蛋白质结构预测的生物学意义

生物信息学研究的一个主要目标是了解蛋白质序列与三维结构的关系，但是序列与结构之间的关系是非常复杂的。人们已经掌握了一些蛋白质序列与二级结构之间的关系，但是对于蛋白质序列与空间结构之间的关系了解得比较少。预测蛋白质的二级结构只是预测折叠蛋白的三维形状的第一步。一些结构不是很规则的环状区域与蛋白的二级结构单元共同堆砌成一个紧密的球状天然结构。在蛋白质折叠过程中一系列不同的力都起到了重要作用，包括静电力、氢键和范德华力；疏水作用也是影响蛋白质结构的重要因素；半胱氨酸之间共价键的形成在决定蛋白构象中也起了决定性的作用；在一类称为伴侣蛋白的特殊蛋白质作用的情况下，蛋白折叠问题变得更复杂。伴侣蛋白通过一些未预知的方式改变蛋白质的结构，但这些改变方式是很重要的。

同源模型化法

模型基础

同源模型化方法是蛋白质三维结构预测的主要方法。对蛋白质数据库PDB分析可以得到这样的结论：任何一对蛋白质，如果两者的序列等同部分超过30%（序列比对长度大于80），则它们具有相似的三维结构，即两个蛋白质的基本折叠相同，只是在非螺旋和非折叠区域的一些细节部分有所不同。蛋白质的结构比蛋白质的序列更保守，如果两个蛋白质的氨基酸残基序列有50%相同，那么约有90%的α碳原子的位置偏差不超过3%。这是同源模型化方法在结构预测方面成功的保证。

模型的基本思想

同源模型化方法的基本思想：对于一个未知结构的蛋白质，首先通过同源分析找到一个已知结构的同源蛋白质，然后，以该蛋白质的结构为模板，为未知结构的蛋白质建立结构模型。这里的前提是必须要有一个已知结构的同源蛋白质，这个工作可以通过搜索蛋白质结构数据库来完成，如搜索PDB。同源模型化方法是目前一种比较成功的蛋白质三维结构预测方法。从上述方法介绍也可以看出，因为预测新结构是借助于已知结构的模板而进行的，选择不同的同源的蛋白质，则可能得到不同的模板，因此最终得到的预测结果并不唯一。

模型预测的基本步骤

假设待预测三维结构的目标蛋白质为U（Unknown），利用同源模型化方法建立结构模型的过程包括下述6个步骤：

1、搜索结构模型的模板(T)：同源模型化方法假设两个同源的蛋白质具有相同的骨架。为待预测的蛋白质建立模型时，首先按照同源蛋白质的结构建立模板T。所谓模板是一个已知结构的蛋白质，该蛋白质的与目标蛋白质U的序列非常相似。如果找不到这样的模板，则无法运用同源模型法。

2、序列比对：将目标蛋白质U的序列与模板蛋白质序列进行比对，使U的氨基酸残基与模板蛋白质的残基匹配。比对中允许插入和删除操作。

3、建立骨架：将模板结构的坐标拷贝到目标U，仅拷贝匹配残基的坐标。在一般情况下，通过这一步建立目标蛋白质U的骨架。

4、构建目标蛋白质的侧链：可以将模板相同残基的坐标直接作为目标蛋白质的残基坐标，但是对于不完全匹配的残基，其侧链构象是不同的，需要进一步预测。侧链坐标的预测通常采用已知结构的经验数据，如ROTAMERS数据库。ROTAMERS含有所有已知结构蛋白质中的侧链取向,按下述过程来使用ROTAMER：从数据库中提取ROTAMER分布信息，取一定长度的氨基酸片段（对于螺旋和折叠取7个残基，其它取5个残基）；在U的骨架上平移等长的片段，从ROTAMER库中找出那些中心氨基酸与平移片段中心相同的片段，并且两者的局部骨架要求尽可能相同，在此基础上从数据库中取局部结构数据。

5、构建目标蛋白质的环区：在第2步的序列比对中，可能加入空位，这些区域常常对应于二级结构元素之间的环区，对于环区需要另外建立模型。一般也是采用经验性方法，从已知结构的蛋白质中寻找一个最优的环区，拷贝其结构数据。如果找不到相应的环区，则需要用其它方法。

