蛋白質(zhì)功能預(yù)測方法概述

1、 歡迎閱讀本文檔，希望本文檔能對您有所幫助！ 歡迎閱讀本文檔，希望本文檔能對您有所幫助！ 感謝閱讀本文檔，希望本文檔能對您有所幫助！ 感謝閱讀本文檔，希望本文檔能對您有所幫助！ 歡迎閱讀本文檔，希望本文檔能對您有所幫助！ 感謝閱讀本文檔，希望本文檔能對您有所幫助！蛋白質(zhì)功能預(yù)測方法概述摘要: 蛋白質(zhì)是生物體內(nèi)最必需也是最通用的大分子，對它們功能的認(rèn)識對于科學(xué)領(lǐng)域和農(nóng)業(yè)領(lǐng)域的發(fā)展有著至關(guān)重要的作用。隨著后基因組時(shí)代的發(fā)展，NCBI 數(shù)據(jù)庫中迅速涌現(xiàn)出大量不明結(jié)構(gòu)與功能的蛋白質(zhì)序列，這些蛋白質(zhì)序列甚至一躍成了研究的熱點(diǎn)。近幾十年來蛋白質(zhì)功能預(yù)測的方法不斷被完善。由最初的僅基于蛋白質(zhì)序列或3D 結(jié)構(gòu)

2、信息的方法衍生出更多的基于序列相似性、基于結(jié)構(gòu)基序、基于相互作用網(wǎng)絡(luò)等新方法，這些新型方法采用新的算法、新的研究思路和技術(shù)手段，力求得到準(zhǔn)確性與普遍性并存，能夠被廣泛應(yīng)用的蛋白質(zhì)功能預(yù)測方法。本文綜述了近年來蛋白質(zhì)功能預(yù)測的方法，并將這些研究方法分類歸納，各自闡明了每類方法的優(yōu)缺點(diǎn)。關(guān)鍵詞: 蛋白質(zhì)功能預(yù)測方法，結(jié)構(gòu)基序，相互作用網(wǎng)絡(luò)，ESGAn Overview protein function prediction methodsAbstract: Protein is the most necessary and versatile macromolecules in vivo，rese

3、arches on their functions are veryimportant to the fields of science and the development of the agriculture With the development of the post genomicera，the NCBI database quickly emerges a large number of protein sequences of unknown structure and functions，which even become hot research Points In th

4、e recent decades，protein function prediction methods have beenmore and more improved and developed This article reviews the protein function prediction methods occured in recentyears，All these methods were inducted and classicicated，and their advantages and disadvantages of each methodswere illustra

5、tes respectivelyKeywords: Protein Function Prediction Methods，Structal Motif， Interaction Networks，ESG1 引言基因組學(xué)和蛋白質(zhì)組學(xué)在過去十年的發(fā)展過程中產(chǎn)生了大規(guī)模的新的蛋白質(zhì)序列和試驗(yàn)數(shù)據(jù)，科學(xué)家為了確定這些新序列的功能借助計(jì)算機(jī)手段進(jìn)行了大量的研究1 2。在過去的二十年里，人們利用計(jì)算機(jī)技術(shù)對蛋白質(zhì)功能進(jìn)行預(yù)測的文章發(fā)表了上千篇之多( http: / /www ncbi nlm nih gov /pubmed) ，大部分是基于序列相似性、基于結(jié)構(gòu)域、基于相互作用網(wǎng)絡(luò)等方法預(yù)測，再利用生物學(xué)

6、知識來進(jìn)行解析。本文綜合闡述了迄今為止蛋白質(zhì)功能預(yù)測的分類，大致可分為四類: ( 1) 基于序列相似性預(yù)測方法; ( 2) 基于蛋白質(zhì)相互作用網(wǎng)絡(luò)預(yù)測方法;( 3) 基于結(jié)構(gòu)相似性預(yù)測方法; ( 4) 其他預(yù)測方法。2 蛋白質(zhì)功能蛋白質(zhì)功能對于客觀環(huán)境很敏感: 給定的發(fā)揮作用的空間環(huán)境不同、規(guī)定的作用時(shí)間不同都可以使蛋白質(zhì)所表現(xiàn)出來的功能是有差異性的。為了使功能預(yù)測的結(jié)果更加準(zhǔn)確，Bork 等提出了一種蛋白質(zhì)功能類型的分類3，按蛋白質(zhì)發(fā)揮作用的平臺不同將蛋白質(zhì)功能分為分子功能，細(xì)胞功能和生理功能。很明顯，這三個(gè)類型不是獨(dú)立存在的，而是如圖2 那樣等級相關(guān)的。現(xiàn)如今在蛋白質(zhì)功能預(yù)測中最常用的是G

