第七章-2蛋白质结构预测

第七章-2蛋白质结构预测内容摘要：

列 S中空位的映射，显然 是通过线索化而确定的。 令 f(t)是进行比对的得分函数，其定义如下： f(t) = g1 (v,t) + g2 (u,v,t) + g3 (,t)  g1 (v,t) 评价氨基酸残基 v所处的位置  g2 (u,v,t) 评价残基 u和 v的相对位置，如果 u和 v 键合，则得分高；  g3 (,t)评价环区，根据环区的大小进行打分。 线索化问题： 对于给定的序列 S和核心折叠 C，选择一个线索 t，使得 f(t)的值最小，即寻找一个从 S到 C的最佳映射。 从头预测方法  在既没有已知结构的同源蛋白质、也没有已知结构的远程同源蛋白质的情况下，上述两种蛋白质结构预测的方法都不能用，这时只能采用从头预测方法，即（直接）仅仅根据序列本身来预测其结构。  从头预测方法一般由下列 3个部分组成： （ 1）一种蛋白质几何的表示方法 由于表示和处理所有原子和溶剂环境的计算开销非常大，因此需要对蛋白质和溶剂的表示形式作近似处理。 （ 2）一种势函数及其参数 通过对已知结构的蛋白质进行统计分析确定势函数中的各个参数 （ 3）一种构象空间搜索技术 构象空间搜索和势函数的建立是从头预测方法的关键 N端的氨基酸位于坐标系统的原点 第二个氨基酸位于坐标的（ 1,0）或（ 1， 0， 0）处。 HP 模型 [疏水 (hydrophobic)极性 (polar)] •基于疏水残基之间的接触进行打分 •每一个 H和 H的接触（非相邻残基）对能量的贡献都为－ 1 •最优的构象就是所有可能的构象中具有最多 H和 H接触的那个构象 •图中的二维和三维构象的得分都是－ 3 绝对方向表示法 : 每一个位置上可选择的方向 : 上、右、左和下（ U、 R、 L、 D）； 而对于三维模型 : 上、右、左、下、后和前（ U、 R、 L、 D、 B、 F）。 构象空间搜索 （ R， R， D， L， D， L， U， L， U， U， R） （ R， B， U， F， L， U， R， B， L， L， F） 相对方向表示法： 利用每个氨基酸残基主链的转动方向来表示每个位置上的残基的方向二维网格模型： 每个残基位置上可选择的方向有三个 左、右和前（ L、 R和 F） 三维网格模型： 左、右、前、上和下 （。