蛋白质序列分析及结构预测 第一讲

共七十四页第五章蛋白质序列分析(fēnxī)及结构预测一、蛋白质的结构二、蛋白质数据库介绍(jièshào)三、蛋白质序列分析四、蛋白质结构预测五、蛋白质功能预测共七十四页从多条免疫球蛋白序列(xùliè)中提取的8个片段的多重比对疏水氨基酸色氨酸半胱氨酸保守结构域免疫球蛋白恒定区免疫球蛋白可变区回顾(huígù)共七十四页humanbetaglobin（人β珠蛋白）horsebetaglobin（马β珠蛋白）humanalphaglobin（人α珠蛋白）horsealphaglobin（马α珠蛋白）cyanohaemoglobin（蓝血红蛋白(xuèhóngdànbái)）

whalemyoglobin（鲸肌红蛋白）Leghaemoglobin（豆血红蛋白）通过珠蛋白的比较构建系统发育树判断(pànduàn)生物进化分歧时间回顾共七十四页DNA序列蛋白序列蛋白结构功能结构是蛋白(dànbái)行使功能的前提共七十四页一、蛋白质的结构(jiégòu)蛋白质的结构主要分为四级,一级结构、二级结构、三级结构以及四级结构。一级结构:蛋白质多肽链中氨基酸残基的排列(páiliè)顺序MTYKLILNGKTKGETTTEAVDAATAEKVFQYANDNGVDGEWTYTE共七十四页蛋白质二级结构(jiégòu)二级结构：主要由氢键维系的结构（α-螺旋、β-折叠）指多肽链中主链原子的局部空间排布(páibù)即构象，不涉及侧链部分的构象。α－螺旋、β－折叠、β－转角、无规卷曲、α螺旋组合（αα）β折叠组合（βββ）和α螺旋β折叠组合（βαβ）共七十四页

α螺旋(luóxuán)(αhelix)的结构特征为：（1）主链骨架围绕中心轴盘绕形成右手螺旋；（2）螺旋每上升一圈是3.6个氨基酸残基，螺距为0.54nm；（3）相邻螺旋圈之间形成许多氢键(qīnɡjiàn)；（4）侧链基团位于螺旋的外侧。Ala、Glu、Leu、Met促进形成Pro、Gly、Tyr、Ser不利于形成人细胞珠蛋白(2DC3.pdb)的第121到140位残基对应的a-螺旋侧面和顶部(N端)视图共七十四页（1）若干条肽链或肽段平行或反平行排列成片；（2）所有肽键(tàijiàn)的C=O和N—H形成链间氢键；（3）侧链基团分别交替位于片层的上、下方。β折叠(zhédié)(βsheets)的结构特征为：反平行和平行的多个β折叠链形成一个完整β折叠结构的氢键示意图；来自人pi型谷胱甘肽-S-转硫酶中单个亚基中连续主链的部分β折叠结构(2DGQ.pdb)侧面视图，可见转角(turn)；来自人pi型谷胱甘肽-S-转硫酶一个亚基中连续主链的部分β折叠结构顶部视图，可见转角(turn)；来自人信号传递蛋白SMAD4(1DD1.pdb)的一个亚基中部分β折叠结构顶部视图，可见到大的环区(loop)。共七十四页多肽链180°回折部分，通常由四个氨基酸残基构成，借1.4残基之间形成的氢键维系。Asp、Asn、Ser、Thr、Gln、Pro常出现(chūxiàn)在β转角β转角(zhuǎnjiǎo)的结构特征为：来自人细胞珠蛋白(2DC3.pdb)的两段α螺旋由β转角连接，用粗树枝状显示了两段螺旋末端的脯氨酸。共七十四页无规卷曲(juànqǔ)的结构特征为：无规卷曲的特点为在主链骨架上无规则盘绕，其构象状态仍遵循物理化学原理，但波动性较大，对温度变化敏感；实验测定三级结构(jiégòu)时往往无法识别无规卷曲(缺失其座标)，即使有座标则其温度因子也较高。无规卷曲同Ω环的区分主要是其长度和其形状的波动性。共七十四页超二级结构的主要类型和特征

