第6章 蛋白质生物信息学

轻链全长（L）DNA序列（708bp）


GGTGGTGGTGGCTCTGGCGGTGGTGGCT CTGGTGGCGGTGGTTCT 连接肽(G4S)3 蛋白质分子设计：VH-L-L
VH
linker
VL
CL
利用DNAman对VH-L-L的限制性内切酶位 点分析，结果显示VH-L-L有31个限制性酶 切位点，最多的是Eco57Ⅰ、TthlllⅠ分别 有三个酶切位点。
利用生物信息学软件DNAman将VH-L-L的核苷酸 序列翻译为氨基酸序列
利用NCBI提供的ORF Finder预测VH-L-L的 ORF，从预测结果看出VH-L-L是一段连续 的较长的ORF，它可能是一个完整的编码 序列
利用ProtParam对VH-L-L的氨基酸序列及基本 理化性质进行了分析。
第六章 生物信息学的应用
第一节生物信息学与蛋白质工程 一、生物信息学概述
生物信息学是利用应用数学、信息学、统计 学和计算机科学的方法研究生物学的问题。
1987年，林华安首创Bioinformation 一词，被誉为”世界生物信息之父”。
概述
生物信息学分子生物学与信息技术（尤其是互 联网技术）的结合体。 研究材料和结果就是各种各样的生物学数据 研究工具是计算机 研究方法包括对生物学数据的搜索（收集和 筛选）、处理（编辑、整理、管理和显示） 及利用（计算、模拟）。
利用Tmpred分析VH-L-L的跨膜区，分析表 明，该序列无跨膜区，不是跨膜蛋白。可 以预测该蛋白在膜外

利用NetPhos进行磷酸化位点分析，结果 显示磷酸化位点主要包括丝氨酸Ser位点: 28个，苏氨酸Thr: 5 个，酪氨酸Tyr: 3个

利用TargetP对VH-L-L蛋白的亚细胞定位 进行预测，结果表明，VH-L-L是分泌到 细胞周质的蛋白

利用SOPMA预测VH-L-L的二级结构，结 果显示，二级结构中α螺旋占15.56%，β 折叠34.95%，β转角12.24%，无规则卷 曲37.24%
蛋白质结构预测主要有两大类方法：
（1）理论分析方法
通过理论计算（如分子力学、分子动力学计算）进 行结构预测。
（2）统计的方法
对已知结构的蛋白质进行统计分析，建立序列到结 构的映射模型，进而对未知结构的蛋白质根据映射 模型直接从氨基酸序列预测结构。 包括：经验性方法（Chou-Fasman）、结构规律提 取方法（神经网络方法）、同源模型化方法
第二节、蛋白质常用数据库
一、核酸数据库 NCBI的Genbank、EMBL、DDBJ等SS-PROT、PIR 、TreEMBL、UniProt、GenPept
（二）蛋白序列二次数据库
蛋白保守区域和功能位点数据库，PROSITE、 PRINTS、BLOCKS
结果显示VH-L-L蛋白由392个氨基酸组成的稳定蛋白，分子 式为C1867H2894N494O596S11 ，分子量42149.1，等电点5.98。 理论推导半衰期为：30h(体外，哺乳动物的网织红细胞内)、 20h(体内，酵母细胞内)、10h(体内，大肠杆菌)。不稳定参 数是38.92，属于稳定蛋白。 含的氨基酸如图所示：Ser(S)，Glu(G)，Thr(T)最多，分别 占15.1％，9．9％，7.7％；不含Pyl(0)，Sec(U)。总带正电 荷残基(Asp+Glu)为32，负电荷残基(Arg+Lys)为29。总的亲 水性平均系数-0.169，预测该蛋白属于亲水性蛋白。


每种氨基酸出现在各种二级结构中倾向或者 频率是不同的
例如：Glu主要出现在螺旋中 Asp和Gly主要分布在转角中 Pro也常出现在转角中，但是绝不会出现在 螺旋中

可以根据每种氨基酸残基形成二级结构的倾 向性或者统计规律进行二级结构预测
基本策略（1） 相似序列→相似结构
QLMGERIRARRKKLK QLMGAERIRARRKKLK
要真正解决这一问题，最终不能从计算机科学 得到，真正地解决可能还是得从生物学自身， 从数学上的新思路来获得本质性的动力。毫无 疑问，正如Dulbecco1986年所说："DNA序列 是人类的真谛，这个世界上发生的一切事情， 都与这一序列息息相关"。但要完全破译这一 序列以及相关的内容，我们还有相当长的路要 走。


