一种有效扩大蛋白质同源建模尺度方法
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
建模 的基本 理论依 据 是 ： 具 有 共 同祖 先 的 同源 蛋 白有 着 相 似 的 三 维 结 构 ， 蛋 白质 之 间 的序 列 一致 性 （ Ｓ Ｉ Ｄ， ｓ ｅ ｑ ｕ ｅ ｎ ｃ ｅ ｉ ｄ ｅ ｎ ｔ ｉ ｔ ｙ ） 越 高意 味 着 它们 的结 构 越相 似 。研 究 表 明 ， 目标 蛋 白质 与模 板 蛋 白质 之 间 的
析。主成分能反映结构演化 的最主要方 向， 因此能在降低空间的维度 的同时 ， 尽可能丢失很少 的信息 ， 保 留较 高 的精 度 。 由此 方法 得 到 的取样 空 间 ， 是一个 能描 述保 守 区域 的结构 演化 信息 的低 维取样 空 间。 然而 ， 标准 Ｐ Ｃ Ａ只能处理在多序列 比对后蛋 白质链 中不含空位的“ 保守 ” 区域 ， 其余 的部分则依赖于 ｌ ｏ ｏ ｐ 结构建模 ¨ 引， 建模难度大大增加。在多结构 比对 中， 有些区域虽然包含空位 ， 但是这部分蛋 白质结
河北科技师范学院学报
第２ ７卷 第 ３期 ， ２ ０ １ ３年 ９月
Ｊ ｏ ｕ ｎａ ｒ ｌ ｏ ｆ Ｈｅ ｂ ｅ ｉ Ｎ ｏ ｒ ｍａ ｌ Ｕｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ｏ ｆ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ＆ Ｔ ｅ ｅ ｈ ｎ ｏ ｌ ｏ ￣ Ｖｏ １ ． ２ ７ Ｎ ｏ ． ３ Ｓ ｅ ｐ ｔ ｅ ｍｂ ｅ ｒ ．２ ０ １ ３
关键词 ：同源建模 ； 最近邻算法 ； 缺失值 ； 主成分分析 中图分类号 ：Ｑ ６ 文献标 志码 ： Ａ 文章编号 ：１ ６ ７ ２ ￣９ ８ ３ （ ２ ０ １ ３ ） ０ ３ － ０ ０ ５ ０ － ０ ６
同源建模是蛋 白质结构研究 的一种重要的方法 ， 广泛应用于生物信息学 、 医学、 药物学等领域¨ 。 包 括药 物设计 、 分 子置换 、 蛋 白质功 能 的确定 等一 系列蛋 白质研 究都 基 于准 确 的蛋 白质模 型 。 。 。 同源
间。与标准的主成 分分析相 比 ， 该方法能利用更多 的演化信息 ， 涵盖更多 的具 有遗传信息的 区域 ， 构造更大尺 度的蛋 白质取样空间 。取样空 间的精度 用 目标蛋 白质 结构与其在取 样空 间上的投影 的均方根偏 差评价 。将 该方法应用于 ３ ３个蛋 白质超 家族 ， 结果 表 明 ， 扩 大后 的取样 空间精 度达 到测定 蛋 白质结 构 的 Ｘ － ｒ ａ ｙ实 验精 度， 满足后续 的蛋白质结 构研究 。
是 一个 非参数 的方 法 ， 由于其算 法 具有 高效 和稳定 的特 性 ， 被 广泛 应用 于各 种 连续 或离散 的缺 失值 填充 研究 ， 例 如肿瘤 数 据 的特 征 值 缺 失 填 充 ¨ 。Ｋ Ｎ Ｎ算 法 根 据研 究 对 象 的 不 同 ， 可 以选 择 合 适 的距 离 函 数， 例 如欧 氏距离 、 闵 氏距 离 ， 或者 其它 自定 义 的距离 ， 用 以模 拟 不 同 的特 性 。 在本 研究 中 ， 三维 结构 相
Ｓ Ｉ Ｄ较 低时 ， 能有 效 优化 蛋 白质结 构 的技术 。
对蛋 白质结构的优wenku.baidu.com十分困难。 目前许 多同源建模 的优化方法并不能提高模型的精度¨ 引 。大多
数 技术 ， 如分子 动 力学 、 蒙特 卡 洛 ， 遇到 的一个 难点 是取 样 空 问的 自由度 过 高 ， 从 而难 以找 到最 优 结构 。 不久 前 Ｑ ｉ ａ ｎ等 ¨ ¨ 尝试 利用 主 成 分 分 析 （ Ｐ Ｃ Ａ， ｐ ｒ ｉ ｎ ｃ ｉ ｐ ａ ｌ ｃ ｏ ｍｐ ｏ ｎ ｅ ｎ ｔ ａ ｎ ａ ｌ ｙ ｓ ｉ ｓ ） 方 法 降 低 空 间 的维 度 ， 用 降 维后 的取 样子 空 间来 解 决这 一 问题 。他们 将 同源家 族 中的蛋 白质 结构 进 行 比对 ， 得 到 了结 构 的演 化信 息 。 同一个超 家族 中的蛋 白质 结构 在进 化上 是相 似的 ， 因此可 以用 Ｐ Ｃ Ａ对 比对 后 的蛋 白质结 构进 行分