超二级结构(supersecondarystructure)指位于同一主链的多个(duōɡè)二级结构组装形成的特定组装体，可直接作为三级结构的或结构域的组成单元，是从蛋白质二级结构形成三级结构的一个过渡结构形式，也称为立体结构形成的模体。共七十四页（1）β转角或Ω环等连接连续四个α螺旋形成的四α螺旋捆；（2）中部固定位置含有亮氨酸及其他疏水侧链氨基酸残基、在螺旋两端含有强亲水侧链氨基酸的α螺旋组成的亮氨酸拉链(Leucinezipper)；（3）一条主链中相邻七个两亲α螺旋通过过度结构形成的七次穿膜螺旋组；（4）连续主链中两段α螺旋连接三段β折叠(zhédié)链形成的Rossmann折叠；（5）β转角连接a螺旋构成的a-螺旋-β转角-α螺旋；（6）Ω环连接α螺旋构成的α螺旋-Ω环-α螺旋等。（7）β-折叠都为超二级结构。超二级结构(jiégòu)的主要类型：共七十四页蛋白质三级结构(jiégòu)二级结构(jiégòu)进一步折叠形成的结构域共七十四页三级结构:蛋白质的多肽链在各种二级结构的基础上再进一步盘曲或折迭形成具有一定规律的三维空间结构，称为蛋白质的三级结构（tertiarystructure）。蛋白质三级结构的稳定主要靠次级键，包括(bāokuò)氢键、疏水键、盐键以及范德华力（VanderWasls力）等。共七十四页四级结构:具有二条或二条以上独立三级结构的多肽链组成的蛋白质，其多肽链间通过次级键相互组合而形成(xíngchéng)的空间结构称为蛋白质的四级结构（quarternarystructure）。其中，每个具有独立三级结构的多肽链单位称为亚基（subunit）。共七十四页蛋白质的一级结构(jiégòu)决定了蛋白质的二级、三级、四级结构(jiégòu)共七十四页1.蛋白质序列数据库：如PIR、SWISS-PROT、NCBI,这些数据库的数据主要以蛋白质的序列为主,并赋予相应的注释;2.蛋白质模体及结构域数据库：如PROSITE、Pfam,这些数据库主要收集了蛋白质的保守结构域和功能域的特征序列;3.蛋白质结构数据库：如PDB等,这些数据库主要以蛋白质的结构测量(cèliáng)数据为主;4.蛋白质分类数据库：如SCOP、CATH、FSSP等,这其中有以序列比较为基础的序列分类数据库以及以结构比较为基础的结构分类数据库之分。依据蛋白质的结构层次(céngcì),将蛋白质数据库分为:二、蛋白质数据库共七十四页蛋白质数据库特征:

这些数据库种类有差别,但内部(nèibù)是相互联系的.

每个数据库都有指针指向其他数据库,而且数据库之间的序列以及相应的结构是共享的,同一种蛋白质依次会出现在不同的数据库.这样的数据沟通有助于更深层地挖掘蛋白质的内在生物信息,这些数据库是融序列信息的索取、处理、存储、输出于一身的。共七十四页1.蛋白质序列(xùliè)数据库（1）PIR(proteininformationresource,PIR)和PSD(proteinsequencedatabase,PSD)

/pirwww

PIR-PSD是一个综合全面的、非冗余的、专业注释的、分类完整的蛋白质序列数据库。PIR-PSD的序列来自于将GenBank/EMBL/DDBJ三大数据库的编码序列的翻译而成的蛋白质序列、发表的文献中的序列和用户直接(zhíjiē)提交的序列。（2）SWISS-PROT/TrEMBL数据库

/swissprot数据库由蛋白质序列条目构成,每个条目包含蛋白质序列、引用文献信息、分类学信息、注释等,注释中包括蛋白质的功能、转录后修饰位点、特殊位点和区域、二级结构、四级结构、与其他序列的相似性、序列残缺与疾病的关系、序列变异体等信息。共七十四页2.模体以及(yǐjí)结构域数据库模体数据库（1）PROSITE蛋白质家族及结构域数据库(/prosite/)PROSITE数据库收集了有显著生物学意义的蛋白质位点序列、蛋白质特征序列谱库以及序列模型,并能依据这些特征属性快速可靠地鉴定出一个未知功能蛋白质序列属于哪个(nǎge)蛋白质家族,即使在蛋白质序列相似性很低的情况下,也可以通过搜索隐含的功能结构模体(motif)来鉴定,因此是有效的序列分析数据库。PROSITE中涉及的序列模式包括酶的催化位点、配体结合位点、金属离子结合位点、二硫键、小分子或者蛋白质结合区域等,此外PROSITE还包括由多序列比对构建的序列表谱(profile),能更敏感地发现序列中的信息。共七十四页PROSITE同时数据库提供了序列分析工具:①ScanProsite

