基于一種新的偽氨酸組成預測蛋白質折疊速率

單萌萌，白鳳蘭

(大連交通大學 理學院，遼寧 大連 116052)

?

基于一種新的偽氨酸組成預測蛋白質折疊速率

單萌萌，白鳳蘭

(大連交通大學 理學院，遼寧 大連 116052)

以chou等人提出的偽氨酸組成方法為基礎，從蛋白質序列的氨基酸組成信息和順序信息著手，提出一種新的偽氨酸組成方法，即利用新偽氨酸序列的自相關函數(shù)、氨基酸的平均中程接觸和氨基酸頻率構造了23維向量來描述蛋白質序列，進而建立多元線性回歸函數(shù)對蛋白質折疊速率進行預測，經jackknife檢驗相關系數(shù)達到了0.84.并與其他兩種方法進行比較使本文的結論得到較好的驗證. 同時驗證了本文提取的特征參數(shù)對蛋白質折疊速率有一定的影響.

蛋白質折疊；偽氨酸；線性回歸函數(shù)

0 引言

蛋白質折疊問題的研究是計算分子生物學和生物信息學中的重要內容，對于理解蛋白質的折疊機理和分析蛋白質折疊的決定性因素來說，能夠精確的預測出蛋白質的折疊速率就顯得非常重要，只有當?shù)鞍踪|折疊成正確的具有三維結構的天然構象時才能發(fā)揮其正確的物理屬性.盡管蛋白質的總體結構非常復雜，但是在化學上它們都是由20種天然氨基酸按照特定的順序并且通過肽鍵連接而成的具有有限長度的多肽鏈.蛋白質之間最根本的差別就在于其組成多肽鏈的氨基酸序列和長度有所不同.從不同生物體中發(fā)現(xiàn)的氨基酸已有180多種，但是參與蛋白質組成的常見的氨基酸只有 20 種，即常見的天然氨基酸.近年來，許多科學家開始從蛋白質氨基酸序列著手預測蛋白質折疊速率，chou等人提出了經典的偽氨酸組成方法[1]來描述蛋白質序列的順序信息.本文在chou等人工作的基礎上，從氨基酸的順序信息和組成信息著手，提出一種新的偽氨酸組成方法，即利用偽氨酸序列的自相關函數(shù)、氨基酸的平均中程接觸等特征參數(shù)構造空間向量來描述蛋白質序列，進而建立多元線性回歸函數(shù)對蛋白質折疊速率進行預測.

1 材料

從Guo[3-4]、Xing[5]、Cheng[6]等大量文章中選取已知實驗折疊速率的89個蛋白質，去掉重復蛋白和文章標識長度與蛋白質數(shù)據(jù)庫長度不符的蛋白質，最終得到65個蛋白質，其中36個二肽蛋白，29個多肽蛋白，氨基酸序列信息均從數(shù)據(jù)庫(http://www.rcsb.org/pdb/home/home.do)中獲得.

2 原理和方法

2.1 偽氨酸組成

對于蛋白質序列S=s1s2…sL

其中氨基酸si∈ψ(i=1,2,…,20),ψ={A,W,C,D,E,F,G,H,I,Y,K,L,M,N,V,P,Q,R,S,T}，考慮其在序列S中的位置，

其中，l代表氨基酸殘基在序列Sw中所在的位置，l∈[1,L].

這樣，我們把蛋白質序列S轉換成20維的特征向量，表示為：

V(S)=(V1,V2,…,V20)

新的偽氨酸組成定義如下：

其中:

其中,spi(i=1,2,3,…,L)表示氨基酸極性值，氨基酸極性索引值如表1.

2.2 蛋白質的平均屬性

對于蛋白質序列S=s1s2…sL

其平均屬性定義如下：

其中,qi為第i氨基酸的某個物理化學性質，N為氨基酸殘基的個數(shù).

本文取氨基酸的平均中程接觸Nm，其索引值見表1.

2.3 實驗結果分析

為確定λ的取值，我們分別取λ從1～30從而得到30個向量φ1=(R1),φ2=(R1,R2)，……，φ30=(R1,R2,…,R30)，依次加入到特征向量V(S)中，得到向量(V(S),φ1), (V(S),φ2),……，(V(S),φ30)，進行30次試驗，結果見圖1.

圖1 階數(shù)λ對預測結果的影響

由圖1可以看出，當λ取2時相關系數(shù)達到0.82，固選取λ值為2.

由以上偽氨酸的組成方法使原來的蛋白質序列S=s1s2…sL變成新序列F=F1F2…F22.

在建序列F的基礎上添加向量Veve，得到23維向量Vlast=(F,Veve),建立關于折疊速率與Vlast的多遠線性回歸函數(shù)：

利用式(6)計算了36個二肽蛋白和29個多肽蛋白的折疊速率預測值，并對預測值進行jackknife檢驗.回歸分析及jackknife檢驗結果見表2,預測值與實驗值散點圖見圖2.