7、O 分類，Gene Ontology 分類從細(xì)胞組成、分子功能和生物學(xué)途徑三方面描述蛋白質(zhì)的性質(zhì)與功能。分子功能是描述其分子生物學(xué)活性，如催化活性、結(jié)合活性，可以具體到腺苷酸環(huán)化酶活性或鐘形受體結(jié)合活性等; 生物學(xué)途徑是細(xì)胞生長和維持、信號轉(zhuǎn)導(dǎo)過程，更狹義可描述為在嘧啶代謝或 配糖基的運(yùn)輸?shù)染唧w過程。所以蛋白質(zhì)功能預(yù)測的最終想得到結(jié)果是: 這個(gè)新序列在細(xì)胞中充當(dāng)什么組分，在哪個(gè)生物學(xué)過程中起作用，起著什么樣的作用。圖1 蛋白質(zhì)功能預(yù)測方法的分類圖2 蛋白質(zhì)功能類型分類3 蛋白質(zhì)功能預(yù)測的方法蛋白質(zhì)功能預(yù)測方法可粗略分為基于序列相似性預(yù)測、基于蛋白質(zhì)相互作用網(wǎng)絡(luò)預(yù)測、基于結(jié)構(gòu)相似性預(yù)測和其它不依

8、賴于相似性的預(yù)測方法。我們將分別列舉近年來基于這四類方法所做的蛋白質(zhì)功能預(yù)測，以及它們各自的優(yōu)勢與弱勢。3 1 基于序列相似性預(yù)測蛋白質(zhì)功能基于序列相似性是較早的一種功能預(yù)測的方法，它是基于序列相似，功能相似的假說建立的。最傳統(tǒng)的方法是對新序列進(jìn)行BLAST 或PSI BLAST搜索4，通過產(chǎn)生的E 值選擇與新序列高度相似的序列( 一般序列一致性要在40%以上5) ，由已知序列功能推斷出新序列的功能。但隨著研究的不斷深入，這種方法被證明是不可靠的6，因?yàn)樾蛄型葱圆坏扔诠δ芤恢滦??；谛蛄型葱缘哪Ｐ偷慕⑦^于依賴蛋白質(zhì)之間的相似程度，所以只能適用于與功能已知蛋白質(zhì)有很高同源性的新蛋白序列的

9、功能預(yù)測。并且隨著同源性降低，建立模型的誤差增加。Hawkins8 9分別通過提取Go terms 和對Goterms 評分的方法對傳統(tǒng)的PSI BLAST 搜索進(jìn)行拓展，包括從親緣關(guān)系較遠(yuǎn)的序列進(jìn)行注釋、應(yīng)用新的數(shù)據(jù)挖掘工具、功能相關(guān)矩陣、得分密切相關(guān)的注釋對，開發(fā)出可以通過降低分辨率來增加功能注釋的普及型的方法PFP( protein function prediction) 。PFP 方法綜合考慮了GO terms 評分和GO terms 與其親代GO terms 之間的功能相關(guān)性。從而不需要精準(zhǔn)的匹配模式或蛋白質(zhì)結(jié)構(gòu)信息，只需要較弱相似序列就可以推斷出新序列的功能，結(jié)果的精確度和覆蓋范

10、圍比傳統(tǒng)的PSI BLAST 結(jié)果高出五倍不止。由AFP SIG 05 10和CASP711兩個(gè)高級別的比賽結(jié)果就可以證明PFP 方法是很成功的。圖3 ESG 方法建立的序列相似圖譜Chitale12于09 年建立了ESG( extended similaritygroup) 方法，此方法執(zhí)行迭代序列數(shù)據(jù)庫搜索并且對新序列進(jìn)行GO terms 注釋。注釋就是給每條序列制定一個(gè)概率，這個(gè)概率是基于蛋白質(zhì)序列相似圖譜( 圖3) 中multiple level neighbors 的親緣相似評分所得的。圖4 中用funsim( Fundamental SimulationInstruction Me

11、thod ) 對PFP、Top PSI BLAST、ESG 三種方法進(jìn)行了對比，從圖中可以看出ESG 方法所產(chǎn)生結(jié)果較好。圖3 PSI BLAST 搜索得到的序列相似圖譜，序列Q 經(jīng)過PSI BLAST 搜索返回N 條序列，稱為ESG first level，對ESG first level 進(jìn)行PSI BLAST再返回N 條序列稱為ESG second level，以此類推得到ESG multiple level，各序列之間稱為multiple evel neighbors。圖4 根據(jù)funsim 打分得到的結(jié)果準(zhǔn)確度對比基于序列的蛋白質(zhì)功能預(yù)測考慮的是獨(dú)立的蛋白質(zhì)序列，未考慮蛋白質(zhì)之間的相