6、优化模型：通过上述过程为目标蛋白质U建立了一个初步的结构模型，在这个模型中可能存在一些不相容的空间坐标，因此需要进行改进和优化，如利用分子力学、分子动力学、模拟退火等方法进行结构优化。

当然，如果能够找到一系列与目标蛋白相近的蛋白质的结构，得到更多的结构模板，则能够提高预测的准确性。通过多重序列比对，发现目标序列中与所有模板结构高度保守的区域，同时也能发现保守性不高的区域。将模板结构叠加起来，找到结构上保守的区域，为要建立的模型形成一个核心，然后再按照上述方法构建目标蛋白质的结构模型。

预测结果的准确性及改进

对于具有60%等同部分的序列，用上述方法所建立的三维模型非常准确。若序列的等同部分超过60%，则预测结果将接近于实验得到的测试结果。一般如果序列的等同部分大于30%，则可以期望得到比较好的预测结果。当然，这种计算方法要占用大量的计算时间，主要是由于第4步的数据库搜索过程耗时较多。

如果序列的等同部分小于30%或更少，那么预测结果的准确性如何呢？随着U和T的相似度降低，比对这两个蛋白质序列所需插入的环（LOOPS）增多。为环区建立精确的三维模型意味着解决结构预测的问题。有许多具体的方法可用于为环区建立三维模型，其中最好的方法在一些情况下能够得到环区正确的取向。为环区建立三维模型的一种方法是分子动力学模拟。由于环区一般来说相对比较短，可以用分子动力学方法来模拟，但在动态模拟过程所需要的计算时间随着多肽链的残基数指数增长。然而，即使序列等同部分下降到25%-30%，同源模型化方法也能产生出未知结构蛋白质整体折叠的粗糙模型。对于这样初始模型可以进行优化。常常用分子动力学技术进行优化，以提高精度。通过分子动力学的进一步模拟，往往能够得到较好的结果。

在实际研究中，对于蛋白质结构的分析和预测往往着眼于某些关键部位，或者功能区域。通过对蛋白质序列的分析可以发现，在一个蛋白质家族中，存在着保守的氨基酸序列片段，这些保守的序列片段称为氨基酸序列模式（motif）。在蛋白质家族进化的过程中，序列模式的变化被强制约束，以保证蛋白质的主要结构和功能不变。一个序列模式与蛋白质特定的局部空间结构相对应，分析序列模式与局部空间结构之间的关系有助于了解蛋白质的功能区域的结构，而详细地分析这些关键的结构部分，有助于我们认识蛋白质作用的机理、了解蛋白质与其它生物分子之间的相互作用，甚至为新药设计提供依据。

同源模型的其他方法

也可以用人工神经网络（如BP网）来预测同源蛋白质的空间结构。Bohr等人曾利用BP网预测同源蛋白质的折叠模式，该方法应用距离点矩阵表示蛋白质的结构，同源蛋白质的距离矩阵相似。沿水平轴和垂直轴画出蛋白质序列，如果两个氨基酸Ｃ原子之间的距离小于指定的距离，则在矩阵α对应位置打上点标记。与二级结构预测的神经网络方法相似，将一个窗口在蛋白质序列上移动，利用窗口内蛋白质序列、二级结构类型、反映空间结构信息的点距离矩阵作为神经网络的输入输出数据。其中在网络的输入层输入一个窗口内氨基酸序列信息，于中心氨基酸两侧分别取30个氨基酸，窗口大小为61。网络的输出层有33个节点，其中30个节点对应于中心氨基酸前30个氨基酸，其值为“０”或者“１”，这取决于该氨基酸与中心氨基酸的距离是否小于给定的值（如８），这与点距离矩阵相对应。另外３个输出节点用于表示二级结构类型（螺旋、折叠、卷曲）。利用已知结构的同源蛋白质训练该网络，然后用训练好的网络对属于同一家族的蛋白质结构进行预测。该模型可以同时进行二级结构和空间结构的预测。