表2 相關系數(shù)r和p值

由表2結果可知對于二肽蛋白，jackknife檢驗相關系數(shù)為0.48，p≤0.05，對于多肽蛋白，jackknife檢驗相關系數(shù)僅為0.30，且p≥0.05，由圖2也可以看出二肽蛋白質的實驗值與預測值具有較顯著的線性關系，多肽蛋白質的實驗值與預測值的線性關系不顯著，但是二肽和多肽混合蛋白質的實驗值與預測值的線性關系顯著，jackknife檢驗相關系數(shù)達到0.84，p≤0.05.

圖2 預測值與實驗值散點圖注：□為二肽蛋白○為多肽蛋白

本文所提出的偽氨酸構造方法預測蛋白質折疊速率具有一定的可行性，由對多肽蛋白質檢驗結果的p值可以推測更試用于二肽蛋白.

3 與其他方法對比

本文方法和其他兩種方法進行比較結果見表3(由jackknife檢驗得到).

表3 相關系數(shù)、p值、F值、標準誤差

注：方法Fold-rate來源于網站http://www.csbio.sjtu.edu.dn/bioinf/FoldingRate/;方法CI來源于網站http://sdbi.sdut.edu.cn/FDserver.

觀察表3可得，本文方法通過jackknife得到的相關系數(shù)r和F均大于其他兩種方法，而P值和標準誤差σ均小于其他兩種方法，這說明本文的方法優(yōu)于其他兩種方法，由此可以推測蛋白質序列中氨基酸的物化屬性及位置信息對蛋白折疊有一定的影響.

4 結論

本文主要從蛋白質的一級結構出發(fā)，以chou等人提出的偽氨酸組成方法為基礎，從蛋白質序列中氨基酸的順序信息和組成信息著手，提出一種新的偽氨酸組成方法，即利用新偽氨酸序列的自相關函數(shù)、氨基酸的平均中程接觸構造了23維向量來描述蛋白質序列，進而建立多元線性回歸函數(shù)對蛋白質折疊速率進行預測，通過散點圖的描述可以直觀看出通過預測方程所得預測值與實驗值具有顯著的線性關系.本文選擇應用jackknife檢驗方法對預測模型的可行性進行檢驗，結果顯示二肽蛋白相關系數(shù)為0.48，多肽蛋白相關系數(shù)為0.30，全部蛋白相關系數(shù)達到0.84，并與其他兩種方法進行比較使本文的結論得到較好的驗證.但是本文方法的不足之處在于對于多肽蛋白沒有通過jackknife檢驗(p≥0.05)，說明本文所選取的特征參數(shù)對于多肽蛋白質折疊速率影響不大.尋找對多肽蛋白質折疊速率有影響的特征參數(shù)值得進一步去研究.

[1]CHOUK.Predictionofproteincellularattributesusingpesudo-aminoacidcomposition[J].Proteins,2001,43: 246-255.

[2]GROMIHAMM,THANGAKANIAM,SELVARAJS.FOLD-RATE:predictionofproteinfoldingratesfromaminoacidsequence[J].NucleicAcidsResearch,2006,34(suppl2):70-74.

[3]GUOJianxiu,RAONini,XUShanglei,etal.Predictingproteinfoldingratesusingpseudoaminoacidcomposition[J].BioinformaticsandBiomedicalEngineering，2010(1):1-4.

[4]GUOJIANIU,ZHANGHY.Directcorrelationbetweenprotein’foldingratesandtheiraminoacidcompositions:anabinitiofoldingratepredition[J].Proteins,2006,65(2):362-372.

[5]邢達杰,褚綺,林廣周,等.從序列預測蛋白質折疊速率[J].天津理工大學學報,2008,24(6):18-21.

[6]CHENGXIANG,XIAOXUAN,WUZHICHENG,etal.SWFoldRate:Predictingfoldingratesfromaminoacidsequnencewithsliding[J].Proteins,2012,81(1):140-148.

Prediction of Protein Folding Rates based on new Pseudo-Acid Composition

SHAN Mengmeng,BAI Fenglan

(School of Mathematics and Physics,Dalian Jiaotong University,Dalian 116028,China)

Based on Pseudo-acid composition,by chou a new pseudo-acid composition is proposed from the amino acid composition information and the order of the protein sequence.Combining the autocorrelation function with the Nm and frequency of amino acids,23-dimensional vector is constructed,and a protein sequence can be described by the 23-dimensional vector and to create multiple linear regression function to predicte protein folding rate.By jackknife test,the correlation coefficient is 0.84.Comparison proves that the new method is batter than the other two methods.

predicte protein folding rate;Pseudo-acid;linear regression function

1673-9590(2015)03-0113-03

2014-05-20

單萌萌(1989-),女,碩士研究生;白鳳蘭(1963-)，女，教授,博士，主要從事蛋白質折疊速率預測方面的研究E-mail:liaimeng214@126.com.

A