1、蛋白質(zhì)的氨基酸序列如何決定空間結(jié)構(gòu)是當(dāng)今生命科學(xué)研究中的核心問題之一，被稱為第二遺傳密碼。由于實(shí)驗(yàn)測定的費(fèi)時(shí)和費(fèi)力，使得從蛋白質(zhì)的氨基酸序列出發(fā)理論預(yù)測它的結(jié)構(gòu)成為21世紀(jì)生物學(xué)的首要任務(wù)。大量實(shí)驗(yàn)和理論研究表明，蛋白質(zhì)的三級(jí)結(jié)構(gòu)是非常復(fù)雜而不規(guī)則的，但其整體折疊類型卻十分有限，一般認(rèn)為只有數(shù)百到數(shù)千種，遠(yuǎn)小于蛋白質(zhì)所具有的自由度數(shù)。折疊類型反映了蛋白質(zhì)核心結(jié)構(gòu)的拓?fù)淠Ｊ剑菑牡鞍踪|(zhì)結(jié)構(gòu)的基礎(chǔ)層次——二級(jí)結(jié)構(gòu)單元出發(fā)進(jìn)行的一種描述，包

2、括了蛋白質(zhì)二級(jí)結(jié)構(gòu)單元、二級(jí)結(jié)構(gòu)單元的相對(duì)排布位置和整個(gè)多肽鏈的路由關(guān)系。隨著蛋白質(zhì)結(jié)構(gòu)數(shù)據(jù)庫趨于完備，序列-結(jié)構(gòu)問題便可以轉(zhuǎn)化為折疊識(shí)別問題，即找到與未知蛋白質(zhì)序列在三維結(jié)構(gòu)上最匹配的已知折疊類型。對(duì)自然界存在的數(shù)百到數(shù)千種折疊類型進(jìn)行系統(tǒng)分類和識(shí)別，將有助于揭示蛋白質(zhì)的折疊規(guī)律。本文通過對(duì)蛋白質(zhì)折疊類型的研究，以結(jié)構(gòu)核心的拓?fù)溥B接和空間排布為依據(jù)，建立了統(tǒng)一原理的蛋白質(zhì)折疊類型數(shù)據(jù)庫LIFCA，為蛋白質(zhì)折疊識(shí)別奠定了基礎(chǔ)。主要研究內(nèi)

3、容包括： ⑴從ASTRAL-1．65數(shù)據(jù)庫中選取序列一致性小于25％的非冗余子集，包含α、β、α/β類蛋白共2406個(gè)，根據(jù)折疊核心二級(jí)結(jié)構(gòu)片段的空間排布和拓?fù)溥B接，進(jìn)行蛋白質(zhì)折疊類型分類，對(duì)于序列、二級(jí)結(jié)構(gòu)等信息提供了詳細(xì)的注釋。LIFCA包含259個(gè)折疊類型，覆蓋了SCOP中244個(gè)折疊子。 ⑵為解決LIFCA數(shù)據(jù)庫中36個(gè)折疊類型無法建立統(tǒng)一模型的問題，根據(jù)蛋白質(zhì)結(jié)構(gòu)差異量化指標(biāo)RMSD，建立了折疊類型內(nèi)部樣本的兩

4、兩距離關(guān)系，通過系統(tǒng)聚類方法生成了176個(gè)折疊子類。為LIFCA-HMM庫的完善奠定了基礎(chǔ)，也為蛋白質(zhì)分類研究拓展了新的方法和思路。 ⑶對(duì)71個(gè)折疊類型與176個(gè)折疊子類中的樣本分別進(jìn)行MUSTANG結(jié)構(gòu)比對(duì)，訓(xùn)練出247個(gè)Profile-HMM模型，形成完整的LIFCA-HMM庫。 ⑷以序列一致性小于95％的Astral-1．65序列庫為檢驗(yàn)集，單模型及全模型庫的折疊識(shí)別檢驗(yàn)精度均很高。為了評(píng)價(jià)所用方法的識(shí)別性能，我們