确率接近80％。经过优化训练数据集和核函数后，盲法测试的特异性、灵敏度和正确率都能达到80％以上，用这种策略预测潜在的人体靶蛋白有一千多个。五、反向对接寻找已知药物的可能靶点

已知体内和体外活性配体或药物，从已知蛋白质结构数据库中搜索潜在靶蛋白。这种策略对发掘有明确药理活性天然产物的作用靶点具有重要价值。此策略目前已有对应的在线免费服务器和程序可用(/tarfisdock/)，并有对应的潜在治疗性靶点的数据库。五、反向对接寻找已知药物的可能靶点六、识别与证实靶点的实验设计策略验证大分子靶点一般需要从下列角度确认其特征：(1)靶点功能与动物模型中疾病发生的必然联系；(2)细胞模型中靶点功能与疾病发生的必然联系；(3)在疾病动物模型中，(工具)配体与靶点的作用；(4)靶点和药物间离体的相互作用数据可预测动物模型体内的(工具)配体与靶点相互作用；(5)体内靶点含量或活性与病理学过程有明确联系。

第四节小分子药物的成药性及其预测

大多数小分子药物为配体，无免疫原性。小分子配体同大分子靶点的结合是治疗作用的基础，小分子配体药物与大分子靶点的亲和力(affinity)，是小分子药物成药性的关键指标之一。Section4PharmaceuticalPropertiesofOrganicDrugsandTheirPrediction一、小分子药物概述一、小分子药物概述

绝大多数小分子药物为非营养物质，在体内需经过生物转化(biotranformation)进行代谢并最终排泄，在这个复杂的过程中可能代谢产生新的生物活性物质而影响人体的生理活动，这也是影响小分子药物成药特性的关键环节之一。小分子药物的生物利用度也是决定其特定制剂形式要求和成药性的关键指标。二、小分子化合物的结构特征和性质描述

描述对象的属性是信息处理的必要前提。连接表(connectionlist)是目前用计算机表示、记录和检索化合物结构最常用的信息化手段。连接表在应用中有多种文件格式，不同分子结构模型可视化软件有自己的特殊格式，SMD、MOL和MOL2等是通用性的结构文件格式二、小分子化合物的结构特征和性质描述（二）小分子化合物的疏水性

疏水相互作用(hydrophobicinteraction)描述物质或基团与水分子相互作用的热力学性质，是小分子药物穿过膜在血液和胞液中达到所需浓度的关键因素，对其成药性有重要影响。口服药物需要有足够高的吸收利用度，即生物利用度(bioavailability)，疏水性是决定因素。（二）小分子化合物的疏水性以自由能之差表示疏水性强弱（三）分子的电荷分布特征和电性参数

电性参数(electronicparameters)描述分子中电荷的不对称分布等带来的对应性质差异。hammett电性参数(σ)

Hammett用线性自由能描述取代基化学反应效应，并据涉及带电中间体的同系物化学反应活性进行测定。2.共轭效应及诱导效应用Hammett方程时发现当取代基存在特殊的相互作用时发现参数存在显著偏差，可将诱导效应(σI)和共轭效应(σR)分别考虑。3.解离常数(pKa)表示化合物整体的电性状态。小分子药物解离常数同其吸收、分布、代谢与排泄有明确的联系。（四）分子的立体结构特征和参数也是决定其同靶点作用的重要性质。三、配体与靶蛋白的对接和虚拟筛选

配体等同靶点的相互作用是决定其成药性的关键特征；分子对接分析候选配体同靶点的相互作用评价其强度是有效的配体发现策略。通过计算分析对接复合物的相互作用筛选配体，称为虚拟筛选(virtualscreening)，以区别于实验筛选。广义虚拟筛选包括对配体等药物的其他成药性特征进行评价和预测。三、小分子配体与靶蛋白的对接和虚拟筛选

基于对接过程的打分函数评价配体亲和力，主要有如下的打分函数：（1）基于配体结合的物理化学相互作用的打分函数（2）基于经验的打分函数（3）基于知识的打分函数三、配体与靶蛋白的对接和虚拟筛选基于机器学习方法判断配体同靶点作用的亲和力

