一種判斷蛋白質分子間生理屬性相似性的方法

2023-05-02 14:57:11

專利名稱：一種判斷蛋白質分子間生理屬性相似性的方法
技術領域：
本發明涉及一種研究蛋白質生理屬性的方法，特別涉及一種判斷不同蛋白質分子間生理屬性相似性的方法。
背景技術：
蛋白質是生物體執行生理功能的基本物質。生物體內絕大多數生理/病理過程都有蛋白質的直接參與。判斷不同蛋白質分子間生理屬性的相似性是在分子水平上研究生命現象的一項基本要求。對該問題的研究涉及生命現象的解析，轉基因生命體設計等與蛋白質研究有關的幾乎每個領域。
蛋白質分子是由二十種胺基酸(字母，不同的胺基酸由不同的字母來表示)首尾相連而成的一維長鏈。蛋白質的三維結構是通過鏈內和鏈外的作用力使該一維長鏈在三維空間中摺疊、塌縮而成。由於蛋白質的性質本質上決定於其胺基酸序列，所以一維字母序列間的比對可以有效地被用於判定蛋白質間生理屬性的相似性。
對於序列中字母相似性高的蛋白質分子(通常是指作比對的兩條序列，其字母相同的位點數高於總比對位點數的30％)，序列比對可有效地被用於蛋白質間生理屬性相似性的判斷。但當字母相同的位點數低於總比對位點數30％的水平時，擁有不同結構的蛋白質的數目會成指數性的增加，傳統的序列比對方法面臨巨大困難。為解決這一困難，當前對低等同率的蛋白質分子間相似性的判斷需要輔之以結構信息。因而，目前大量的資源被投入到以高通量測定結構為目標的結構基因組計劃中。該高通量方法雖然可以同時、快速處理大量樣本，但所需技術目前也仍正處於研究中，沒有產生實際的應用效果。所以，目前對蛋白質結構測定複雜程度很高，不但人力、財力消耗巨大，而且耗時長、效率低。
我們的研究表明，當前的這種困局是由於對主導蛋白質生理屬性相似性的基本因素認識不清造成的。我們發現蛋白質間生理屬性的相似性本質上是由」分子內部的疏水作用及位點突變的雙保守性」決定的。即在每個蛋白質分子內部由胺基酸間複雜的疏水作用構成了一個蛋白質分子的疏水框架(即就整體而言，胺基酸間的相互作用中疏水作用所貢獻的部分)。如果蛋白質生理屬性相似，則首先要求該疏水框架相似。進而，在相似的疏水框架上，各位點處殘基可發生相應的改變，但要保證所更換的殘基與被替換前的殘基生化性質相近。本申請正是基於這種認識而開發的。

發明內容
為了避開現有技術中蛋白質結構測定的複雜程度很高，人力、財力消耗巨大，而且耗時長、效率低等問題，本申請提出一種簡單、自動化程度高、成本低且快速的解決方法，該判斷不同蛋白質分子間生理屬性相似性的方法包括以下步驟1)利用已知的傳統序列比對方法對蛋白質進行初選，得到一組屬性可能相近似的蛋白質組，並選取該組中的蛋白質分子序列段；2)每個蛋白質分子內部由胺基酸間複雜的疏水作用構成了一個蛋白質分子的疏水框架，計算上述各個蛋白質分子序列段的疏水框架相似性，進而，在相似的疏水框架上，各位點處殘基可發生相應的改變，來以此判斷蛋白質分子間生理屬性相似性。
進一步，上述步驟2)具體包括；1)將每條蛋白質序列段順序劃分為m個字母的欄位鏈單元，相鄰的m字母欄位鏈單元相錯位一個字母，每條蛋白質得到L-(m-1)個m字母欄位鏈單元，其中，L為一條蛋白質序列段的總長度；2)將m字母欄位鏈單元中的每個字母作為一個頂點，並將任意兩個頂點相連形成線段，計算表示疏水框架特性的各線段的疏水力，並按此法得到組中所有m字母欄位鏈單元中各線段的疏水力，其中疏水力Fnkij由下列公式給出Fnkij=1,ifanki=h,ankj=p0,ifanki=ankj-1ifanki=p,ankj=h]]>其中n為蛋白質序列段的序列號，k為某一蛋白質序列段中m字母欄位鏈單元的序號，i、j為頂點號，且1＜＝i＜j＜＝m，a為胺基酸殘基疏水性特徵參數，h表示疏水，p表示親水；3)計算蛋白質組中所有i、j相同的線段的疏水力分別為1、0、-1的線段數各自佔總線段數的本底比例Q1、Q0、Q-1；4)分別計算整組中序號k相同、且i、j相同的線段的疏水力為1、0、-1的線段數，並得出各自佔蛋白質總數的線段比例P1、P0、P-1；5)計算一個蛋白質序列中每個m字母欄位鏈單元中各線段的權重Dkij，其值由下式給出Dkij＝|P-Q|其中P、Q根據該線段的疏水力值，Fnkij分別選取相對應的線段比例值P1、P0、P-1和本底比例值Q1、Q0、Q-1；6)對於一個m字母欄位鏈單元，計算任一可連接m頂點的(m-1)線段的權重和，並選取其中的最大值Sk；7)對每個蛋白質的L-(m-1)個Sk值進行平均，得到每個蛋白質的平均權重和值S』n，其中S』n由下式給出S』n＝∑k Sk/∑k；8)將各蛋白質序列根據值S』n降序排列，選取S』n值低的幾條序列重新計算Q，其它序列用於重新計算P，重複步驟5-8直至收斂；9)最後得到蛋白質排列圖，並根據設定的闕值，判斷出生理屬性相似的蛋白質序列。