是用于搜索所提交的序列数据是否(shìfǒu)包含PROSITE数据库中的序列模式或者SWISS-PROT数据库中已提交的序列模式;②MotifScan

用于查找未知序列中所有可能的已知结构组件,数据库包括PROSITE序列表谱、PROSITE模式、Pfam收集的隐马尔可夫模式(HMM)。共七十四页(2)PRINTSFingerprintDatabase

www.bioinf.man.ac.uk/dbrowser/PRINTS/

这个(zhège)数据库包含1500个蛋白质指纹图谱,编码9136个单一模体。(3)BLOCKS(

)BLOCKS是通过一些高度保守的蛋白质区域比对出来的无空位的片段。模体数据库共七十四页蛋白质结构域数据库

(1)蛋白质家族序列比对以及隐马尔可夫模式数据库Pfam(proteinfamiliesdatabaseofalignmentsandHMMs)Pfam是蛋白质家族序列比对以及隐马尔可夫模式数据库,其网址是:www.sanger.ac.uk/Software/Pfam/index.shtml。(2)蛋白质结构域数据库ProDom

http://prodes.toulouse.inra.fr/prodom/doc/prodom.html(3)SMARTSMART是一个简单的结构研究工具,可对可转移的遗传因子进行鉴定和注解,以及分析结构域结构,可以检测(jiǎncè)出500多个参与信号传导、胞外和染色体相关蛋白质的结构域家族,对这些结构域又在系统进化树分布、功能分类、三级结构和重要的功能残基方面做了注解。

http://smart.embl-heidelberg.de/共七十四页3.蛋白质结构(jiégòu)数据库PDB(proteindatabank,PDB)

/pdb/PDB包括了蛋白质、核酸、蛋白质-核酸复合体以及病毒等生物大分子结构数据,主要是蛋白质结构数据,这些数据来源于几乎全世界所有(suǒyǒu)从事生物大分子结构研究的研究机构,并由结构生物学合作研究协会（RCSB）

维护和注释。共七十四页4.蛋白质结构(jiégòu)分类数据库(1)CATH数据库

www.biochem.ucl.ac.uk/bsm/cathnew/index.html(2)SCOP蛋白质结构(jiégòu)分类数据库(structuralclassificationofproteindatabase,SCOP)

scop.mrclmb.cam.ac.uk/scop/index.html共七十四页三、蛋白质的序列(xùliè)分析蛋白质序列分析蛋白质一级序列蛋白质基本理化性质分析蛋白质亲疏水性分析跨膜区结构预测卷曲螺旋预测翻译后修饰位点预测蛋白质二级结构蛋白质二级结构预测蛋白质序列信号位点分析蛋白质超二级结构蛋白质结构域分析蛋白质三级结构蛋白质三维结构模拟蛋白质分类蛋白质家族分析共七十四页共七十四页蛋白质理化性质是蛋白质研究的基础(jīchǔ)

蛋白质的基本性质：相对分子质量氨基酸组成等电点（PI）消光系数半衰期不稳定系数总平均亲水性……实验方法：相对分子质量的测定、等电点实验、沉降实验缺点：费时、耗资基于实验经验值的计算机分析方法1.蛋白质基本理化性质(xìngzhì)分析

共七十四页基于一级序列的组分分析氨基酸亲疏水性等分析为高级结构预测提供参考Expasy开发的针对蛋白质基本理化性质(xìngzhì)的分析：Protparam工具/tools/protparam.html相对分子(fēnzǐ)质量氨基酸组成等电点（PI）消光系数半衰期不稳定系数总平均亲水性

……共七十四页工具网站备注AACompldent/tools/aacomp/利用未知蛋白质的氨基酸组成确认具有相同组成的已知蛋白ComputepI/Mw/tools/pi_tool.html计算蛋白质序列的等电点和分子量ProtParam/tools/protparam.html对氨基酸序列多个物理和化学参数（分子量、等电点、吸光系数等）进行计算PeptideMass/tools/peptide-mass.html计算相应肽段的pI和分子量SAPShttp://www.isrec.isb-sib.ch/software/SAPS_form.html利用蛋白质序列统计分析方法给出待测蛋白的物理化学信息蛋白质理化(lǐhuà)性质分析工具共七十四页AACompIdent

