蛋白质结构域划分方法及在线服务综述

［３９２～４４１（蓝色）］．识别该蛋白的结构域的过程： 首先确定结构域边界 ＨＩＳ９３、ＡＳＮ１５８、ＡＲＧ３９１，这 ３个残基将该蛋白分为 ４段；然后检测不连续结 构域．对该蛋白，第 １段［１～９３］与第 ３段［１５９～ ３９１］构成不连续结构域，这从图 １ｂ中可以更清晰 的看出，Ａ１［１～９３］和 Ａ２［１５９～３９１］在序列上不 临近，但在三级结构上是一个结构域（即不连续结 构域）．
括 ＤＲＯＰ［１１－１２］、Ｄｏｍｐｒｏ［１３］、ＤＯＢＯ［１４］、ＴｈｒｅａＤｏｍ 等［１５］．
目前已建立一些结构域数据和在线预测的服务 系 统，例 如，Ｐｆａｍ［１６－１７］、ＳＭＡＲＴ［１８－１９］、ＳＣＯＰ［２０－２１］、 ＣＡＴＨ［２２－２３］、ＩｎｔｅｒＰｒｏ［２４］、ＴｈｒｅａＤｏｍＥｘ［２５］等．据 ２０１６ 年 ２月份的数据统计，当前最完整的蛋白质序列 数据库（ＵｎｉＰｒｏｔ）中去掉重复序列后有 ７４８９７０５９ 条序列，该数据库的结构域注释主要来自 Ｐｆａｍ、 ＳＭＡＲＴ、ＳＣＯＰ、ＣＡＴＨ以及 ＩｎｔｅｒＰｒｏ等结构域数据 库，其中只有 ３６４４９１８３（４８７％）的序列有结构 域注释．其 中 被 研 究 工 作 者 熟 知、并 广 泛 使 用 的 Ｐｆａｍ结构域数据库注释了 ３３５２９４２８条序列．究 其主要原因：已 解 析 三 级 结 构 的 蛋 白 质 及 其 近 同 源蛋白质序 列 只 占 有 较 小 的 比 例，当 前 技 术 还 无 法较大规模地从序列注释远同源蛋白质结构域． 本文从蛋白 质 结 构 域 识 别 问 题 的 提 出、结 构 域 边 界预测、不连 续 结 构 域 检 测 及 相 关 在 线 服 务 情 况 进行介绍，供相关研究者参考．
第 １期
王 燕等：蛋白质结构域划分方法及在线服务综述
２ １
质结构域划 分 边 界，还 要 准 确 检 测 出 组 成 蛋 白 质 结构域的序列片段（即不连续结构域）．
以多结 构 域 蛋 白 ４α葡 聚 糖 转 移 酶 （ＰＤＢ： １ＬＷＨ）为例来说明结构域识别过程，从序列出发 的结构域识别过程包括结构域边界预测和不连续 结构域检测 ２个步骤．图 １ａ是 ４α葡聚糖转移酶 的蛋白质结构图，图 １ｂ是该蛋白结构域示意图． 从图 １ａ可以看出该蛋白包含 ３个结构域：［１～９３ （紫红色）｜１５９～３９１（红色）］、［９４～１５８（黄色）］、
图 １ ４α葡聚糖转移酶结构与结构域示意图 Ｆｉｇ．１ Ｓｃｈｅｍａｔｉｃｄｉａｇｒａｍ ｏｆｓｔｒｕｃｔｕｒｅａｎｄｄｏｍａｉｎｏｆ４αｇｌｕｃａｎｏｔｒａｎｓｆｅｒａｓｅ
一个优秀的结构域划分工具需要准确的判断 出在 氨 基 酸 序 列 位 置 ９３（９４）、１５８（１５９）、３９１ （３９２）３个位置附近存在结构域划分边界，即把序 列划分为（１～９３））（９４～１５８）（１５９～３９１）（３９２～ ４４１）４个片段；同时要应该具有将片段（１～９３）和 片段（１５９～３９１）组 装 成 一 个 结 构 域 的 能 力 （不 连 续结构域检测）．对不具备这 ２种能力的结构域划 分的工具来说，至少是不完美的．
