论文部分内容阅读
激酶功能位点的预测在生物学上有着非常重要的意义。本文提出了一种基于分层随机语言模型的识别方法，通过对一维残基序列的分析来实现激酶功能位点的预测和分类。首先我们统计一维残基序列中n-tuple的分布情况，构造可能表示功能位点的残基关键词(keywords)。在此基础上，根据不同功能的激酶家族，我们利用各家族的关键词建立相应的随机语法(sentencesandgrammars)，以此实现不同功能激酶家族的分类。与国际上流行的motif识别方法不同，随机语法模型基于生物进化的规律，不仅允许motif中残基的插入和删除，还考虑到motif中残基间远距离位置的相关性，因此我们的预测结果不仅具有更清晰的生物学意义，而且更方便生物学家利用我们的结果，特别是验证我们所预测的可能的功能位点。
相对于PFAM以domains为基础识别蛋白质的方法，我们的语法模型(sentencesandgrammars)一般只有30-40个残基，因而能更加有效的识别可能存在的磷酸化位点。在65个有PDB结果的激酶家族中，78.4﹪的关键词可以在实验结果中得到印证；而在45个有PROSITE结果的家族中，75.6﹪的关键词可以与PROSITE中已有的patterns重叠。
利用随机语法，我们能有效的对94个家族中的66个进行功能分类，使得每个家族识别的显著性和特异性都高于80﹪，优于PROSITE的识别结果。在另外的20多个家族中，利用我们的模型可以发现其中可能存在子类，其中部分分类结果可以在PDB和进化树分析得到验证。这对于在同功能激酶家族中寻找不同源的子类具有很好的指导意义。