2 蛋白质序列特征分析~生物信息学

序列特征分析AnalysisofSequenceCharacterristics蛋白质的一级结构蛋白质的一级结构决定二级结构蛋白质的二级结构决定三级结构一、蛋白质结构蛋白质的二级结构H表示螺旋E表示折叠B表示β桥G表示3-螺旋I表示π螺旋T表示氢键转角S代表转向蛋白质分子只有处于它自己特定的空间结构情况下，才能获得它特定的生物活性，空间结构稍有破坏，就很可能会导致蛋白质生物活性的降低甚至丧失，因为它们的特定的结构允许它们结合特定的配体分子。蛋白质空间结构对DNA序列和蛋白质序列进行序列特征分析，能够使我们从分子层次上了解基因的结构特点，了解与基因表达调控相关的信息，了解DNA序列与蛋白质序列之间的编码，了解蛋白质序列与蛋白质空间结构之间的关系和规律，为进一步研究了解蛋白质功能与蛋白质结构之间的关系提供理论依据。二、蛋白质序列特征分析基本假设：蛋白质的空间结构由蛋白质序列所决定。即我们可以根据蛋白质序列预测蛋白质结构。复杂程度远高于对DNA序列的分析1、蛋白质的理化性质蛋白质是由氨基酸组成的大分子化合物，对组成蛋白质的氨基酸进行理化性质的统计分析是对一个未知蛋白质进行分析的基础。蛋白质的理化性质包括蛋白质的分子量、氨基酸的组成、等电点、消光系数、亲水性和疏水性、跨膜区、信号肽、翻译后修饰位点等。利用PROTPARAM分析蛋白质的理化性质ExPASy（ExpertProteinAnalysisSystem）是由瑞士生物信息学中心维护，并与欧洲生物信息学中心（EBI）及蛋白质信息资源（proteininformationresource，PIR）组成UniversalProteinKnowledgebase联盟。ExPASy数据库提供了一系列蛋白质理化分析工具，以便于检索未知蛋白质的理化性质，并基于这些理化性质鉴别未知蛋白质的类别，为后续实验提供帮助。其中ProtParam（physico-chemicalparametersofaproteinsequence）就是计算氨基酸理化参数常用的在线工具。其网址为：在线页面用PROTPARAM分析G00016序列理化性质的结果2、蛋白质的亲水性或疏水性氨基酸通常被分为三类：1.疏水氨基酸（hydrophobicaminoacid），其侧链大部分或者全部由碳原子和氢原子组成，因此这类氨基酸不太可能与水分子形成氢键；2.极性氨基酸（polaraminoacid），其测链通常由氧原子或氮原子组成，它们比较容易与水分子形成氢键，因此也称为亲水氨基酸；3.带电氨基酸（chargedaminoacids），这类氨基酸在生物pH环境中带有正电或负电。蛋白质的基本组成单元是氨基酸。蛋白质的亲水性或疏水性氨基酸的亲疏水性是构成蛋白质折叠的主要驱动力，一般通过亲水性分布图（hydropathyprofile）反映蛋白质的折叠情况。蛋白质折叠时会形成疏水内核和亲水表面，同时在潜在跨膜区出现高疏水值区域，据此可以测定跨膜螺旋等二级结构和蛋白质表面氨基酸分布。利用PROTSCALE分析蛋白质的亲水性或疏水性ExPASy的ProtScale程序是计算蛋白质亲疏水性分析的在线工具。其网址为：在线页面提供了57种标度用PROTSCALE分析P02699序列疏水性结果的图形显示高疏水区域高亲水区域HOHOB./KYTE&DOOLITTLE标度括号内为原标度值，括号外为标准化的标度值用WINDOWSIZE=13时计算窗口内每个位置上氨基酸的标度权值3、蛋白质的跨膜区生物膜所含的蛋白质叫膜蛋白，是生物膜功能的主要承担者。根据蛋白质分离的难易及在膜中分布的位置，膜蛋白基本可分为两大类：外在膜蛋白和内在膜蛋白。