專利名稱：一種判斷蛋白質(zhì)分子間生理屬性相似性的方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種研究蛋白質(zhì)生理屬性的方法，特別涉及一種判斷不同蛋白質(zhì)分子間生理屬性相似性的方法。
背景技術(shù)：
蛋白質(zhì)是生物體執(zhí)行生理功能的基本物質(zhì)。生物體內(nèi)絕大多數(shù)生理/病理過程都有蛋白質(zhì)的直接參與。判斷不同蛋白質(zhì)分子間生理屬性的相似性是在分子水平上研究生命現(xiàn)象的一項基本要求。對該問題的研究涉及生命現(xiàn)象的解析，轉(zhuǎn)基因生命體設(shè)計等與蛋白質(zhì)研究有關(guān)的幾乎每個領(lǐng)域。
蛋白質(zhì)分子是由二十種氨基酸(字母，不同的氨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(zhì)的三維結(jié)構(gòu)是通過鏈內(nèi)和鏈外的作用力使該一維長鏈在三維空間中折疊、塌縮而成。由于蛋白質(zhì)的性質(zhì)本質(zhì)上決定于其氨基酸序列，所以一維字母序列間的比對可以有效地被用于判定蛋白質(zhì)間生理屬性的相似性。
對于序列中字母相似性高的蛋白質(zhì)分子(通常是指作比對的兩條序列，其字母相同的位點(diǎn)數(shù)高于總比對位點(diǎn)數(shù)的30％)，序列比對可有效地被用于蛋白質(zhì)間生理屬性相似性的判斷。但當(dāng)字母相同的位點(diǎn)數(shù)低于總比對位點(diǎn)數(shù)30％的水平時，擁有不同結(jié)構(gòu)的蛋白質(zhì)的數(shù)目會成指數(shù)性的增加，傳統(tǒng)的序列比對方法面臨巨大困難。為解決這一困難，當(dāng)前對低等同率的蛋白質(zhì)分子間相似性的判斷需要輔之以結(jié)構(gòu)信息。因而，目前大量的資源被投入到以高通量測定結(jié)構(gòu)為目標(biāo)的結(jié)構(gòu)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(shù)目前也仍正處于研究中，沒有產(chǎn)生實際的應(yīng)用效果。所以，目前對蛋白質(zhì)結(jié)構(gòu)測定復(fù)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(dāng)前的這種困局是由于對主導(dǎo)蛋白質(zhì)生理屬性相似性的基本因素認(rèn)識不清造成的。我們發(fā)現(xiàn)蛋白質(zhì)間生理屬性的相似性本質(zhì)上是由”分子內(nèi)部的疏水作用及位點(diǎn)突變的雙保守性”決定的。即在每個蛋白質(zhì)分子內(nèi)部由氨基酸間復(fù)雜的疏水作用構(gòu)成了一個蛋白質(zhì)分子的疏水框架(即就整體而言，氨基酸間的相互作用中疏水作用所貢獻(xiàn)的部分)。如果蛋白質(zhì)生理屬性相似，則首先要求該疏水框架相似。進(jìn)而，在相似的疏水框架上，各位點(diǎn)處殘基可發(fā)生相應(yīng)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(zhì)相近。本申請正是基于這種認(rèn)識而開發(fā)的。

發(fā)明內(nèi)容
為了避開現(xiàn)有技術(shù)中蛋白質(zhì)結(jié)構(gòu)測定的復(fù)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?zhí)岢鲆环N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(zhì)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(tǒng)序列比對方法對蛋白質(zhì)進(jìn)行初選，得到一組屬性可能相近似的蛋白質(zhì)組，并選取該組中的蛋白質(zhì)分子序列段；2)每個蛋白質(zhì)分子內(nèi)部由氨基酸間復(fù)雜的疏水作用構(gòu)成了一個蛋白質(zhì)分子的疏水框架，計算上述各個蛋白質(zhì)分子序列段的疏水框架相似性，進(jìn)而，在相似的疏水框架上，各位點(diǎn)處殘基可發(fā)生相應(yīng)的改變，來以此判斷蛋白質(zhì)分子間生理屬性相似性。