PeptideMass共七十四页Protparam

工具/tools/protparam.html计算以下物理化学(wùlǐhuàxué)性质：相对分子质量理论pI值氨基酸组成原子组成消光系数半衰期不稳定系数脂肪系数总平均亲水性共七十四页主要(zhǔyào)选项/参数序列在线提交形式：如果分析SWISS-PORT和TrEMBL数据库中序列直接(zhíjiē)填写Swiss-Prot/TrEMBLAC号(accessionnumber)如果分析新序列：直接在搜索框中粘贴氨基酸序列输入Swiss-Prot/TrEMBLAC号打开protein.txt，将蛋白质序列粘贴在搜索框中共七十四页输入(shūrù)Swiss-Prot/TrEMBLAC号—分不同的功能域肽段输出(shūchū)结果功能域用户自定义区段共七十四页点击不同(bùtónɡ)功能域或是以直接粘贴氨基酸序列的方式得到以下结果氨基酸数目相对分子质量理论pI值氨基酸组成正/负电荷残基数(jīshù)共七十四页37消光系数半衰期原子(yuánzǐ)组成分子式总原子数共七十四页不稳定(wěndìng)系数脂肪(zhīfáng)系数总平均亲水性<40stable>40unstable共七十四页(a)-TypeImembraneprotein(b)-TypeIImembraneprotein(c)-Multipasstransmembraneproteins(d)-Lipidchain-anchoredmembraneproteins(e)-GPI-anchoredmembraneproteins2、蛋白质亲疏(qīnshū)水性/跨膜区分析共七十四页3、蛋白质亲疏(qīnshū)水性分析

氨基酸侧链的疏水性用从各氨基酸减去甘氨酸疏水性之值来表示，蛋白质的疏水性在保持蛋白质三级结构的形成和稳定中起着重要(zhòngyào)作用。疏水作用是蛋白质折叠的主要驱动力分析蛋白质氨基酸亲疏水性是了解蛋白质折叠的第一步氨基酸疏水分析为蛋白质二级结构预测提供佐证可用于分析蛋白质相互作用位点-抗原位点预测（预测准确率达56%）是分析蛋白质跨膜区重要一步共七十四页海参(hǎishēn)溶菌酶亲水性/疏水性分析Score>0，表示(biǎoshì)疏水性；Score<0，表示亲水性共七十四页α螺旋跨膜区主要是由20-30个疏水性氨基酸（Leu、Ile、Val、Met、Gly、Ala等）组成亲水残基往往出现在疏水残基之间，对功能有重要(zhòngyào)的作用基于亲/疏水量和蛋白质膜区每个氨基酸的统计学分布偏好性量TMpredhttp:///software/TMPRED_form.htmlSOSUI-http://bp.nuap.nagoya-u.ac.jp/sosui/4、蛋白质跨膜区分析(fēnxī)共七十四页常用(chánɡyònɡ)蛋白质跨膜区域分析工具工具网站备注DAShttp://www.sbc.su.se/~miklos/DAS/用DenseAlignmentSurface（DAS）算法来预测无同源家族的蛋白跨膜区HMMTOPhttp://www.enzim.hu/hmmtop/由Enzymology研究所开发的蛋白质跨膜区和拓扑结构预测程序SOSUIhttp://bp.nuap.nagoya-u.ac.jp/sosui/由Nagoya大学开发一个具有图形显示跨膜区的程序TMAPhttp://bioinfo.limbo.ifm.liu.se/tmap/基于多序列比对来预测跨膜区的程序TMHMMhttp://www.cbs.dtu.dk/services/TMHMM-2.0基于HMM方法的蛋白质跨膜区预测工具TMpred/software/TMPRED_form.html基于对TMbase数据库的统计分析来预测蛋白质跨膜区和跨膜方向TopPredhttp://bioweb.pasteur.fr/seqanal/interfaces/toppred.html是一个位于法国的蛋白质拓扑结构预测程序共七十四页TMHMM共七十四页ProtScale工具

/tools/protscale.html氨基酸标度表示氨基酸在某种实验状态下相对其他氨基酸在某些性质的差异，如疏水性、亲水性等收集56多个文献(wénxiàn)中提供的氨基酸标度默认值以Hphob.Kyte&Doolittle做疏水性分析特异性氨基酸标度，如Hopp&Woods（1981）针对抗原片段定位；Accessibleresidues（1979）针对氨基酸溶剂可及性定位；Chou&Fasman（1978）针对氨基酸二级结构疏水性分析5、蛋白质亲疏(qīnshū)水性分析共七十四页主要选项/参数序列在线提交形式(xíngshì)：如果分析SWISS-PORT和TrEMBL数据库中序列直接填写Swiss-Prot/TrEMBLAC号(accessionnumber)如果分析新序列：直接在搜索框中粘贴氨基酸序列输入Swiss-Prot/TrEMBLAC号打开protein.txt，将一条蛋白质序列粘贴在搜索框中共七十四页计算窗口（7-11）相对权重值

