论文部分内容阅读
随着大规模测序计划的开展将生物信息学研究引入后基因组时代。基因功能分析和预测成为目前生物信息学研究的主要任务。为系统的研究生物大分子序列、结构和功能的关系,需要发展更先进的生物信息学研究技术和方法。
蛋白质的亚细胞定位是分析和了解基因功能的重要依据。现在已有一些基于机器学习和统计的预测蛋白质亚细胞定位的方法。我们开发了专门的DBSubLoc蛋白质亚细胞定位数据库,为开发更实用和可靠的亚细胞定位预测方法提供可靠的数据和信息。我们从Swiss-Prot等国际公共蛋白质数据库中提取有关蛋白质亚细胞定位的注释信息,从GeneOntology等国际生物学知识库中提取亚细胞结构的知识,将它们整合在DBSubLoc数据库中,构成围绕亚细胞定位功能的集成的信息资源和工具集。我们在此基础上构建了非冗余的亚细胞定位数据集,为亚细胞定位预测提供高品质的训练数据。目前DBSubLoc数据库中收录了近60000条蛋白质序列,其中非冗余数据集中收录了约30000条蛋白质序列。我们在http://www.bioinfo.tsinghua.edu.cn/dbsubloc.html网址提供国际开放的数据库服务。
基因融合分析是新兴的基因功能预测手段之一。我们在30个30个微生物基因组中大规模搜索基因融合事件,并实用隐马尔可夫模型方法对这些蛋白质进行结构域注释。由此我们构建了蛋白质结构域的基因融合图谱,结果表明,具有α/β结构类型的蛋白质更容易发生基因融合事件。
用实验方法测定膜蛋白的三维结构是非常困难的,用生物信息学方法预测膜蛋白的跨膜螺旋区对研究膜蛋白结构特征具有重要意义。小波变换是一种逐渐广泛应用的新兴信号处理方法。我们对已知跨膜螺旋区蛋白质的序列特征进行了统计,用统计产生的倾向性因子作为蛋白质序列编码依据,用小波变换方法过滤和重建编码信号,从而获取跨膜螺旋区段核心位置,通过区段延伸获得跨膜螺旋区段在蛋白质序列中的位置。经过60个蛋白质228个跨膜螺旋区段的检验表明,我们的预测方法具有较高的预测准确性。