進(jìn)一步，上述步驟2)具體包括；1)將每條蛋白質(zhì)序列段順序劃分為m個字母的字段鏈單元，相鄰的m字母字段鏈單元相錯位一個字母，每條蛋白質(zhì)得到L-(m-1)個m字母字段鏈單元，其中，L為一條蛋白質(zhì)序列段的總長度；2)將m字母字段鏈單元中的每個字母作為一個頂點(diǎn)，并將任意兩個頂點(diǎn)相連形成線段，計算表示疏水框架特性的各線段的疏水力，并按此法得到組中所有m字母字段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(zhì)序列段的序列號，k為某一蛋白質(zhì)序列段中m字母字段鏈單元的序號，i、j為頂點(diǎn)號，且1＜＝i＜j＜＝m，a為氨基酸殘基疏水性特征參數(shù)，h表示疏水，p表示親水；3)計算蛋白質(zhì)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(shù)各自占總線段數(shù)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(shù)，并得出各自占蛋白質(zhì)總數(shù)的線段比例P1、P0、P-1；5)計算一個蛋白質(zhì)序列中每個m字母字段鏈單元中各線段的權(quán)重Dkij，其值由下式給出Dkij＝|P-Q|其中P、Q根據(jù)該線段的疏水力值，F(xiàn)nkij分別選取相對應(yīng)的線段比例值P1、P0、P-1和本底比例值Q1、Q0、Q-1；6)對于一個m字母字段鏈單元，計算任一可連接m頂點(diǎn)的(m-1)線段的權(quán)重和，并選取其中的最大值Sk；7)對每個蛋白質(zhì)的L-(m-1)個Sk值進(jìn)行平均，得到每個蛋白質(zhì)的平均權(quán)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(zhì)序列根據(jù)值S’n降序排列，選取S’n值低的幾條序列重新計算Q，其它序列用于重新計算P，重復(fù)步驟5-8直至收斂；9)最后得到蛋白質(zhì)排列圖，并根據(jù)設(shè)定的闕值，判斷出生理屬性相似的蛋白質(zhì)序列。


圖1表示由5字母字段鏈單元中的每個字母作為一個頂點(diǎn)形成的線段圖形；圖2表示本申請實施例蛋白質(zhì)比較結(jié)果的蛋白質(zhì)排列圖。
具體實施例方式
下面結(jié)合一具體實施例描述本發(fā)明比較蛋白質(zhì)相似性的方法。
1、利用已知的傳統(tǒng)序列比對方法對蛋白質(zhì)進(jìn)行初選，得到一組屬性可能相近似的蛋白質(zhì)組，并選取蛋白質(zhì)序列段，下列WW蛋白質(zhì)組是經(jīng)過初選后得到的一組蛋白質(zhì)序列段，在此實驗中，得到42條蛋白質(zhì)序列段，各蛋白質(zhì)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(zhì)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(zhì)，哪些不是，并不知道。為判斷WW蛋白質(zhì)的相似性，再進(jìn)行如下操作2、將每條蛋白質(zhì)序列段順序劃分為5字母字段鏈單元，相鄰的5字母字段鏈單元相錯位一個字母，每條蛋白質(zhì)得到L-4個5字母字段鏈單元，其中，L為一條蛋白質(zhì)序列段的長度；3、將5字母字段鏈單元中的每個字母作為一個頂點(diǎn)，并將任意兩個頂點(diǎn)相連形成線段，如圖1所示，表示由5字母字段鏈單元中的每個字母作為一個頂點(diǎn)形成線段的圖形，計算各線段的疏水力，并按此法得到組中所有5字母字段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(zhì)序列段的序列號，k為某一蛋白質(zhì)序列段中5字母字段鏈單元的序號，i、j為頂點(diǎn)號，且1＜＝i＜j＜＝5，a為氨基酸殘基疏水性特征參數(shù)，h表示疏水，p表示親水；4、計算蛋白質(zhì)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(shù)各自占總線段數(shù)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(shù)值。