外在膜蛋白约占膜蛋白的20%～30%，分布在膜的内外表面，主要在内表面，为水溶性蛋白，它通过离子键、氢键与膜脂分子的极性头部相结合，或通过与内在蛋白质的相互作用间接与膜结合；内在膜蛋白约占膜蛋白的70%～80%，是双亲媒性分子，可不同程度的嵌入脂双层分子中。有的贯穿整个脂双层，两端暴露于膜的内外表面，这种类型的膜蛋白又称跨膜蛋白。蛋白质的跨膜区内在膜蛋白露出膜外的部分含较多的极性氨基酸，属亲水性，与磷脂分子的亲水头部邻近；嵌入脂双层内部的膜蛋白由一些非极性的氨基酸组成，与脂质分子的疏水尾部相互结合，因此与膜结合非常紧密。所以，对膜蛋白的跨膜区进行预测是生物信息学的重要应用。利用TMPRED分析蛋白质的跨膜区TMpred是EMBnet开发的一个分析蛋白质跨膜区的在线工具，TMpred基于对TMbase数据库的统计分析来预测蛋白质跨膜区和跨膜方向。TMbase来源于Swiss-Prot库，并包含了每个序列的一些附加信息，如：跨膜结构区域的数量、跨膜结构域的位置及其侧翼序列的情况。TMpred利用这些信息并与若干加权矩阵结合来进行预测。其网址为：在线网页用TMPRED分析P51684序列所得到的可能的7个跨膜螺旋区用TMPRED分析P51684序列所得到的7个可能的跨膜螺旋区的相关性列表用TMPRED分析P51684序列所得到的7个可能的跨膜螺旋区的建议的跨膜拓扑模型用TMPRED分析P51684序列所得到的7个可能的跨膜螺旋区的图形显示结果4、信号肽—SIGNALPEPTIDE信号肽是指新合成多肽链中用于指导蛋白质跨膜转移的末端（通常为N末端）的氨基酸序列。信号肽中至少含有一个带正电荷的氨基酸，中部有一个高度疏水区以通过细胞膜。信号肽假说认为，编码分泌蛋白的mRNA在翻译时首先合成的是N末端带有疏水氨基酸残基的信号肽，它被内质网膜上的受体识别并与之相结合。信号肽经由膜中蛋白质形成的孔道到达内质网内腔，随机被位于腔表面的信号肽酶水解，由于它的引导，新生的多肽就能够通过内质网膜进入腔内，最终被分泌到胞外。蛋白质的前导肽—LEADERPEPTIDE前导肽是信号肽的一种。在线粒体蛋白质的跨膜转运过程中，通过线粒体膜的蛋白质在转运之前大多数以前体形式存在，它由成熟蛋白质和N端延伸出的一段前导肽共同组成。迄今已有40多种线粒体蛋白质前导肽的一级结构被阐明，它们约含20~80个氨基酸残基，当前体蛋白跨模时，前导肽被一种或两种多肽酶所水解转变成为成熟蛋白质，同时失去继续跨膜的能力。前导肽一般具有以下特性：（1）带正电荷的碱性氨基酸（特别是精氨酸）含量较为丰富，它们分散于不带电荷的氨基酸序列之间；（2）缺失带负电荷的酸性氨基酸；（3）羟基氨基酸（特别是丝氨酸）含量较高；（4）有形成两亲（既有亲水又有疏水部分）α-螺旋结构的能力。利用SIGNALP分析蛋白质的前导肽SignalP是丹麦技术大学的生物序列分析中心开发的信号肽及其剪切位点检测的在线工具，该软件基于神经网络方法，用已知信号序列的革兰氏阴性原核生物、革兰氏阳性原核生物及真核生物的序列分别作为训练集。SignalP预测的是分泌型信号肽，而不是那些参与细胞内信号传递的蛋白。其网址为：在线网页用SIGNALP（神经网络方法）分析P05019序列前导肽的结果用SIGNALP（隐马尔可夫方法）分析P05019序列前导肽的结果5、蛋白质的卷曲螺旋—COILED-COIL卷曲螺旋是蛋白质空间结构中的一种，它是由2～7个α螺旋相互缠绕而形成超螺旋结构的总称。卷曲螺旋区域一般由7个氨基酸残基为单位组成，以a、b、c、d、e、f、g位置表示，其中a和d位置为疏水性氨基酸，而其他位置的氨基酸残基为亲水性。许多含有卷曲螺旋结构的蛋白质具有重要的生物学功能，例如基因表达调控中的转录因子。