圖1表示由5字母欄位鏈單元中的每個字母作為一個頂點形成的線段圖形；圖2表示本申請實施例蛋白質比較結果的蛋白質排列圖。
具體實施例方式
下面結合一具體實施例描述本發明比較蛋白質相似性的方法。
1、利用已知的傳統序列比對方法對蛋白質進行初選，得到一組屬性可能相近似的蛋白質組，並選取蛋白質序列段，下列WW蛋白質組是經過初選後得到的一組蛋白質序列段，在此實驗中，得到42條蛋白質序列段，各蛋白質序列段的組成如下所示GLP-KP---WIVKISRSRNRPYFFNTETHESLWEPPAATDLP-FG---WEMRYTDT-GRPYFVDHNTRTTTWVDPRNP
PLP-PG---WEERIHLD-GRTFYIDHNSKITQWEDPRLQELP-PG---WEQRYTPE-GRPYFVDHNTRTTTWVDPRRQPLP-PG---WEKRVDST-DRVYFVNHNTKTTQWEDPRTQPLP-PG---WEIRKDGR-GRVYYVDHNTRKTTWQRPNSEPLP-PG---WEIRYTAA-GERFFVDHNTRRTTFEDPRPG-MR-GE---WQEFKTPA-GKKYYYNKNTKQSRWEKPNLKPLP-PG---WTEHKAPS-GIPYYWNAELKKSTYQRPSFIPL--DN---WEMAYTEK-GEVYFIDHNTKTTSWLDPRLAILP-PG---WHSYLSPQ-GRRYYVNTTTNETTWERPSSSSVE-SD---WSVHTNEK-GTPYYHNRVTKQTSWIKPDVLLSK-CP---WKEYKSDS-GKPYYYNSQTKESRWAKPKELPL--PG---WEERQDVL-GRTYYVNHESRTTQWKRPSPEPLP-PG---WEQRVDQH-GRVYYVDHVEKRTTWDRPEPLALP-PG---WEMKYTSE-GVRYFVDHNTRTTTFKDPRPGGLP-SG---WEERKDAK-GRTYYVNHNNRTTTWTRPIMQDLP-AG---WMRVQDTS-G-TYYWHIPTGTTQWEPPGRARLP-PG---WERRADSL-GRTYYVDHNTRTTTWTRPASSELP-EG---YEQRTTVQ-GQVYFLHTQTGVSTWHDPRIPAVK-TV---WVEGLSED-GFTYYYNTETGESRWEKPDDFPLP-PG---WEERTHTD-GRVFFINHNIKKTQWEDPRMQPLP-PG---WEERTHTD-GRIFYINHNIKRTQWEDPRLEPLP-SG---WEMRLTNT-ARVYFVDHNTKTTTWDDPRLPPLP-EG---WEIRYTRE-GVRYFVDHNTRTTTFKDPRNGPLP-DG---WEQAMTQD-GEVYYINHKNKTTSWLDPRLDPLP-PG---WEIKIDPQTGWPFFVDHNSRTTTWNDPRVPGAA-SGAKSWTEHKSPD-GRTYYYNTETKQSTWEKPDDLQLP-DG---WEKRTSRSTGMSYYLNMYTKESQWDQPTEPSVQ-VP---WERAISPN-KVPYYINHQAQTTCWDHPKMTSVQ-LP---WQRSISHN-KVPYYINHQTQTTCWDHPKMTPLP-PG---WERRVDNM-GRIYYVDHFTRTTTWQRPTLEPLP-PG---WEVRSTVS-GRIYFVDHNNRTTQFTDPRLHGLP-ED---WEVRHSQSKNLPYYFNSATKTSRWEPPSGT