王 燕 ａ，石 强 ｂ，薛 志 东 ｂ
（华中科技大学 ａ．生命学院；ｂ．软件学院，湖北 武汉 ４３００７４）
摘 要：蛋白质结构域是研究蛋白质结构、功能与进化的基本单位，不同的结构域可组合出更为复杂的蛋白质 分子．划分蛋白质结构域后，可以从结构域的角度研究蛋白质的结构、功能与进化，降低了研究复杂度．根据已 知结构的蛋白质统计，有约 ４０％的为多结构域蛋白质，其中还存在一级结构上不临近的氨基酸序列出现在同一 个结构域的情况，即不连续结构域．文章给出了当前国内外有关蛋白质结构域边界预测、不连续结构域检测及 结构域数据库与在线服务的研究进展，供相关研究者参考． 关键词：蛋白质；结构域；不连续结构域；预测；在线服务 中图分类号：Ｑ５１８ 文献标志码：Ａ
随着大 量 物 种 全 基 因 组 测 序 的 完 成，以 测 定 蛋白质结构为目的的结构基因组学和以研究蛋白 质功能为目的的蛋白质组学成为当前研究热点之 一．根据蛋白质三级结构的测定和功能研究，有利 于增深对疾 病 发 生 的 分 子 机 制 理 解，从 而 有 助 于 开发新的手 段 与 方 法 来 预 防、诊 断 疾 病 和 新 药 研 发 ． ［１－２］
第 １８卷 第 １期
２０１９年 ２月
广州大学学报（自然科学版）
ＪｏｕｒｎａｌｏｆＧｕａｎｇｚｈｏｕＵｎｉｖｅｒｓｉｔｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ）
文章编号：１６７１４２２９（２０１９）０１００２０１０
Ｖｏｌ．１８ Ｎｏ．１ Ｆｅｂ． ２０１９
蛋白ຫໍສະໝຸດ Baidu结构域划分方法及在线服务综述
１ 结构域识别问题
蛋白质结构域识别问题不仅要准确识别蛋白
收稿日期：２０１９－０１－１０； 修回日期：２０１９－０２－２８ 基金项目：国家自然科学基金资助项目（６１７７２２１７） 作者简介：王 燕（１９７６—），女，副教授，博士．Ｅｍａｉｌ：ｙａｎｗ＠ｈｕｓｔ．ｅｄｕ．ｃｎ 通信作者．Ｅｍａｉｌ：ｚｄｘｕｅ＠ｈｕｓｔ．ｅｄｕ．ｃｎ
结构域是蛋白质的一个结构层次，可以看作 是蛋白质结 构、折 叠、功 能、进 化 和 设 计 的 基 本 单 位．根据 ＰＤＢ数据库统计［３－４］，已知结构蛋白质中 约 ４０％为多结构域蛋白［５］．结构域的不同组合使 多结构域蛋 白 质 具 有 不 同 的 三 级 结 构 和 功 能．准 确识别蛋白质结构域对结构基因组学选择目标序 列、结构解析至关重要，也是预测和理解蛋白质功 能关键的一步．自 １９７３年以来，若干研究者就蛋 白质结构域 划 分 问 题 进 行 研 究，可 归 纳 为 从 实 验 测定三维结构着手的结构域划分方法和不依赖三 维结构仅从 序 列 出 发 的 结 构 域 划 分 方 法．前 者 的 代表性工作包括 Ｗｅｔｌａｕｆｅｒ［６］首次提出的基于原子 间接触密度划分结构域的方法，以及后期 Ｄｏｍａｉｎ Ｐａｒｓｅｒ［７－９］、ＰＤＰ等 方 法 ［１０］；后 者 的 代 表 性 工 作 包