含有卷曲螺旋结构最知名的蛋白质有原癌蛋白（oncoprotein）c-fos和jun，以及原肌球蛋白（tropomyosin）。利用COILS分析蛋白质的卷曲螺旋COILS是由SwissEMBNet维护的预测卷曲螺旋的在线工具，该软件是基于Lupas算法，将查询序列在一个由已知包含卷曲螺旋蛋白结构的数据库中进行搜索，同时也将查询序列与包含球状蛋白序列的PDB次级库进行比较，并根据两个库搜索得分决定查询序列形成卷曲螺旋的概率。COILS也可以下载到本地进行运算。其网址为：在线网页用COILS分析GO45_HUMAN卷曲螺旋的图形显示结果用COILS分析GO45_HUMAN卷曲螺旋的文本显示结果6、蛋白质序列分析软件包：ANTHEPROTAntheprot是位于法国的蛋白质生物与化学研究院用十多年时间开发出的蛋白质研究软件包，它包括了蛋白质研究领域所包括的大多数内容，功能非常强大。Antheprot的原始网站：，下载一个自解压执行文件，文件名为Antheprot.exe。主程序名为Anthepro，双击主程序名就可以打开Antheprot_2000的主窗口。通过主程序，我们可以输入蛋白序列，对序列进行编辑、打印、拷贝、改变设置等操作，更重要的是，我们可以在此调用各种所需的分析工具，对蛋白序列进行分析。ANTHEPROT主窗口ANTHEPROT主窗口中各按键的含义Openfile，打开文件；Changetextfont，更改字体、字型和大小；Changetextcolor，更改选定区域内字的颜色；Sequenceinformation，序列信息，计算蛋白质序列的分子量、比溶、各氨基酸残基的百分比组成；Titrationcurve，滴定曲线，计算蛋白质序列滴定曲线与等电点；Helicalwheelprojection，选定序列的一个片段后，绘制Helicalwheel图；ANTHEPROT主窗口中各按键的含义Predictionofcleavagesiteforsignalpeptide，预测信号肽的剪切位点；Secondarystructurepredictionbyall，预测蛋白质序列的二级结构；PROSITEsite/signaturedetection，在蛋白质序列中查找符合PROSITE数据库的特征序列；Physico-chemicalprofiles，绘制蛋白质序列的理化特性曲线；Pridicttransmembraneregion，预测跨膜区；SimilaritysearchwithBlast，用Blast方法在选择的数据库中查找相似序列；ANTHEPROT主窗口中各按键的含义SimilaritysearchwithFasta，用Fasta方法在选择的数据库中查找相似序列；DotMatrixPlot，进行点阵图分析；Multiplealignment，多序列比对；Binaryalignment（BINALIGN），在当前蛋白质序列中查找符合Prosites数据库的特征序列；Help，打开一个简单的帮助文件；Quit，推出程序。ANTHEPROT基本功能1.编辑（edit）2.参数设置（setting）3.方法选择（methods）4.数据库（database）三、序列综合分析一、EMBOSS软件包EMBOSS软件包是一个开源的序列分析软件包，该软件包源于1988年开始开发的EGCG系统，整合了目前可以获得的大部分序列分析软件，并有一套专门设计的C语言库函数。该软件包含160多个小型程序，能够完成自动识别处理不同格式存储的数据，可以通过互联网提取数据，能很好地进行序列模体（motif）、关键词同源性数据库搜索，进行序列比较、进化分析、序列两级结构分析、限制性酶切图谱分析、引物设计、序列模式识别与翻译、片段拼接等工作。EMBOSS遵照GPL协议，打破了商