12、互作用。而蛋白質(zhì)是通過與其它蛋白質(zhì)直接或間接相互作用而執(zhí)行功能的。所以要從序列預(yù)測蛋白質(zhì)的功能應(yīng)該將與其相互作用的蛋白質(zhì)序列一同考慮在內(nèi)。3 2 基于相互作用網(wǎng)絡(luò)預(yù)測蛋白質(zhì)功能基于PPI( protein protein interaction) 的預(yù)測方法主要用于從多個(gè)蛋白質(zhì)序列中尋找有相互作用和關(guān)聯(lián)進(jìn)化的蛋白質(zhì)或從PPI 數(shù)據(jù)庫中提取信息，預(yù)測效果依賴于基因組數(shù)目和PPI 數(shù)據(jù)庫的準(zhǔn)確程度。由Bader 等13開發(fā)的Pathguide ( http: / /wwwpathguide org) 提供大部分PPI 相關(guān)的數(shù)據(jù)庫列表和鏈接，表1 列出了部分PPI 數(shù)據(jù)庫。根據(jù)這些數(shù)據(jù)庫中提取的蛋

13、白質(zhì)相互作用數(shù)據(jù)，人們可以構(gòu)建相應(yīng)的相互作用網(wǎng)絡(luò)。在相互作用網(wǎng)絡(luò)中，一般用節(jié)點(diǎn)( node) 來表示蛋白質(zhì)，而連接兩個(gè)節(jié)點(diǎn)的邊( edge) 表示蛋白質(zhì)之間是否存在相互作用關(guān)系。目前，利用相互作用網(wǎng)絡(luò)進(jìn)行功能注釋主要有兩種方法，即直接注釋方( directannotation schemes) 14 16和基于模塊的方法( module assistedschemes) 17 18。3 2 1 直接注釋方法Vazquez14等首先采用基于分割的方法( cut based approaches) 將圖論法引入蛋白質(zhì)功能注釋研究中。其基本思路是: 對一個(gè)未知功能蛋白質(zhì)賦予某種功能，要使得注釋為相同

14、功能的蛋白質(zhì)( 未注釋或者已注釋) 的連接數(shù)目最多。Hu15綜合考慮了PPI 信息和序列的生物化學(xué)/物理化學(xué)特征，當(dāng)未注釋蛋白質(zhì)與已知功能的蛋白質(zhì)幾乎沒有序列相似性時(shí)，也可以獲得相關(guān)的PPI 信息。并應(yīng)用此方法對鼠源蛋白質(zhì)功能進(jìn)行預(yù)測，在訓(xùn)練集合測試集中一階成功率分別為69 1% 和70 2%。構(gòu)建蛋白質(zhì)相互作用網(wǎng)絡(luò)時(shí)通常是從注釋蛋白質(zhì)到非注釋蛋白質(zhì)做一個(gè)單向的預(yù)測。而真正的生物學(xué)過程中蛋白質(zhì)是有流動性的，它們之間有動態(tài)的相互作用，從而產(chǎn)生了一個(gè)外環(huán)境穩(wěn)定但內(nèi)部千變?nèi)f化的框架。Chi16首次將蛋白質(zhì)之間動態(tài)相互作用加入到了預(yù)測過程中，方法是先給未注釋的蛋白質(zhì)指派一個(gè)最初的功能，然后計(jì)算此蛋白質(zhì)

15、和與其相鄰的蛋白質(zhì)之間的最初相似性。用基于KNN 的預(yù)測算法為未注釋的蛋白質(zhì)預(yù)測一個(gè)新的功能，用這個(gè)新預(yù)測的功能代替最初的功能，再重新計(jì)算該蛋白質(zhì)和與其相鄰的蛋白質(zhì)之間的相似性，在進(jìn)行下一輪的計(jì)算。直到未注釋的蛋白質(zhì)和與其相鄰的蛋白質(zhì)之間的相似性達(dá)到一個(gè)穩(wěn)態(tài)平衡時(shí)結(jié)束。正確定義蛋白質(zhì)之間的相似性迭代法比非迭代法顯示了更好的準(zhǔn)確度和召回率，同時(shí)可行性和有效性也得到了提高。3 2 2 基于模塊預(yù)測方法ives17等人就提出一個(gè)假設(shè)，認(rèn)為同一個(gè)模塊中的蛋白質(zhì)成員更加可能擁有最短的路徑距離譜( path distance profiles) 。根據(jù)這個(gè)假設(shè)，所有短路徑的蛋白質(zhì)對聚成一類。這個(gè)方法實(shí)施比