LSQ-CP---WKEYKSDT-GKPYYYNNQSQESRWTRPKDLGLP-TP---YTVRYSKSKKREYFFNPETKHSQWEEPEGTSVQ-GP---WERAISPN-KVPYYINHETQTTCWDHPKMTSV--VP---WERAISPN-KVPYYINHQAQTTCWDHPKMTGLP-ED---WEVRHSQSKNLPYYFNSATKTSRWEPPSGTAS--GG---WVEGVTAD-GHCYYYDLITGASQWEKPEGFPLP-PG---WERRVDNM-GRIYYVDHFTRTTTWQRPTLEPLP-PG---WEKRTDPR-GRFYYVDHNTRTTTWQRPTAE在這42條蛋白質序列段中哪條是真的有相同生物活性(即相似性)的WW蛋白質，哪些不是，並不知道。為判斷WW蛋白質的相似性，再進行如下操作2、將每條蛋白質序列段順序劃分為5字母欄位鏈單元，相鄰的5字母欄位鏈單元相錯位一個字母，每條蛋白質得到L-4個5字母欄位鏈單元，其中，L為一條蛋白質序列段的長度；3、將5字母欄位鏈單元中的每個字母作為一個頂點，並將任意兩個頂點相連形成線段，如圖1所示，表示由5字母欄位鏈單元中的每個字母作為一個頂點形成線段的圖形，計算各線段的疏水力，並按此法得到組中所有5字母欄位鏈單元中各線段的疏水力，其中疏水力F由下列公式給出 其中n為42條蛋白質序列段的序列號，k為某一蛋白質序列段中5字母欄位鏈單元的序號，i、j為頂點號，且1＜＝i＜j＜＝5，a為胺基酸殘基疏水性特徵參數，h表示疏水，p表示親水；4、計算蛋白質組中所有i、j相同的線段的疏水力分別為1、0、-1的線段數各自佔總線段數的本底比例Q1、Q0、Q-1；以第二條序列DLP-FG---WEMRYTDT-GRPYFVDHNTRTTTWVDPRNP為例描述上述步驟中的各參數值。
對最後一個5字母欄位DPRNP，其輸水性特徵參數被表示為pphpp，該欄位內疏水力F被標定為線段010，線段02-1，線段12-1，線段030，線段130，線段231，線段040，線段140，線段241，線段340本底比例Q為Q-1Q0Q1i.j -1 01 疏水力010.259615 0.466346 0.274038020.230769 0.504808 0.264423120.250000 0.480769 0.269231030.274038 0.437500 0.288462130.250000 0.500000 0.250000230.269231 0.480769 0.250000040.240385 0.495192 0.264423140.274038 0.442308 0.283654240.250000 0.509615 0.240385340.259615 0.471154 0.2692315、分別計算整組中序號k相同、且i、j相同線段的疏水力為1、0、-1的線段數，並得出各自佔蛋白質總數42的線段比例P1、P0、P-1；上述欄位中各線段的P值為P-1P0P1i.j -1 0 1010.000000 0.677419 0.322581020.451613 0.290323 0.258065120.516129 0.483871 0.000000030.419355 0.419355 0.161290130.580645 0.419355 0.000000230.258065 0.548387 0.193548040.322581 0.419355 0.258065140.387097 0.612903 0.000000240.193548 0.483871 0.322581340.193548 0.419355 0.387097
6、計算一個蛋白質序列中每個5字母欄位鏈單元中各線段的權重Dkij，其值由下式給出Dkij＝|P-Q|其中P、Q根據該線段的疏水力值F分別選取相對應的線段比例值P1、P0、P-1和本底比例值Q1、Q0、Q-1，例如，如果F＝1，P、Q分別為P1、Q1；各線段D值為(標有ok的是步驟7中選出的滿足要求的4條邊)i，j 疏水力 D010，|0.677419-0.466346|＝0.21107302-1， |0.451613-0.230769|＝0.220844ok12-1， |0.516129-0.250000|＝0.266129ok030，|0.419355-0.437500|＝0.018145130，|0.419355-0.500000|＝0.080645ok231，|0.193548-0.250000|＝0.056452040，|0.419355-0.495192|＝0.075837140，|0.612903-0.442308|＝0.170595ok241，|0.322581-0.240385|＝0.082196340，|0.419355-0.471154|＝0.0517997、對於一個5字母欄位鏈單元，計算任一可連接五頂點的4線段的權重和，並選取其中的最大值Sk，可見該欄位的最大值Sk＝0.266129+0.220844+0.170596+0.080645＝0.738213。