對最后一個5字母字段DPRNP，其輸水性特征參數(shù)被表示為pphpp，該字段內(nèi)疏水力F被標(biāo)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(shù)，并得出各自占蛋白質(zhì)總數(shù)42的線段比例P1、P0、P-1；上述字段中各線段的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(zhì)序列中每個5字母字段鏈單元中各線段的權(quán)重Dkij，其值由下式給出Dkij＝|P-Q|其中P、Q根據(jù)該線段的疏水力值F分別選取相對應(yīng)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(biāo)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、對于一個5字母字段鏈單元，計算任一可連接五頂點(diǎn)的4線段的權(quán)重和，并選取其中的最大值Sk，可見該字段的最大值Sk＝0.266129+0.220844+0.170596+0.080645＝0.738213。
8、對每個蛋白質(zhì)的L-4個Sk值進(jìn)行平均，得到每個蛋白質(zhì)的平均權(quán)重和值S’n，S’n＝∑k Sk/∑k；以下為該序列每個5字段的Sk值0.695055+0.571429+0.454670+0.392857＝2.114011字段10.629187+0.629187+0.524194+0.380583＝2.163151字段20.629187+0.601737+0.543424+0.370968＝2.145316字段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字段290.266129+0.220844+0.170596+0.080645＝0.738213字段30此時，得到第二條蛋白質(zhì)的平均權(quán)重和值S’n＝1.798323。根據(jù)以上步驟，同理，可以得到每個蛋白質(zhì)的平均權(quán)重和值S’n。
9、將各蛋白質(zhì)序列根據(jù)值S’n降序排列，選取S’n值低的幾條序列重新計算Q，其它序列用于重新計算P，重復(fù)步驟6-9直至收斂；10、最后得到如圖2所示的蛋白質(zhì)排列圖。
根據(jù)已知實驗得到的蛋白質(zhì)相似性，可以知道圖中實體部分為具有相似性的蛋白質(zhì)，空心部分為不具有相似性的蛋白質(zhì)，本方法與已知方法進(jìn)行比較，從圖中可以看出，在對應(yīng)闕值1.657以上，即第30個蛋白質(zhì)序列以前的蛋白質(zhì)多數(shù)是具有相似性的，而在對應(yīng)闕值1.657以下，即第30個(含30)蛋白質(zhì)序列以后的蛋白質(zhì)多數(shù)是不具有相似性的。被正確預(yù)測的具有相似性的蛋白質(zhì)序列數(shù)為24，占已知具有相似性的蛋白序列總數(shù)28的百分比為24/28＝85.7％。另外，被正確預(yù)測到的具有相似性的蛋白數(shù)與打分高于閾值的蛋白數(shù)比較，得到的比率為24/29＝82.8％。
本方法在蛋白質(zhì)氨基酸序列確定后所有步驟均由計算機(jī)完成，計算時間為秒量級。
以上只描述了本申請的一個優(yōu)選實施例，本申請并不限于此，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(jù)需要，將每條蛋白質(zhì)序列段順序劃分為任意字母長度的字段鏈單元；在步驟3中，不僅只限于對疏水力的計算，可應(yīng)用表示疏水框架的其他特性參數(shù)來進(jìn)行計算、評價；而且在步驟4-9中可采用除實施例以外的其他統(tǒng)計學(xué)方法進(jìn)行評估。凡是本領(lǐng)域普通技術(shù)人員根據(jù)本申請的主旨，作出的任何改變和/或變形，均屬于本申請的保護(hù)范圍。
權(quán)利要求