16、較復(fù)雜，很難在整個(gè)基因組水平上的網(wǎng)絡(luò)上進(jìn)行分析，但在一些子網(wǎng)絡(luò)中它已經(jīng)得到很好的應(yīng)用，比如對釀酒酵母的核蛋白的相互作用網(wǎng)絡(luò)分析。Janusz18整合了發(fā)育和癌癥研究項(xiàng)目的基因表達(dá)譜和蛋白質(zhì)相互作用圖譜提供了一個(gè)有系統(tǒng)和全局代表性的組合網(wǎng)絡(luò)模塊。并開發(fā)了一種新方法Network GuidedForests，該方法是以間接網(wǎng)絡(luò)域相關(guān)的決策樹來確定網(wǎng)絡(luò)模塊的生物或臨床結(jié)果，由此產(chǎn)生的網(wǎng)絡(luò)簽名證明在不同樣本隊(duì)列之間的穩(wěn)健性和捕捉發(fā)展與疾病的因果關(guān)系。3 3 基于結(jié)構(gòu)信息預(yù)測最早基于結(jié)構(gòu)進(jìn)行蛋白功能注釋的方法是找到一個(gè)結(jié)構(gòu)相似的蛋白，將其功能轉(zhuǎn)移給前一個(gè)蛋白，如在蛋白序列中的情況一樣。然而這種方法并不能

17、夠單獨(dú)被用來預(yù)測蛋白質(zhì)功能，因?yàn)樗臏?zhǔn)確性只有20% 50%19，結(jié)果是不足以令人采納的。所以從3D 結(jié)構(gòu)衍生了多種其他的可能預(yù)測蛋白質(zhì)功能的方法結(jié)構(gòu)基序是存在于幾個(gè)相關(guān)蛋白質(zhì)結(jié)構(gòu)中的一個(gè)蛋白的三維亞結(jié)構(gòu)，它與功能息息相關(guān)。最為大家所熟知的結(jié)構(gòu)基序是在許多DNA 結(jié)合蛋白中均能找到的螺旋 轉(zhuǎn)角 螺旋( HTH) 基序。Leo C等21對人類TIM 家族中TIM20 ( pyrin ) 和TIM21 兩個(gè)與疾病相關(guān)的蛋白進(jìn)行了研究，闡明了C 末端PYSPY 區(qū)域是如何影響TIM 的功能。鑒于大部分蛋白質(zhì)功能研究都是針對特異性蛋白這一狀況，Akira 22提取了PDB 數(shù)據(jù)庫中所有蛋白質(zhì)聚類得到復(fù)

18、合基序( 如圖6) ，將復(fù)合基序分組，根據(jù)各組的復(fù)合基序的功能特征來確定蛋白質(zhì)的功能。這一方法的不局限性是蛋白質(zhì)功能預(yù)測的一大突破。Hoffmann23開發(fā)了一種衡量結(jié)合口袋之間相似性的新方法。以原子云代表每一個(gè)口袋，通過比對三維空間中的原子來評估兩個(gè)口袋之間的相似性，并用convolution kernel 比較所得到的結(jié)果信息。這樣即使相關(guān)蛋白不共享序列和整體結(jié)構(gòu)相似性，口袋比對也是可行的。并用此方法來識別已知的結(jié)合口袋的配體結(jié)合的相關(guān)性，為今后在這一領(lǐng)域的工作提供了新的標(biāo)桿。Hermann24預(yù)測Tm0396 的酶功能活性發(fā)現(xiàn)潛在的物的高能量結(jié)構(gòu)對接模式可能成為酶功能預(yù)測的有用工具?，F(xiàn)今