8、對每個蛋白質的L-4個Sk值進行平均，得到每個蛋白質的平均權重和值S』n，S』n＝∑k Sk/∑k；以下為該序列每個5欄位的Sk值0.695055+0.571429+0.454670+0.392857＝2.114011欄位10.629187+0.629187+0.524194+0.380583＝2.163151欄位20.629187+0.601737+0.543424+0.370968＝2.145316欄位30.620968+0.427419+0.375775+0.224256＝1.6484180.601737+0.556452+0.412996+0.214640＝1.7858250.596929+0.556452+0.274349+0.233871＝1.6616000.598325+0.575682+0.343672+0.232475＝1.750155
0.588710+0.362903+0.361507+0.227667＝1.5407880.574287+0.445254+0.356700+0.343672＝1.7199130.435639+0.338865+0.321030+0.298387＝1.3939210.437035+0.435639+0.330645+0.298387＝1.5017060.395161+0.395161+0.382134+0.182382＝1.3548390.526282+0.435897+0.424359+0.240385＝1.6269230.528846+0.428660+0.401210+0.266129＝1.6248450.528846+0.519231+0.433468+0.266129＝1.7476740.727357+0.698511+0.684088+0.285360＝2.3953160.717742+0.717742+0.679280+0.546836＝2.6616000.703319+0.698511+0.542029+0.537221＝2.4810790.693703+0.654932+0.556452+0.517990＝2.4230770.546836+0.508065+0.408189+0.256514＝1.7196030.493641+0.429125+0.403381+0.246898＝1.5730460.477047+0.351427+0.320565+0.275744＝1.4247830.481855+0.432072+0.341811+0.266129＝1.5218670.750000+0.643610+0.548542+0.251706＝2.1938590.750000+0.633995+0.548542+0.309864＝2.2424010.769231+0.653226+0.437035+0.319479＝2.1789700.716346+0.643610+0.427419+0.319479＝2.1068550.711538+0.412996+0.305056+0.256514＝1.6861040.246898+0.232165+0.201613+0.143145＝0.823821欄位290.266129+0.220844+0.170596+0.080645＝0.738213欄位30此時，得到第二條蛋白質的平均權重和值S』n＝1.798323。根據以上步驟，同理，可以得到每個蛋白質的平均權重和值S』n。
9、將各蛋白質序列根據值S』n降序排列，選取S』n值低的幾條序列重新計算Q，其它序列用於重新計算P，重複步驟6-9直至收斂；10、最後得到如圖2所示的蛋白質排列圖。