用已知的数据集进行训练，机器学习建立起预测化合物某种性质的模型。自组织神经网络法、决策树、K最邻近算法（k-nearestneighborsapproach，KNN）都可尝试。此方法计算效率很高，但受到训练集数据质量和来源的限制。三、配体与靶蛋白对接和虚拟筛选DOCK（/DOCK/index.htm）AUTODOCK（/）Affinity:最早实现商业化的分子对接软件。

GOLD(GeneticOptimizationforLigandDocking)MolegroVirtualDocker（/）。三、配体与靶蛋白的对接和虚拟筛选三、配体与靶蛋白的对接和虚拟筛选三、配体与靶蛋白的对接和虚拟筛选四、药物的定量构效关系建立基于小分子药物结构特征的药理活性的定量构效关系模型，是预测候选药物成药性的重要工具。此过程依赖于建立小分子结构特征的描述和基于统计学或者类似信息处理方法的模型。基于小分子三维结构特征建立三维定量关系模型，是主要的策略之一。代表性方法是比较分子场分析(comparativemolecularfieldanalysis,CoMFA)。五、小分子药物的ADMET和预测吸收、分布、代谢、排泄(ADME)过程涉及小分子药物同人体成分的复杂相互作用，此过程产生的毒副作用(Tox)是影响小分子药物成药性的关键。绝大多数小分子药物ADMET效应的分子机制还不清楚。总结已有小分子药物的结构性质同其ADMET效应的联系，即发掘决定小分子药物产生ADMET效应的特殊模式，成为预测小分子药物ADMET的主要策略。五、小分子药物的ADMET与预测Lipinski五规则，常用四项特征判断候选小分子药物能否成为口服有效的药物：①小分子化合物的分子量要小于500；②小分子化合物的脂水分配系数(logP)要小于5；③化合物上氢键给体，即与N和O相连的氢原子数要少于5个；④化合物上氢键受体，即N和O的数目少于10个。五、小分子药物的ADMET与预测软件网址Gmax-BioCerius2,ADME,TopkatACD/logP,ACD/logD,ACD/pKaCLOGP,CQSARLeadPharmerMOE第五节

药用蛋白和多肽的成药性预测

蛋白质和多肽是目前临床应用的主要生物技术药物。除药理活性外，多数蛋白质药物在人体内血浆的循环半衰期和人体免疫反应是其成药性的决定因素(显然蛋白疫苗需要其免疫反应)。Section5PredictionofPharmaceuticalPropertiesofProteinsandPolypeptides一、药用蛋白和多肽的成药性概述一、药用蛋白和多肽的成药性概述决定蛋白质和多肽药物血浆半衰期的主要因素是血浆中蛋白质的肾脏滤除、热稳定性、免疫清除、蛋白酶解等因素，这对包括疫苗在内的蛋白质药物都适用。蛋白质表面能被免疫球蛋白分子的抗原结合位点或特定效应分子识别并结合的抗原区域即抗原表位(epitope)或抗原决定簇(antigenicdeterminant)。一、药用蛋白和多肽的成药性概述免疫反应涉及人体多种细胞和组织等同免疫原的相互作用，需要从系统生物学的角度理解此过程。抗原需识别和加工再传递给特异性免疫细胞，需抗原递呈细胞(antigen-presentationcell,APC)。抗原递呈中涉及到蛋白抗原的部分水解，主要有经过吞噬小泡进入溶酶体(lysosome)的水解途径、经过蛋白酶体(proteosome)的降解过程。二、蛋白质的免疫原性预测APC主要有两类：一类表面表达主要组织相容性复合体(majorhistocompatibilitycomplex,MHC)II分子，负责识别通过吞噬加工的外来抗原。另一类在病原体和细胞因子作用下才参与抗原递呈，主要表达MHCI分子并可识别和加工来自机体内部的自身抗原、寄生病毒、细菌抗原。二、蛋白质的免疫原性预测对蛋白质免疫原性的预测即对其抗原表位的预测。蛋白质表面的抗原决定簇包括线性的连续肽段或不连续的空间区域，即构象表位。对抗原表位的预测可直接用于多肽和蛋白疫苗的设计和改造，这属于反向疫苗研究策略。这是当前医学生物信息学研究的热点之一。二、蛋白质的免疫原性预测