构仍然具有很高的相似性 ， 包含一定的演化信息。在通常的保守区结构建模 中， 这部分会被直接扔掉 ， 不予考虑。笔者认为 ： 如果将这些空位看作缺失值 ， 并填上合适的值 ， 就可 以充分利用这部分演化信息， 扩大同源建模研究 的氨基 酸链 长度。为此， 笔者利用 以距离作 为权 重 的最近 邻算法 （ Ｋ Ｎ Ｎ， ｋ － ｎ ｅ ａ ｒ ｅ ｓ ｔ ｎ ｅ ｉ ｇ ｈ ｂ ｏ ｒ ） ｌ ｌ “ Ｊ ， 对同源建模中的缺失值进行多重填充 ， 以期最终获得一个 更大尺度 的取样空间。Ｋ Ｎ Ｎ
摘要 ： 采用最邻近算 法对 同源建模 中的缺失值进行填充 ， 由此扩大传统 同源建模方 法的研究尺度 。在序 列结 构 比对中 ， 氨基酸 的插入 （ 删除 ） 会 引起数 据缺失 ， 传 统 的同源建模 法不 能处 理这 部分 结构 。结合 最邻 近算
法、 期望值最大化方 法和主成分分析 ， 抽取蛋 白质结构 演化 的主要信 息 ， 构建 蛋 白质保 守结构 的低维取样 空
Ｓ Ｉ Ｄ比较高时 ， 采用同源建模方法可以构建一个精度较好 的模型。然 而， 当Ｓ Ｉ Ｄ低 于 ４ ０ ％时 ， 由于亲缘 关系较远 ， 蛋 白质结构的均方根偏差通常大于 ０ ． ２ ｎ ｍ， 模型的精度不够满 意 Ｊ 。而在研究 中序列一致
性较 低 的情况 常常 发生 。事 实上 ， 大 约有 一半 以上 的 目标 序列 的 Ｓ Ｉ Ｄ是 小 于 ３ ０ ％的－ １ ｊ 。这表 明亟 需在
Ｄ ＯＩ ： １ ０． ３ ９ ６ ９ ／ Ｊ ． Ｉ Ｓ Ｓ Ｎ． １ ６ ７ ２ － ７ ９ ８ ３ ． ２ ０ １ ３ ． ０ ３ ． ０ １ ０
一
种 有 效 扩 大 蛋 白质 同 源 建 模 尺 度 方 法
韩榕生 ， 吴 国庆 ， 张美玲
（ １华 北电力大学数理学 院 ， 北京， １ ０ ２ ２ ０ ６ ； ２天津医科大学基础 医学 院）
析。主成分能反映结构演化 的最主要方 向， 因此能在降低空间的维度 的同时 ， 尽可能丢失很少 的信息 ， 保 留较 高 的精 度 。 由此 方法 得 到 的取样 空 间 ， 是一个 能描 述保 守 区域 的结构 演化 信息 的低 维取样 空 间。 然而 ， 标准 Ｐ Ｃ Ａ只能处理在多序列 比对后蛋 白质链 中不含空位的“ 保守 ” 区域 ， 其余 的部分则依赖于 ｌ ｏ ｏ ｐ 结构建模 ¨ 引， 建模难度大大增加。在多结构 比对 中， 有些区域虽然包含空位 ， 但是这部分蛋 白质结
河北科技师范学院学报
第２ ７卷 第 ３期 ， ２ ０ １ ３年 ９月
Ｊ ｏ ｕ ｎａ ｒ ｌ ｏ ｆ Ｈｅ ｂ ｅ ｉ Ｎ ｏ ｒ ｍａ ｌ Ｕｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ｏ ｆ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ＆ Ｔ ｅ ｅ ｈ ｎ ｏ ｌ ｏ ￣ Ｖｏ １ ． ２ ７ Ｎ ｏ ． ３ Ｓ ｅ ｐ ｔ ｅ ｍｂ ｅ ｒ ．２ ０ １ ３
关键词 ：同源建模 ； 最近邻算法 ； 缺失值 ； 主成分分析 中图分类号 ：Ｑ ６ 文献标 志码 ： Ａ 文章编号 ：１ ６ ７ ２ ￣９ ８ ３ （ ２ ０ １ ３ ） ０ ３ － ０ ０ ５ ０ － ０ ６
同源建模是蛋 白质结构研究 的一种重要的方法 ， 广泛应用于生物信息学 、 医学、 药物学等领域¨ 。 包 括药 物设计 、 分 子置换 、 蛋 白质功 能 的确定 等一 系列蛋 白质研 究都 基 于准 确 的蛋 白质模 型 。 。 。 同源
