搜索
蛋白质结构预测一般流程见下图：内容目录：•相关实验数据•序列数据和初步分析•搜索序列数据库•识别结构域•多序列比对•比较或同源建模•二级结构预测•折叠的识别•折叠分析与二级结构比对•序列与结构的比对举报删除此信息广告cnlics(站内联系TA)实验数据许多实验数据可以辅助结构预测过程，包括：•二硫键，固定了半胱氨酸的空间位置•光谱数据，可以提供蛋白的二级结构内容•定位突变研究，可以发现活性或结合位点的残基•蛋白酶切割位点，翻译后修饰如磷酸化或糖基化提示了残基必须是暴露的•其他预测时，必须清楚所有的数据。必须时刻考虑：预测与实验结果是否一致？如果不是，就有必要修改做法。cnlics(站内联系TA)蛋白序列数据对蛋白序列的初步分析有一定价值。例如，如果蛋白是直接来自基因预测，就可能包含多个结构域。更严重的是，可能会包含不太可能是球形或可溶性的区域。此流程图假设你的蛋白是可溶的，可能是一个结构域并不包含非球形结构域。需要考虑以下方面：•是跨膜蛋白或者包含跨膜片段吗？有许多方法预测这些片段，包括：oTMAP(EMBL)oPredictProtein(EMBL/Columbia)oTMHMM(CBS,Denmark)oTMpred(BaylorCollege)oDAS(Stockholm)•如果包含卷曲(coiled-coils)可以在COILSserver预测coiledcoils或者下载COILS程序（最近已经重写，注意GCG程序包里包含了COILS的一个版本）•蛋白包含低复杂性区域？蛋白经常含有数个聚谷氨酸或聚丝氨酸区，这些地方不容易预测。可以用SEG（GCG程序包里包含了一个版本的SEG程序）检查。如果出现以上一种情况，就应该将序列打成碎片，或忽略序列中的特定区段，等等。这个问题与细胞定位结构域相关。cnlics(站内联系TA)搜索序列数据库分析任何新序列的第一步显然是搜索序列数据库以发现同源序列。这样的搜索可以在任何地方或者在任何计算机上完成。而且，有许多WEB服务器可以进行此类搜索，可以输入或粘贴序列到服务器上并交互式地接收结果。序列搜索也有许多方法，目前最有名的是BLAST程序。可以容易得到在本地运行的版本（从NCBI或者WashingtonUniversity），也有许多的WEB页面允许对多基因或蛋白质序列的数据库比较蛋白质或DNA序列，仅举几个例子：•NationalCenterforBiotechnologyInformation(USA)Searches•EuropeanBioinformaticsInstitute(UK)Searches•BLASTsearchthroughSBASE(domaindatabase;ICGEB,Trieste)•还有更多的站点最近序列比较的重要进展是发展了gappedBLAST和PSI-BLAST(positionspecificinteratedBLAST)，二者均使BLAST更敏感，后者通过选取一条搜索结果，建立模式（profile），然后用再它搜索数据库寻找其他同源序列（这个过程可以一直重复到发现不了新的序列为止），可以探测进化距离非常远的同源序列。很重要的一点是，在利用下面章节方法之前，通过PSI-BLAST把蛋白质序列和数据库比较，找寻是否有已知结构。将一条序列和数据库比较的其他方法有：•FASTA软件包(WilliamPearson,UniversityofVirginia,USA)•SCANPS(GeoffBarton,EuropeanBioinformaticsInstitute,UK)•BLITZ(Compugen'sfastSmithWatermansearch)•其他方法.Itisalsopossibletousemultiplesequenceinformationtoperformmoresensitivesearches.Essentiallythisinvolvesbuildingaprofilefromsomekindofmultiplesequencealignment.Aprofileessentiallygivesascoreforeachtypeofaminoacidateachpositioninthesequence,andgenerallymakessearchesmoresentive.Toolsfordoingthisinclude:•PSI-BLAST(NCBI,Washington)•ProfileScanServer(ISREC,Geneva)•HMMER隐马氏模型（SeanEddy，WashingtonUniversity）•Wisepackage（EwanBirney，SangerCentre；用于蛋白质对DNA的比较）•其他方法.AdifferentapproachforincorporatingmultiplesequenceinformationintoadatabasesearchistouseaMOTIF.Insteadofgivingeveryaminoacidsomekindofscoreateverypositioninanalignment,amotifignoresallbutthemostinvariantpositionsinanalignment,andjustdescribesthekeyresiduesthatareconservedanddefinethefamily.Sometimesthisiscalledasignature.Forexample,H--x--x-G-x(5)--H-x(3)-describesafamilyofDNAbindingproteins.Itcanbetranslatedashistidine,followedbyeitheraphenylalanineortryptophan,followedbyanaminoacid(x),followedbyleucine,isoleucine,valineormethionine,followedbyanyaminoacid(x),followedbyglycine,....PROSITE(ExPASyGeneva)containsahugenumberofsuchpatterns,andseveralsitesallowyoutosearchthesedata:•ExPASy•EBIItisbesttosearchafewdifferentdatabasesinordertofindasmanyhomologuesaspossible.Averyimportantthingtodo,andonewhichissometimesoverlooked,istocompareanynewsequencetoadatabaseofsequencesforwhich3Dstructureinformationisavailable.Whetherornotyoursequenceishomologoustoaproteinofknown3Dstructureisnotobviousintheoutputfrommanysearchesoflargesequencedatabases.Moreover,ifthehomologyisweak,thesimilaritymaynotbeapparentatallduringthesearchthroughalargerdatabase.Onelastthingtorememberisthatonecansavealotoftimebymakinguseofpre-preparedproteinalignments.Manyofthesealignmentsarehandeditedbyexpertsontheparticularproteinfamilies,andthusrepresentprobablythebestalignmentonecangetgiventhedatatheycontain(i.e.theyarenotalwaysasuptodateasthemostrecentsequencedatabases).Thesedatabasesinclude:•SMART(Oxford/EMBL)•PFAM(SangerCentre/Wash-U/KarolinskaIntitutet)•COGS(NCBI)•PRINTS(UCL/Manchester)•BLOCKS(FredHutchinsonCancerResearchCentre,Seatle)•SBASE(ICGEB,Trieste)通常把蛋白质序列和数据比较都有很多的方法，这些对于识别结构域非常有用。cnlics(站内联系TA)确定结构域Ifyouhaveasequenceofmorethanabout500aminoacids,youcanbenearlycertainthatitwillbedividedintodiscretefunctionaldomains.Ifpossible,itispreferabletosplitsuchlargeproteinsupandconsidereachdomainseparately.Youcanpredictthelocatationofdomainsinafewdifferentways.Themethodsbelowaregiven(approximately)frommosttoleastconfident.•Ifhomologytoothersequencesoccursonlyoveraportionoftheprobesequenceandtheothersequencesarewhole(i.e.notpartialsequences),thenthisprovidesthestrongestevidencefordomainstructure.Youcaneitherdodatabasesearchesyourselformakeuseofwell-curated,pre-defineddatabasesofproteindomains.Searchesofthesedatabases(seelinksbelow)willoftenassigndomainseasily.oSMART(Oxford/EMBL)oPFAM(SangerCentre/Wash-U/KarolinskaIntitutet)oCOGS(NCBI)oPRINTS(UCL/Manchester)oBLOCKS(FredHutchinsonCancerResearchCentre,Seatle)oSBASE(ICGEB,Trieste)YoucanalsofinddomaindescriptionsintheannotationsinSWISSPROT.•Regionsoflow-complexityoftenseparatedomainsinmultidomainproteins.Longstretchesofrepeatedresidues,particularlyProline,Glutamine,SerineorThreonineoftenindicatelinkersequencesandareusuallyagoodplacetosplitproteinsintodomains.LowcomplexityregionscanbedefinedusingtheprogramSEGwhichisgenerallyavailableinmostBLASTdistributionsorwebservers(aversionofSEGisalsocontainedwithi