论文部分内容阅读
蛋白质是生物体的重要组成成分,行使催化、免疫、细胞信号传导等重要的生物学功能。蛋白质是以氨基酸为单元,脱水后由肽键连接而成的长链。蛋白质只有在折叠成特定的结构构象之后才能行使其功能,因此认识蛋白质结构对于认识蛋白质功能具有重要意义。 经典的蛋白质结构实验测定方法有X-晶体衍射、核磁共振、冷冻电镜等。这些实验方法可以获得高解析精度的蛋白质结构,然而实验测定方法一般来讲速度较慢、费用较高,并且存在着一些限制。由于蛋白质结构测定的速度远远落后于蛋白质序列测定的速度,因此使用计算技术由一维的蛋白质序列来预测三维的蛋白质结构具有重要意义。 驱动蛋白质序列形成特定空间结构的主要因素是残基之间的大量非共价相互作用,包括疏水作用、范德华力、离子键以及氢键等。从具有相互作用的残基间序列距离来看,上述相互作用可以分作近程相互作用和远程相互作用两类,其中近程相互作用主导蛋白质形成局部结构,而远程相互作用促使残基间形成空间距离较近的接触。残基接触具有决定整体结构框架的重要作用。因此,对残基接触的预测将有助于对蛋白质空间结构的预测,进而有助于对蛋白质生物学功能的了解。 本文着重讨论残基接触预测问题以及其在蛋白质三级结构预测上的应用,取得了如下成果: (1)提出预测蛋白质残基接触的低秩稀疏矩阵分解算法。同源序列中通常包含由进化造成的较强的背景噪声。具体来说,如果一个位点突变发生在进化早期,其后代都将延续这个突变,从而导致过高地估计了此位点和其他位点之间的共变性。本文提出了低秩稀疏矩阵分解方法去除残基接触预测中的背景噪声。本文假设代表真实接触的共变信号是稀疏的,而背景噪声是低秩的,并用低秩稀疏矩阵分解算法将相关性矩阵分解成稀疏矩阵和低秩矩阵两部分。实验结果表明,由于去掉了背景噪声,本文的方法显著提高了残基接触的预测准确度,并且优于其它的去背景噪音方法。基于该方法,作者实现了蛋白质残基接触预测软件COLORS。 (2)提出预测蛋白质残基接触的复合似然最大化算法。马尔科夫随机场模型能够比较准确地描述蛋白质所有位点的全概率分布,是目前预测残基接触最有效的无监督学习模型。由于准确计算其配分函数是不可行的,一般采用近似算法估计其模型参数。本文提出复合似然最大化算法估计马尔科夫随机场模型的参数。实验结果表明,本文方法的预测准确度优于其他经典的参数估计算法,例如置信传播算法,伪似然最大化算法和平均场近似算法等。基于该方法,作者实现了蛋白质残基接触预测软件clmDCA。 (3)提出预测蛋白质三级结构的树形条件随机场模型。本文将残基接触信息应用到蛋白质三级结构预测。在归范法中,目标序列—模板结构联配准确度是预测蛋白质三级结构的关键。残基接触信息有助于指导目标序列—模板结构联配。但是,当考虑所有的残基接触时,求解最优联配是NP难的。本文只选择比较关键的残基接触,将残基接触图简化成嵌套图,并提出树形随机场模型对联配进行建模。由于嵌套图的特殊结构,最优联配可以在多项式时间内求解。实验结果表明,和经典的三级结构预测软件HHpred相比,本文的方法可以预测出质量更好的蛋白质三级结构。基于该模型,作者实现了蛋白质三级结构预测软件TreeThreader,并将TreeThreader整合到高通量蛋白质三级结构预测平台FALCON@home上,为生物研究领域提供蛋白质三级结构预测服务。