1.一種判斷蛋白質(zhì)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(tǒng)序列比對方法對蛋白質(zhì)進(jìn)行初選，得到一組屬性可能相近似的蛋白質(zhì)組，并選取該組中的蛋白質(zhì)分子序列段；2)每個蛋白質(zhì)分子內(nèi)部由氨基酸間復(fù)雜的疏水作用構(gòu)成了一個蛋白質(zhì)分子的疏水框架，計算上述各個蛋白質(zhì)分子序列段的疏水框架相似性，進(jìn)而，在相似的疏水框架上，各位點(diǎn)處殘基可發(fā)生相應(yīng)的改變，以此來判斷蛋白質(zhì)分子間生理屬性相似性。
2.根據(jù)權(quán)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(zhì)序列段順序劃分為m個字母的字段鏈單元，相鄰的m字母字段鏈單元相錯位一個字母，每條蛋白質(zhì)得到L-(m-1)個m字母字段鏈單元，其中，L為一條蛋白質(zhì)序列段的總長度；2)將m字母字段鏈單元中的每個字母作為一個頂點(diǎn)，并將任意兩個頂點(diǎn)相連形成線段，計算表示疏水框架特性的各線段的疏水力，并按此法得到組中所有m字母字段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(zhì)序列段的序列號，k為某一蛋白質(zhì)序列段中m字母字段鏈單元的序號，i、j為頂點(diǎn)號，且1＜＝i＜j＜＝m，a為氨基酸殘基疏水性特征參數(shù)，h表示疏水，p表示親水；3)計算蛋白質(zhì)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(shù)各自占總線段數(shù)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(shù)，并得出各自占蛋白質(zhì)總數(shù)的線段比例P1、P0、P-1；5)計算一個蛋白質(zhì)序列中每個m字母字段鏈單元中各線段的權(quán)重Dkij，其值由下式給出Dkij＝|P-Q|其中P、Q根據(jù)該線段的疏水力值Fnkij分別選取相對應(yīng)的線段比例值P1、P0、P-1和本底比例值Q1、Q0、Q-1；6)對于一個m字母字段鏈單元，計算任一可連接m頂點(diǎn)的(m-1)線段的權(quán)重和，并選取其中的最大值Sk；7)對每個蛋白質(zhì)的L-(m-1)個Sk值進(jìn)行平均，得到每個蛋白質(zhì)的平均權(quán)重和值S’n，其中S’n由下式給出S’n＝ΣkSk/Σk；8)將各蛋白質(zhì)序列根據(jù)值S’n降序排列，選取S’n值低的幾條序列重新計算Q，其它序列用于重新計算P，重復(fù)步驟5-8直至收斂；9)最后得到蛋白質(zhì)排列圖，并根據(jù)設(shè)定的闕值，判斷出生理屬性相似的蛋白質(zhì)序列。
3.如權(quán)利要求2所述的方法，其中蛋白質(zhì)分子序列段初選后的各個步驟是通過計算機(jī)程序執(zhí)行的。
全文摘要
本申請公開一種判斷蛋白質(zhì)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(zhì)進(jìn)行初選，得到初選的蛋白質(zhì)序列段；將每條蛋白質(zhì)序列段順序劃分為m字母字段鏈單元；再將m字母字段鏈單元中的每個字母作為一個頂點(diǎn)，并將任意兩個頂點(diǎn)相連形成線段，計算各線段的疏水力；計算蛋白質(zhì)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字母字段鏈單元中各線段的權(quán)重，并得到每個蛋白質(zhì)的平均權(quán)重和值S’n；將各蛋白質(zhì)序列根據(jù)值S’n降序排列，最后得到蛋白質(zhì)排列圖，并以此判斷出生理屬性相似的蛋白質(zhì)序列。根據(jù)本申請的方法判斷蛋白質(zhì)生理屬性相似性，比傳統(tǒng)方法簡單，節(jié)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(yōu)先權(quán)日2007年6月8日
發(fā)明者劉鑫, 趙亞溥 申請人:中國科學(xué)院力學(xué)研究所