权重值变化趋势

氨基酸标度是否(shìfǒu)归一化共七十四页输出(shūchū)结果输入Swiss-Prot/TrEMBLAC号—分不同的功能域肽段功能域用户自定义区段共七十四页所用(suǒyònɡ)氨基酸标度信息分析(fēnxī)所用参数信息输出结果共七十四页图形结果文本结果序列参数

每个位置的得分共七十四页（3）跨膜区分析蛋白质含有跨膜区提示它可能作为(zuòwéi)膜受体起作用，也可能是定位在膜上的锚定蛋白或离子通道蛋白。例，使用TMHMMServerv.2.0在线分析http://www.cbs.dtu.dk/services/TMHMM/共七十四页铝激活苹果酸的转运蛋白(dànbái)(TaALMT1)跨膜结构分析共七十四页6、跨膜区分析(fēnxī)TMpred工具(gōngjù)：/software/TMPRED_form.html预测跨膜区和跨膜方向依靠跨膜蛋白数据库Tmbase共七十四页主要参数/选项序列(xùliè)在线提交形式：直接贴入蛋白序列填写SwissProt/TrEMBL/EMBL/EST的ID或AC输出格式最短和最长的跨膜螺旋疏水区长度输入序列名（可选）选择序列的格式贴入protein.txt蛋白质序列共七十四页输出(shūchū)结果包含(bāohán)四个部分可能的跨膜螺旋区相关性列表可能的跨膜螺旋区相关性列表位置分值片段中点位置共七十四页

跨膜拓扑(tuòpū)模型及图示建议的跨膜拓扑模型每一位置计算分值最优拓扑结构共七十四页SOSUI工具：

-http://bp.nuap.nagoya-u.ac.jp/sosui/以图形方式返回结果(jiēguǒ)，需要JavaApplet程序输入(shūrù)氨基酸单字母运行共七十四页平均(píngjūn)疏水值预测(yùcè)的跨模螺旋区域两种跨膜Helix共七十四页预测区域(qūyù)的螺旋示意图平均(píngjūn)疏水值预测的跨模螺旋区域两种跨膜Helix59亲疏水轮廓共七十四页共七十四页跨膜蛋白序列“边界(biānjiè)”原则

-LandoltMarticorenaetal.,1993

胞外末端－Asp、Ser和Pro胞外-内分界(fēnjiè)区域－Trp跨膜区－Leu、Ile、Val、Met、Phe、Trp、Cys、Ala、Pro和Gly胞内-外分界区域－Tyr、Trp和Phe胞内末端－Lys和Arg共七十四页共七十四页两股或两股以上α螺旋相互缠绕而形成超螺旋结构存在于多种天然蛋白质中，如转录因子(yīnzǐ)、结构蛋白、膜蛋白中，在生物体内执行着代谢调控、分子运动、膜通道、分子识别等重要的生物功能，637、蛋白质卷曲螺旋域分析(fēnxī)

典型的有亮氨酸拉链，存在7残基重复结构（heptadrepeat)，以a，b，c，d，e，f，g位置表示，其中a和d位置为疏水性氨基酸，而其他位置残基为亲水性共七十四页蛋白质中由2-7条α螺旋链相互缠绕形成类似麻花状结构的总称(zǒnɡchēnɡ)；主要存在形式是2-5条相互缠绕形成的平行或反平行同寡聚体或异寡聚体；是控制蛋白质寡聚化的元件，转录因子、骨架蛋白、动力蛋白、膜蛋白、酶等；七肽重复区。蛋白质卷曲螺旋域分析(fēnxī)共七十四页工具网站备注Coils/software/COILS_form.html主流的预测螺旋卷曲工具Paircoil2/cb/paircoil2/paircoil2.html由MIT大学开发的基于残基配对概率算法的预测工具PEPCOILhttp://bioweb.pasteur.fr/seqanal/interfaces/pepcoil.html由EMBOSS维护的预测卷曲螺旋程序，同Coils类似SOCKETserverhttp://www.lifesci.sussex.ac.uk/research/woolfson/html/coiledcoils/socket/server.html一个分析蛋白质结构中卷曲螺旋的工具，其输入数据格式为蛋白质结构数据TRESPASSERhttp://comp.chem.nottingham.ac.uk/cgi-bin/trespasser/trespasser.cgi由Nottingham大学开发的亮氨酸拉链结构识别工具2ZIPhttp://2zip.molgen.mpg.de/index.html预测蛋白质序列中潜在的亮氨酸拉链结构和卷曲螺旋

蛋白质卷曲螺旋预测(yùcè)工具共七十四页共七十四页COILS-/software/COILS_form.htmlCOILS蛋白质卷曲螺旋预测方法基于Lupas算法(suànfǎ)，是目前主流