B-淋巴细胞的连续抗原表位

连续抗原表位大约为各种表位总量的10％，能与对应抗体特异性结合，这种结合依赖于蛋白质功能域间的相互作用，遵循蛋白质间相互作用的一般原则。连续抗原表位常为规则二级结构的链接结构且位于蛋白质的表面。这是基于氨基酸残基形成B-淋巴细胞连续抗原表位倾向性进行预测的主要理论依据。

近年来逐步发展了以模式识别为主的预测方法，包括人工神经网络、决策树、支持向量机等方法。这些模式识别方法同经典的氨基酸残基性质标度相结合的预测方法效果有明显改善，并有Bepitope、ABCpred等免费程序可在线使用。二、蛋白质的免疫原性预测

B-淋巴细胞的连续抗原表位

二、蛋白质的免疫原性预测

B-淋巴细胞的连续抗原表位

组成B-淋巴细胞构像表位的氨基酸残基在肽链中不连续，但在空间靠近构成一个抗原表位功能域。确认这类表位的直接方法是蛋白质和对应单抗形成复合物的晶体结构，但这类数据非常少。目前的主要方法是基于序列和3D结构、基于结构和基于序列-结构联用的方法预测构象抗原表位。二、蛋白质的免疫原性预测

B-淋巴细胞的连续抗原表位

基于结构预测构象抗原表位实际预测一个具有明确功能的结构域，其利用小样本集已知抗原与单抗复合物的晶体结构数据建立识别方法，预测的准确性可大于70％，有对应的免费服务器可用。

B-淋巴细胞的构象抗原表位识别方法还不成熟，预测的结果需要仔细的实验验证过程，这也是当前生物信息学研究的热点领域之一。

二、蛋白质的免疫原性预测

B-淋巴细胞的连续抗原表位

据抗原肽处理和识别对象的差异，T细胞的抗原表位分成细胞毒性T细胞(cytotoxicTlymphocyte,CTL)抗原表位和辅助性T细胞抗原表位。CTL抗原表位和MHCI形成复合物。预测此类抗原表位主要有两类策略，第一类基于抗原表位肽与MHCI结合特性，第二类基于抗原表位肽被加工处理的过程进行预测。二、蛋白质的免疫原性预测

B-淋巴细胞的连续抗原表位

人MHCI和b-2巨球蛋白、HIV包膜糖蛋白120的可变肽段的复合物(3E6H.pdb)

二、蛋白质的免疫原性预测

B-淋巴细胞的连续抗原表位

与MHCII结合的T-淋巴细胞抗原表位主要是胞外的蛋白被吞噬形成吞噬小泡后进入溶酶体被部分水解所得肽段。MHCII与MHCI有类似的结构域结合抗原表位肽，但是来自两条链，且可结合的抗原表位肽段长度比MHCI可结合肽段多两个氨基酸。

MHCII结合肽段序列规律性低，基于结合肽基序预测成功率低，主要是联用序列和结构特征预测。二、蛋白质的免疫原性预测

B-淋巴细胞的连续抗原表位

人MHCII、感冒病毒血凝素表位肽和葡萄球菌内毒素C3变异体3B2的复合物(1PYW.pdb)二、蛋白质的免疫原性预测

B-淋巴细胞的连续抗原表位

三、蛋白质和多肽的血浆循环稳定性

蛋白质和多肽类药物的血浆循环半衰期主要取决于肾脏滤除、免疫清除、热稳定性和蛋白酶降解；药用蛋白质的热稳定性是其自身的特性。对血浆中循环蛋白质进行降解的蛋白酶和肽酶种类很多，大部分水解酶的底物识别特征已明确，且这些蛋白质水解酶主要识别连续的肽序列。预测这些蛋白酶对药物蛋白质半衰期的影响主要考虑目标蛋白序列特征、可水解序列的空间可及性等。四、蛋白质化学修饰、分子改造

对药用蛋白采用亲水聚合物进行修饰，也是改善其成药性的重要手段。但通常药用蛋白进行修饰后药理活性下降，故优化这些修饰位点以保障药理作用而改善其他成药性特征是重要环节。优化蛋白质二级结构中暴露于表面的连接结构、静电网络，减弱不利于稳定的相互作用而强化有利的相互作用，都有望提高蛋白的稳定性。五、蛋白质分子改造常用工具β-转角序列预测BetaTurnshttp://www.imtech.r