论文部分内容阅读
蛋白质折叠在生命科学领域是一项重要的前沿课题。蛋白质只有当其链折叠到一个特定的三维结构才能发挥其生物学功能。如果蛋白质折叠错误,就会造成病态。大家熟悉的疯牛病,就是因为pnon蛋白折叠成致病空间结构所导致的。因此研究蛋白质折叠的路径、局域稳定态以及过渡态有着重要的意义。本论文在蛋白质折叠的网络研究上主要做了以下三个工作:第一,折叠网络是一种研究多肽链和蛋白质折叠高维自由能曲面的有效方法。该方法避免了将自由能曲面投影到二维序参数上的局限性。我们对基于马尔科夫聚类(Markov Cluster (MCL) algorithm)算法的网络方法进行了改进,并用这种改进的方法研究了β发卡trpzip2的折叠自由能曲面。通过分析,我们发现改进的马尔科夫聚类方法相对于二维自由能曲面投影方法,能够更加清晰准确的描述蛋白质局域稳定态和折叠路径。第二,确定过渡态(transition state)结构对研究蛋白质折叠路径和折叠动力学非常重要。蛋白质折叠过程中过渡态结构不能直接从实验中测得,然而用分子动力学模拟方法可以有效的研究。目前用自由能投影方法和Pfold等方法确定过渡态都有它们自己的局限性。因此,我们提出一种基于网络的新方法来更加有效的确定过渡态结构。该方法将高维自由能曲面投射到蛋白质折叠网络的路径长度上,并且使用优先广度搜索方法计算路径长度。我们称这种方法为FEPL(free energy along path length)方法。我们用这种方法研究了β发卡trpzip2折叠过程中的过渡态。通过比较该方法与其它方法获得的过渡态,我们发现FEPL方法能更加准确而且全面的确定折叠过程中的过渡态。第三,用网络的方法研究蛋白质的下坡折叠过程。用本文提出的基于网络的FEPL方法研究了β发卡trpzip2的折叠路径,其结果表明在相同的折叠条件下p发卡trpzip2有三种折叠机制:第一种是多态折叠过程;第二种是二态折叠过程;而第三种则是以前没有发现的下坡折叠过程。该结果更进一步证明了网络方法能更加有效全面的研究蛋白质折叠过程。