19、比較成熟的結(jié)構(gòu)預(yù)測方法有兩種: 一種是實(shí)驗(yàn)測量，包括用X 射線衍射和核磁共振成像; 一種是理論預(yù)測，利用計(jì)算機(jī)根據(jù)理論和已知的氨基酸序列等信息來預(yù)測，方法包括同源結(jié)構(gòu)模擬、折疊辨識模擬和基于第一性原理的從頭計(jì)算。雖然現(xiàn)在有很多蛋白質(zhì)功能預(yù)測軟件( PSIPred、PredictProtein等) ，CASP 會議也一直在致力于發(fā)現(xiàn)和發(fā)展蛋白質(zhì)結(jié)構(gòu)預(yù)測的高精尖方法。但是PDB 和SCOP 等蛋白質(zhì)結(jié)構(gòu)數(shù)據(jù)庫中的數(shù)據(jù)量仍舊遠(yuǎn)遠(yuǎn)小于Uniprot、NCBI 等序列數(shù)據(jù)庫。3 4 其他預(yù)測方法Liao25建立了一種不依賴于序列和結(jié)構(gòu)相似性來預(yù)測蛋白質(zhì)功能的新方法。選擇酵母中已知的實(shí)驗(yàn)測定的1377 個(gè)

20、蛋白質(zhì)。首先將它們由短到長重新排列成一個(gè)連貫的數(shù)據(jù)集。設(shè)定一個(gè)連貫序列集m( 可隨機(jī)取值) ，將氨基酸序列集轉(zhuǎn)換為profile編碼( 每個(gè)氨基酸在1377 個(gè)總數(shù)中出現(xiàn)的頻率) 數(shù)據(jù)集。然后采用最鄰近聚類算法對序列集進(jìn)行測試。選擇步長為5，設(shè)定m 值，得到的結(jié)果30% m作為測試集，剩余作為訓(xùn)練集。這個(gè)方法是很多與已知功能序列相似性很小的新蛋白質(zhì)序列得到預(yù)測，同時(shí)也增加了從序列預(yù)測功能的普及性。Yang26從序列的數(shù)字特征預(yù)測蛋白質(zhì)功能。首先從序列中提取疏水性、極性與電荷特性三個(gè)數(shù)字特征，并提出序列功能可能性。然后綜合特征向量和功能可能性，應(yīng)用k 最近鄰居算法( KNN) 進(jìn)行蛋白質(zhì)的功能預(yù)

21、測。該方法綜合考慮了局部和全局信息，預(yù)測結(jié)果比基于序列相似性的方法更有效。4 總結(jié)近幾十年來，蛋白質(zhì)功能預(yù)測的方法不斷被充實(shí)完善。本文僅指列出了部分有代表性的常用的蛋白質(zhì)功能預(yù)測方法，但其中支持各個(gè)方法的算法本文就不多做陳述。后基因組時(shí)代的快速發(fā)展給我們帶來機(jī)遇的同時(shí)也帶來了巨大的挑戰(zhàn)，蛋白質(zhì)序列與結(jié)構(gòu)的懸殊差異使我們不得不加快透徹分析序列的腳步，發(fā)展從序列預(yù)測蛋白質(zhì)結(jié)構(gòu)與功能的普遍性與準(zhǔn)確性并存的方法就變得刻不容緩。而目前所提出的基于序列預(yù)測的方法還遠(yuǎn)遠(yuǎn)不能滿足科學(xué)發(fā)展的要求。參考文獻(xiàn)( eferences)1 T Hawkins ，M Chitale and D Kihara New pa

22、radigm in proteinfunction prediction for large scaleomics analysisJ Mol Biosyst，2008，4: 223 2312 A Al Shahib， Breitling，D Gilbert Predicting proteinfunction by machine learning on amino acid sequences a criticalevaluationJ BMC Genomics，2007，78: 1 103 P Bork，T Dandekar，Y Diaz Lazcoz，F(xiàn) Eisenhaber，MHuy

23、nen and YP Yuan Predicting Function: From Genes to Genomesand Back J J Mol Biol，1998， 283: 707 7254 SF Altschul，TL Madden，AA Sch ffer，JH Zhang，Z Zhang，W Miller and DJ Lipman Gapped BLAST and PSI BLAST: anew generation of protein database search programsJ NucleicAcids es， 1997， 25: 3389 34025 B ost，J

24、 Liu， Nair，KO Wrzeszczynski and Y Ofran Automaticprediction of protein function J Cellular and MolecularLife Sciences，2003，60: 2637 26506 B ost Enzyme function less conserved than anticipated J JMol Biol， 2002，318: 595 6087 B Louie， Higdon，E Kolker A statistical model of proteinsequence similarity a

25、nd function similarity reveals overly specificfunction prediction J PLoS One ， 2009，4: e75468 T Hawkins，S Luban，D Kihara Enhanced automated functionprediction using distantly related sequences and contextual associationby PFPJ Protein Sci，2006，15: 1550 15569 T Hawkins，M Chitale，S Luban，D Kihara PFP: automated prediction of gene ontology functional annotations with confidencescores using protein sequence dataJ Proteins，2009，74: 556