27类蛋白质折叠子的识别及其位点的统计分析

从蛋白质的氨基酸序列出发,采用全体分类的分类策略识别27类折叠子.当使用5种矩阵打分的方法识别27类折叠子时,预测结果并不理想,进一步使用了以矩阵打分方法得到的分值及氨基酸的二肽组分共同作为参数的离散增量算法,取得了较好预测效果.总的预测成功率达到了45.43%.     

蛋白质结构与功能中的位点氨基酸

结合和催化是蛋白质重要的生物化学功能,蛋白质结构特异性识别其他分子是其功能的关键。结合位点和催化位点氨基酸是蛋白质行使功能关键位置上的结构体现。在复杂的蛋白质结构和功能研究中,位点氨基酸的组成、使用率等对挖掘分子结构功能关系具有重要作用。位点氨基酸层次的研究将会促进蛋白质与配体相互关系、蛋白质折叠机制和蛋白质设计的研究。     

基于矩阵打分值和化学位移值预测酶蛋白质中β-发夹模体

酶是一类具有催化功能的蛋白质,对其结构和功能的研究是非常有必要的。特殊模体β-发夹是一种简单的超二级结构,它们包含了丰富的折叠信息,对酶中β-发夹的预测有助于酶结构和功能的预测。本文建立了非冗余的β-发夹模体数据集,包含1080条酶蛋白质链,2818个β-发夹模体,1098个非β-发夹。提取位点亲疏水组分及位点亲疏水紧邻关联组分作为参数,运用矩阵打分算法得到的预测结果不理想。将位点亲疏水、位点亲疏水紧邻关联组分为参数得到的打分值和平均化学位移值共同作为特征参数,输入支持向量机算法对模体进行预测,5交叉检验预测总精度是81.8%,相关系数达到了0.636。     

蛋白质中钙离子结合残基的识别

钙结合蛋白在诸多重要的生命进程中实现着不可替代的生物学功能。而这些功能的实现,均取决于蛋白质中配体结合残基与钙离子的相互作用。因此,对蛋白质中钙离子结合残基的识别是理解这种重要分子机制的有效手段。建立了396条非冗余蛋白质链共包含1952个钙离子结合残基的钙离子结合蛋白数据集,通过统计分析确定以17个氨基酸残基作为最佳片段长度。使用10交叉检验,以氨基酸组分为特征参数的离散增量算法的预测精度为62.4%,相关系数为0.25;以位点氨基酸保守性信息为特征参数的矩阵打分算法的预测精度为69.9%,相关系数为0.40;以离散增量值、矩阵打分值和自协方差值为特征参数的支持向量机算法的预测精度为75.0%,相关系数为0.50。     

基于CNN算法识别两类金属离子配体结合位点

蛋白质需要与配体相结合才能执行其功能,所以预测蛋白质与金属离子配体结合位点是当前重点研究课题且富有挑战性.本文选取碱土金属和过渡金属离子作为研究对象,添加了氨基酸的关联信息作为新的特征参数,采用偏差作为新的特征提取手段优化组分信息,结合位置权重矩阵提取的位点保守性信息和信息熵提取的物化特征,并使用卷积神经网络算法对两类金属离子配体结合位点进行预测,并对算法超参数进行优化,得到了较好的预测结果,Fe~(2+)、Fe~(3+)、Cu~(2+)和Zn~(2+)的Sn都超过了32%,MCC值都超过了0.384.     

蛋白质中四类简单超二级结构的分类

蛋白质超二级结构预测是三级结构预测的一个非常重要的中间步骤。本文从蛋白质的一级序列出发,运用了一种改进的预测算法:以氨基酸组分和紧邻氨基酸分别作为参数,输入离散增量算法的单分类器中,通过加权融合单分类器的计算结果,对四类超二级结构进行了预测,取得了较好的预测结果。四类超二级结构的平均预测总精度达到78.3%,Matthew’s相关系数在0.65以上。     

基于优化的GBM算法识别金属离子配体结合残基

金属离子配体具有体积小、灵活等特点,与蛋白质结合有着不同于其它配体的特殊性,因此准确的识别金属离子配体结合位点具有极强的挑战性.本文基于蛋白质的一级序列信息,选取了氨基酸及其物化特征、预测的二级结构信息为基础参数,利用离散增量算法和位置权重矩阵打分算法将这些高维特征投影至20维的向量空间并作为预测特征参数输入优化的GBM算法中,对10种金属离子配体结合残基进行了5交叉检验预测,得到了好于前人的预测结果.结果发现:每种金属离子配体偏好的优化参数不同,优化的GBM算法能给出最佳的预测结果.     

蛋白质二级结构序列片段的识别

识别蛋白质二级结构片段,实质上是从序列片段的水平上对二级结构进行预测.用离散量的方法,通过一系列的计算发现:选择氨基酸(20种氨基酸加一个空位)和其紧邻关联共同为参数,从N端截取固定长序列片段为6或7个连续氨基酸残基时,10交叉检验平均预测精度能达到75%~77%,jack-knife检验平均预测精度能达到72%;当固定长序列片段为9或10个连续氨基酸残基时,10交叉检验平均预测精度能达到82%~83%,jack-knife检验平均预测精度能达到74%~76%.     

一种预测膜蛋白类型的新方法

本文以紧邻氨基酸出现的频数为参数,用离散增量方法预测了6种类型膜蛋白.并用自洽、留一法和独立检验三种方法对算法进行检验,均获得了较好的预测效果.     

蛋白质中strand-loop-strand模体的分类

从蛋白质一级序列出发,以氨基酸紧邻关联为参数,用离散量的方法,采用5交叉检验,对蛋白质中的strand-loop-strand模体进行了分类.文中使用了两个数据库,采用了不同的截取方式和序列模式长,均得到了较好的预测效果.     

肠粘膜中氨基酸的分解代谢及其意义

近年来研究发现饲粮中氨基酸在通过小肠粘膜吸收时大量地分解代谢。肠粘膜中氨基 酸的分解代谢是维持肠粘膜完整性和正常功能所必需,对饲粮中蛋白质、氨基酸在人和动物体内 的利用也有重要影响。本文综述了近年来这一领域的研究进展。     

利用多样性增量位置得分函数预测人类5’非翻译区剪接位点

5＇非翻译区中的剪接位点两侧不存在由编码区到非编码区的状态转换，所以通常的识别剪接位点的算法在非翻译区的性能不太理想．本文把多样性增量的位置得分函数应用到5＇非翻译区剪接位点的识别中．对于供体端，正负集样本数之比为1：17，识别敏感性为66．91％，阳性预报值为68．54％，总精度为96．45％，ROC曲线下面积为97．23％；对于受体端，正负集样本数之比为1：24，识别敏感性为77．19％，阳性预报值为29．37％．总精度为91．78％，ROC曲线下面积为93．91％．这一结果要好于已有相似算法．     

废料中氨基酸组份的测定及利用初探

用PICO－TAG方法测定了三种废料中的氨基酸，将其组成与四种粮食产品的氨基酸组成进行了比较分析，通过与FAO/WHO（联合国粮农组织／世界卫生组织）氨基酸构成模式相比较，认为这些废料可被开发利用，并且对氨基酸提取液的利用进行了初步探讨．     

浅析英语写作中常出现的错误

在英语学习中,不少同学感到英语写作难,由于母语的影响,常常会自觉地站在汉语的角度去审视所写的英语,因此在英语写作中会不时地出现这样或那样的错误,如词汇方面的错误,语法方面的错误等,造成信息传递的梗塞,让人感到不知所云。