蛋白質的三維結構對于研究它的功能及其相關的藥物設計至關重要,多年來,科學家們提出了各種各樣基于氨基酸序列的蛋白質三維結構預測方法。通常來說,蛋白質結構預測包含構象產(chǎn)生和構象篩選兩個基本過程,其中,在對大批量構象進行篩選時,能否挑出最接近天然結構的蛋白質構象,結構評估函數(shù)也即是通常所說的打分函數(shù)的精準與否顯得尤為重要。根據(jù)統(tǒng)計力學,一個物理系統(tǒng)的穩(wěn)定狀態(tài)對應于它的最低自由能,對于包含大量原子的蛋白質大分子當然也不例外,因此對于從物理自由能角度推導的打分函數(shù)來說,理想的打分函數(shù)應該給予天然蛋白質最低能量分數(shù)。由于蛋白質數(shù)據(jù)庫（Protein Data Bank,PDB）中包含了大量通過實驗解出的蛋白質結構數(shù)據(jù)信息,同時考慮到其數(shù)量不斷增長的態(tài)勢,基于知識的蛋白質結構打分函數(shù)在近幾十年獲得了廣泛關注,在蛋白質結構預測領域取得了很大成功,精細化程度也相應得到不斷的提高。然而,出于對計算速度以及打分函數(shù)設計簡化性的考慮,當前的基于知識的打分函數(shù)通常只考慮非成鍵相互作用,而把構象熵以及共價鍵的鍵長勢能和鍵角勢能部分排除在外。這種處理方式導致打分函數(shù)在對具有良好的共價鍵結構的蛋白質三維構象進行打分時... 

【文章來源】：華中科技大學湖北省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：106 頁

【學位級別】：博士

【部分圖文】：

蛋白質一到四級結構示意圖

在圖 3-3 中。從表 3-4 和圖 3-3 中給出的對比結果可以看出，ITDA 表現(xiàn)明顯優(yōu)于其它 6 個打分函數(shù)，分別在 Rosetta_set(3DR)測試集上識別出 58 個靶標中的 53 個天然蛋白質結構；在 Modeller_set(3DR)測試集上識別出 20 個靶標中的 15 個天然蛋白質結構；在 I-TASSER_set(3DR)測試集上識別出 56 個靶標中的 39 個天然蛋白質結構。平均來看，ITDA 在 3 個 3DRobot 測試集上識別出全部 134 個靶標測試集中的 107 個天然蛋白質結構，成功率和 Z-score 分別為 80%和 2.47，而其它 6 個打分函數(shù)都僅僅獲得了低于 10%的成功率，Z-score 值小于 2.0。(5) 與 ITScore/Pro 的對比圖 3-3 ITDA 與其它 6 種打分函數(shù)在 Rosetta_set(3DR)、Modeller_set(3DR)、I-TASSER_set(3DR) 三個測試集上的總體平均成功率與 Z-score 對比。

(2) AMBER 測試集由美國佐治亞理工學院的 Skolnick 教授研究組構建的 AMBER 測試集是另一個具有相當挑戰(zhàn)性的、測試打分函數(shù)的基準數(shù)據(jù)集。這個數(shù)據(jù)集總共包含 47 個蛋白質靶標，每一個靶標擁有 1040 個假結構。所有的結構，無論天然態(tài)還是假結構，都在AMBER/GBSA 力場下經(jīng)過 2ns 的 MD 優(yōu)化模擬處理。這個基準數(shù)據(jù)集最初的設計目的是用來檢查 AMBER/GBSA 力場從假結構中識別天然態(tài)的有效性。由于使用AMBER 進行了 2ns 的松弛模擬，其天然態(tài)或者假結構構象中的所有原子形成了良好的堆砌，具有良好的靜電和 VDW 相互作用接觸。因此，若是在這個測試集上進行識別出天然態(tài)的打分測試，可想而知是具有相當?shù)奶魬?zhàn)性。圖 4-2 展示了我們的打分函數(shù) ITCPS 在 AMBER 基準測試集中，將蛋白質天然態(tài)從各自相應的大量假結構中識別出來的成功率。為了進行對比，圖中也列出了其它九種打分函數(shù)的相應測試結果，如 ITDA、dDFIRE、ITScore/Pro、OPUS-PSP、

【參考文獻】：
期刊論文
[1]蛋白質結構預測[J]. 鄧海游,賈亞,張陽.  物理學報. 2016(17)
[2]Residual occurrence and energy property of proteins in HNP model[J]. 姜舟婷,竇文輝,沈瑜,孫婷婷,徐鵬.  Chinese Physics B. 2015(11)
[3]生物大分子多尺度理論和計算方法[J]. 李文飛,張建,王駿,王煒.  物理學報. 2015(09)



本文編號：3341617