根據已知實驗得到的蛋白質相似性，可以知道圖中實體部分為具有相似性的蛋白質，空心部分為不具有相似性的蛋白質，本方法與已知方法進行比較，從圖中可以看出，在對應闕值1.657以上，即第30個蛋白質序列以前的蛋白質多數是具有相似性的，而在對應闕值1.657以下，即第30個(含30)蛋白質序列以後的蛋白質多數是不具有相似性的。被正確預測的具有相似性的蛋白質序列數為24，佔已知具有相似性的蛋白序列總數28的百分比為24/28＝85.7％。另外，被正確預測到的具有相似性的蛋白數與打分高於閾值的蛋白數比較，得到的比率為24/29＝82.8％。
本方法在蛋白質胺基酸序列確定後所有步驟均由計算機完成，計算時間為秒量級。
以上只描述了本申請的一個優選實施例，本申請並不限於此，其可以有不同形式的改變和變形，例如，在步驟2中，可以根據需要，將每條蛋白質序列段順序劃分為任意字母長度的欄位鏈單元；在步驟3中，不僅只限於對疏水力的計算，可應用表示疏水框架的其他特性參數來進行計算、評價；而且在步驟4-9中可採用除實施例以外的其他統計學方法進行評估。凡是本領域普通技術人員根據本申請的主旨，作出的任何改變和/或變形，均屬於本申請的保護範圍。
權利要求
1.一種判斷蛋白質分子間生理屬性相似性的方法，包括以下步驟1)利用已知的傳統序列比對方法對蛋白質進行初選，得到一組屬性可能相近似的蛋白質組，並選取該組中的蛋白質分子序列段；2)每個蛋白質分子內部由胺基酸間複雜的疏水作用構成了一個蛋白質分子的疏水框架，計算上述各個蛋白質分子序列段的疏水框架相似性，進而，在相似的疏水框架上，各位點處殘基可發生相應的改變，以此來判斷蛋白質分子間生理屬性相似性。
2.根據權利要求1所述的方法，其中步驟2)具體包括1)將每條蛋白質序列段順序劃分為m個字母的欄位鏈單元，相鄰的m字母欄位鏈單元相錯位一個字母，每條蛋白質得到L-(m-1)個m字母欄位鏈單元，其中，L為一條蛋白質序列段的總長度；2)將m字母欄位鏈單元中的每個字母作為一個頂點，並將任意兩個頂點相連形成線段，計算表示疏水框架特性的各線段的疏水力，並按此法得到組中所有m字母欄位鏈單元中各線段的疏水力，其中疏水力Fnkij由下列公式給出Fnkij=1,ifanki=h,ankj=p0,ifanki=ankj-1ifanki=p,ankj=h]]>其中n為蛋白質序列段的序列號，k為某一蛋白質序列段中m字母欄位鏈單元的序號，i、j為頂點號，且1＜＝i＜j＜＝m，a為胺基酸殘基疏水性特徵參數，h表示疏水，p表示親水；3)計算蛋白質組中所有i、j相同的線段的疏水力分別為1、0、-1的線段數各自佔總線段數的本底比例Q1、Q0、Q-1；4)分別計算整組中序號k相同、且i、j相同的線段的疏水力為1、0、-1的線段數，並得出各自佔蛋白質總數的線段比例P1、P0、P-1；5)計算一個蛋白質序列中每個m字母欄位鏈單元中各線段的權重Dkij，其值由下式給出Dkij＝|P-Q|其中P、Q根據該線段的疏水力值Fnkij分別選取相對應的線段比例值P1、P0、P-1和本底比例值Q1、Q0、Q-1；6)對於一個m字母欄位鏈單元，計算任一可連接m頂點的(m-1)線段的權重和，並選取其中的最大值Sk；7)對每個蛋白質的L-(m-1)個Sk值進行平均，得到每個蛋白質的平均權重和值S』n，其中S』n由下式給出S』n＝ΣkSk/Σk；8)將各蛋白質序列根據值S』n降序排列，選取S』n值低的幾條序列重新計算Q，其它序列用於重新計算P，重複步驟5-8直至收斂；9)最後得到蛋白質排列圖，並根據設定的闕值，判斷出生理屬性相似的蛋白質序列。
3.如權利要求2所述的方法，其中蛋白質分子序列段初選後的各個步驟是通過電腦程式執行的。
全文摘要
本申請公開一種判斷蛋白質分子間生理屬性相似性的方法，包括以下步驟用已知的方法對蛋白質進行初選，得到初選的蛋白質序列段；將每條蛋白質序列段順序劃分為m字母欄位鏈單元；再將m字母欄位鏈單元中的每個字母作為一個頂點，並將任意兩個頂點相連形成線段，計算各線段的疏水力；計算蛋白質組中所有i、j相同的線段的疏水力分別為1、0、－1的線段本底比例；計算線段比例；計算m字母欄位鏈單元中各線段的權重，並得到每個蛋白質的平均權重和值S』n；將各蛋白質序列根據值S』n降序排列，最後得到蛋白質排列圖，並以此判斷出生理屬性相似的蛋白質序列。根據本申請的方法判斷蛋白質生理屬性相似性，比傳統方法簡單，節約人力、財力，而且耗時短、效率高。
文檔編號G06F17/00GK101086503SQ20071010035
公開日2007年12月12日 申請日期2007年6月8日 優先權日2007年6月8日
發明者劉鑫, 趙亞溥 申請人:中國科學院力學研究所