ATGGATTTTCAGGTGCAGATTTTCAGCTTCCTGCTAATCAGTGCCTCAGTCAT AATATCCAGAGGAGacatccagatgacccagtctccatcctccctgtctgcatctgtaggaga cagagtcACCATCACTTGCCAGGCGAGTCAGGACATCAGCAACTATTTAAATTG GTATCAGCAGAAACCAGGGAAAGCCCCTAAACTCCTGATCTACGATGCATCC AATTTGGAAACAGGGGTCCCATCAAGGTTCAGTGGAAGTGGATCTGGGACA GATTTTACTTTCACCATCAGCAGCCTGCAGCCTGAAGATATTGCAACATATTT CTGTCAACACTTTGATCATCTCCCGCTCGCTTTCGGCGGAGGGACCAAGGTG GAGATCAAACGT ACTGTGGCTGCACCATCTGTCTTCATCTTCC CGCCATCTGATGAGCAGTTGAAATCTGGAACTGCCTCTGTTGTGTGCCTGCT GAATAACTTCTATCCCAGAGAGGCCAAAGTACAGTGGAAGGTGGATAACGCC CTCCAATCGGGTAACTCCCAGGAGAGTGTCACAGAGCAGGACAGCAAGGAC AGCACCTACAGCCTCAGCAGCACCCTGACGCTGAGCAAAGCAGACTACGAG AAACACAAAGTCTACGCCTGCGAAGTCACCCATCAGGGCCTGAGCTCGCCC GTCACAAAGAGCTTCAACAGGGGAGAGTGT
III
蛋白质 序列：
蛋白质二级结构预测
↓
二级结构：
↓
1、二级结构预测概述
蛋白质的二级结构预测的基本依据是： 每一段相邻的氨基酸残基具有形成一定二 级结构的倾向。 二级结构预测问题是模式分类问题 二级结构预测的目标：
判断每一段中心的残基是否处于螺旋、折叠、 转角（或其它状态）之一的二级结构态，即三态。
研究内容


1、生物信息的收集、存储、管理与 提供 2、基因组序列信息的提取和分析 3、功能基因组相关信息分析 4、生物大分子结构模拟和药物设计 5、生物信息分析的技术与方法研究
发展条件
2001年2月，人类基因组工程测序 的完成，使生物信息学走向了一个 高潮。由于DNA自动测序技术的快 速发展，DNA数据库中的核酸序列 公共数据量以每天106bp速度增长， 生物信息迅速地膨胀成数据的海洋。 毫无疑问，我们正从一个积累数据 向解释数据的时代转变，数据量的 巨大积累往往蕴含着潜在突破性发 现的可能。 “生物信息学”正是从 这一前提产生的交叉学科。


一次数据库：实验获得的原始数据。简单归类 整理、注释。Genbank、Swiss-Prot、PDB 二次数据库：在一次数据库、实验数据和理论 分析的基础上，根据研究内容的需要，对相关 生物知识和信息进一步分析整理。包括人类基 因组图谱库GDB、转录因子和结合位点库 TRANSFAC、蛋白质结构家族分类库SCOP等。
核心内容是研究如何通过对DNA序列的统计计 算分析，更加深入地理解DNA序列，结构，演 化及其与生物功能之间的关系。 研究课题涉及到分子生物学，分子演化及结构 生物学，统计学及计算机科学等许多领域。
研究过程


以数据（库）为核心 1 数据库的建立 2 生物学数据的检索 3 生物学数据的处理 4 生物学数据的利用：计算生物学

生物信息学作为一门新的学科领域，把基 因组DNA序列信息分析作为源头，在获得蛋 白质编码区的信息后进行蛋白质空间结构 模拟和预测，然后依据特定蛋白质的功能 进行必要的药物设计。 基因组信息学，蛋白质空间结构模拟以及 药物设计构成了生物信息学的3个重要组成 部分。

第二节 蛋白质常用数据库及应用




有些蛋白质中含有大量的螺旋

如血红蛋白和肌红蛋白

而一些蛋白质中则不含或者仅含很少的螺旋

如铁氧蛋白

有些蛋白质的二级结构以折叠为主
如免疫球蛋白 例：肽链Ala(A)-Glu(E)-Leu(L)-Met(M) 倾向于形成 螺旋 肽链Pro(P)-Gly(G)-Tyr(Y)-Ser(S)则不会形成 螺旋
（三）蛋白结构数据库
三维结构数据库PBD、MMDB
全人源抗EGFR单克隆抗体


红色字体为信号肽，标黄部分为可变区重链可变区（HV） DNA序列（423bp）
ATGGATTTTCAGGTGCAGATTTTCAGCTTCCTGCTAATCAGTGCCTCAGT CATAATATCCAGAGGA CAGGTGCAGCTGCAGGAGTC GGGCCCAGGACTGGTGAAGCCTTCGGAGACCCTGTCCCTCACCTGCAC TGTCTCTGGTGGCTCCGTCAGCAGTGGTGATTACTACTGGACCTGGATT CGGCAGTCCCCAGGGAAGGGACTGGAGTGGATTGGACACATCTATTACA GTGGGAACACCAATTATAACCCCTCCCTCAAGAGCAGACTCACCATATCA ATTGACACGTCCAAGACTCAGTTCTCCCTGAAGCTGAGTTCTGTGACCG CTGCGGACACGGCCATTTATTACTGTGTGCGAGATCGAGTGACTGGTGC TTTTGATATCTGGGGCCAAGGGACAATGGTCACCGTCTCTTCA