间。与标准的主成 分分析相 比 ， 该方法能利用更多 的演化信息 ， 涵盖更多 的具 有遗传信息的 区域 ， 构造更大尺 度的蛋 白质取样空间 。取样空 间的精度 用 目标蛋 白质 结构与其在取 样空 间上的投影 的均方根偏 差评价 。将 该方法应用于 ３ ３个蛋 白质超 家族 ， 结果 表 明 ， 扩 大后 的取样 空间精 度达 到测定 蛋 白质结 构 的 Ｘ － ｒ ａ ｙ实 验精 度， 满足后续 的蛋白质结 构研究 。
是 一个 非参数 的方 法 ， 由于其算 法 具有 高效 和稳定 的特 性 ， 被 广泛 应用 于各 种 连续 或离散 的缺 失值 填充 研究 ， 例 如肿瘤 数 据 的特 征 值 缺 失 填 充 ¨ 。Ｋ Ｎ Ｎ算 法 根 据研 究 对 象 的 不 同 ， 可 以选 择 合 适 的距 离 函 数， 例 如欧 氏距离 、 闵 氏距 离 ， 或者 其它 自定 义 的距离 ， 用 以模 拟 不 同 的特 性 。 在本 研究 中 ， 三维 结构 相
Ｓ Ｉ Ｄ较 低时 ， 能有 效 优化 蛋 白质结 构 的技术 。
对蛋 白质结构的优wenku.baidu.com十分困难。 目前许 多同源建模 的优化方法并不能提高模型的精度¨ 引 。大多
数 技术 ， 如分子 动 力学 、 蒙特 卡 洛 ， 遇到 的一个 难点 是取 样 空 问的 自由度 过 高 ， 从 而难 以找 到最 优 结构 。 不久 前 Ｑ ｉ ａ ｎ等 ¨ ¨ 尝试 利用 主 成 分 分 析 （ Ｐ Ｃ Ａ， ｐ ｒ ｉ ｎ ｃ ｉ ｐ ａ ｌ ｃ ｏ ｍｐ ｏ ｎ ｅ ｎ ｔ ａ ｎ ａ ｌ ｙ ｓ ｉ ｓ ） 方 法 降 低 空 间 的维 度 ， 用 降 维后 的取 样子 空 间来 解 决这 一 问题 。他们 将 同源家 族 中的蛋 白质 结构 进 行 比对 ， 得 到 了结 构 的演 化信 息 。 同一个超 家族 中的蛋 白质 结构 在进 化上 是相 似的 ， 因此可 以用 Ｐ Ｃ Ａ对 比对 后 的蛋 白质结 构进 行分
构仍然具有很高的相似性 ， 包含一定的演化信息。在通常的保守区结构建模 中， 这部分会被直接扔掉 ， 不予考虑。笔者认为 ： 如果将这些空位看作缺失值 ， 并填上合适的值 ， 就可 以充分利用这部分演化信息， 扩大同源建模研究 的氨基 酸链 长度。为此， 笔者利用 以距离作 为权 重 的最近 邻算法 （ Ｋ Ｎ Ｎ， ｋ － ｎ ｅ ａ ｒ ｅ ｓ ｔ ｎ ｅ ｉ ｇ ｈ ｂ ｏ ｒ ） ｌ ｌ “ Ｊ ， 对同源建模中的缺失值进行多重填充 ， 以期最终获得一个 更大尺度 的取样空间。Ｋ Ｎ Ｎ
摘要 ： 采用最邻近算 法对 同源建模 中的缺失值进行填充 ， 由此扩大传统 同源建模方 法的研究尺度 。在序 列结 构 比对中 ， 氨基酸 的插入 （ 删除 ） 会 引起数 据缺失 ， 传 统 的同源建模 法不 能处 理这 部分 结构 。结合 最邻 近算
法、 期望值最大化方 法和主成分分析 ， 抽取蛋 白质结构 演化 的主要信 息 ， 构建 蛋 白质保 守结构 的低维取样 空
Ｓ Ｉ Ｄ比较高时 ， 采用同源建模方法可以构建一个精度较好 的模型。然 而， 当Ｓ Ｉ Ｄ低 于 ４ ０ ％时 ， 由于亲缘 关系较远 ， 蛋 白质结构的均方根偏差通常大于 ０ ． ２ ｎ ｍ， 模型的精度不够满 意 Ｊ 。而在研究 中序列一致
性较 低 的情况 常常 发生 。事 实上 ， 大 约有 一半 以上 的 目标 序列 的 Ｓ Ｉ Ｄ是 小 于 ３ ０ ％的－ １ ｊ 。这表 明亟 需在
Ｄ ＯＩ ： １ ０． ３ ９ ６ ９ ／ Ｊ ． Ｉ Ｓ Ｓ Ｎ． １ ６ ７ ２ － ７ ９ ８ ３ ． ２ ０ １ ３ ． ０ ３ ． ０ １ ０
一
种 有 效 扩 大 蛋 白质 同 源 建 模 尺 度 方 法
韩榕生 ， 吴 国庆 ， 张美玲
（ １华 北电力大学数理学 院 ， 北京， １ ０ ２ ２ ０ ６ ； ２天津医科大学基础 医学 院）