蛋白质结构预测

摘要： 预测蛋白质三维结构对了解其生物功能、疾病发病机理研究、药物研发等具有重大意义.为了提高蛋白质结构预测的精度,提出了一种基于距离约束和二面角优化的蛋白质结构预测方法(Distance Constraint and Dihedral Angle Optimized Protein Structure Prediction Method, DCDA).首先,对预测的残基间距离分布图进行筛选,进而构建基于残基间距离分布的构象评估模型,指导构象选择;然后,在片段组装大范围搜索构象空间的基础上,利用基于二面角差分进化采样策略增强结构灵活的Loop区域采样,进一步提高拓扑结构的精度,增强近天然态构象采样能力.在15个测试蛋白的预测结果表明,DCDA能够达到较高的预测精度,是一种有效的蛋白质结构预测方法.

摘要： 了解蛋白质的结构有助于认识蛋白质的功能、功能机制和执行方式。文章总结了四种新型基于计算机理论的蛋白质结构预测方法,包括基于深度学习的蛋白质二级结构预测方法和基于多信息融合的蛋白质结构预测方法,分析了两种预测方法的核心技术,并就两种预测方法的预测准确度与传统方法进行了比较,结果表明两种预测方法的预测效果较好,此外还对具有代表性的蛋白质结构数据库进行了总结,提出了对未来研究方向的展望。

摘要： 本文采用多种目标进化算法(Many-Object ive Evolut ionary Algori thms,MaOEAs)作为搜索算法来预测蛋白质的结构,并设计一种蛋白质评价工具的Web应用,搭建软件模拟和软件实验测试平台,对蛋白质结构预测结果进行验证比对。该软件采用Python语言构建,支持用户应用各种蛋白质能量函数进行蛋白质预测,能够更直观地分析计算平台预测的蛋白质数据,并能满足不同用户的需求。

摘要： 评“多结构域蛋白质结构预测方法综述”蛋白质结构决定了其生物学功能,通过分析蛋白质的结构可以为药物分子设计提供合理的靶分子及结构。因此,蛋白质结构预测一直是生物信息学关注的热点问题,也是生命科学领域尚未解决的重大基础性科学问题之一。该文首先介绍了蛋白质结构预测领域的国内外研究现状;其次,总结了单域蛋白结构预测方法、多域蛋白结构组装方法以及端到端的单体蛋白预测方法;然后,介绍了蛋白质结构预测常用的数据库和模型质量评估指标,并对RocketX,trRosetta和RaptorX等蛋白质结构预测方法进行了性能分析与比较;最后,对蛋白质结构预测领域未来的研究方向进行了展望。

摘要： 人工智能首次精确预测蛋白质三维结构入选《Science》杂志2020年十大科学突破,成为结构生物信息学领域的前沿方向。在自然界中,绝大多数单链蛋白中包含多个结构域。从生物学意义上来讲,结构域间缔结与协作对实现多个相关的功能至关重要。首先,介绍了蛋白质结构的预测技术发展及重要国际赛事CASP;其次,以单域蛋白结构预测方法、多域蛋白结构组装方法以及端到端的单体蛋白预测方法3部分对一些具有代表性的方法进行了简要阐述;然后,介绍了蛋白质结构预测研究中常用的数据库和模型质量评估指标,并比较了不同预测方法的性能;最后,分析总结了当前蛋白质结构预测方法的发展趋势,并对该领域未来的研究方向进行了展望。

摘要： 蛋白质的序列、结构和功能多种多样.大量研究表明蛋白质的结构与其氨基酸序列的排序有关,并且局部的氨基酸序列环境对蛋白质的结构具有一定的影响.本文提出一种新的基于5-mer氨基酸扭转角统计偏好的蛋白质结构类型预测方法,在该方法通过PDB数据库中5-mer中间氨基酸的扭转角统计偏好来进行结构类型的预测.新方法可以通过计算机仿真实现对新蛋白质序列结构类型的快速预测,并通过两组随机抽取的CATH数据验证了新方法的有效性.

摘要： 目的 探究弗氏链霉菌中的泰乐菌素还原酶的结构和功能.方法 通过NCBI数据库比对查找得到泰乐菌素还原酶蛋白序列及其基因序列,建立该蛋白三维模型和系统发育树,对酶蛋白进行原核表达及纯化,并测定其活性.结果 来源于弗氏链霉菌ATCC19609菌株(Streptomyces fradiae ATCC19609)的泰乐菌素还原酶基因由996bp碱基组成,编码331个氨基酸残基.该酶三级结构包括10个桶状α螺旋,8个β折叠,一个还原型烟酰胺腺嘌呤二核苷酸磷酸(NADPH)结合位点.系统发育分析表明其属于醛酮还原酶(Aldo-keto reductase,AKR)超家族的AKR12家族.酶活力测定结果表明,泰乐菌素还原酶具有宽泛的底物谱,对泰乐菌素比活力为0.128U/mg.结论 证实了弗氏链霉菌泰乐菌素还原酶可以催化还原泰乐菌素,为抑制泰乐菌素还原酶活性,提高泰乐菌素发酵产品的纯度,提供了有效的理论依据.

摘要： 蛋白质三维结构决定了其特殊的生物功能,蛋白质三维结构对蛋白质功能研究、疾病的诊断与治疗、创新药物研发都有着重要的科学意义.利用计算机技术从氨基酸序列预测蛋白质三维结构是获取蛋白质三维结构的有效方法.片段组装是一种广泛采用的蛋白质结构预测技术,它将连续的构象空间优化问题转换成离散的实验片段组合优化问题,从而有效地减小了构象搜索空间.首先介绍了片段组装技术;其次总结了基于片段组装的蛋白质结构预测的发展历程,并对部分具有代表性的方法进行了简要阐述;然后介绍了蛋白质结构预测研究中常用的数据库和评价指标,并比较了不同预测方法的性能;最后分析并指出了当前基于片段组装的蛋白质结构预测方法所存在的挑战性问题,并对该领域未来的研究方向进行了展望.

摘要： 回顾性分析1例遗传性球形红细胞增多症(hereditary spherocytosis,HS)患者的临床资料,利用SWISS-MODEL软件对SPTB基因突变进行蛋白结构预测并文献复习.患者因贫血就诊,血常规提示血细胞三系减少,基因测序分析,患者SPTB基因杂合突变c.5551C>T(exon26,NM_001355436),为自发突变.蛋白质结构预测结果为c.5551C>T(p.Q1851X)位点变异导致蛋白截断突变.同时合并ANK1基因杂合突变c.1495G>T(p.A499S),突变位点来自父亲,为非致病基因.

摘要： 志愿计算是一种分布式计算，其基本思想就是让大众贡献计算资源以解决科学研究中所遭遇的计算需求难题。由于中国拥有着庞大基数的联网计算机，所以发展志愿计算的潜力是不可限量的，但在CAS@home 之前，没有一个志愿计算工程是由中国的科学家发起的。在本文中，我们首先将介绍CAS@home 相关的背景知识以及BOINC 的运行原理。其次，介绍了服务器端面向应用的配置与开发。最后，详细介绍了CAS@home 平台上正在运行的一个有关蛋白质结构预测应用，主要包括背景知识，为什么该应用适合志愿计算，应用程序开发及作业提交与数据回传的实现。

摘要： 运筹学中的数学规划、组合最优化已经成为生物信息学、系统生物学研究中的重要工具,随着研究的进展,也成为运筹学新发展的动力之一。笔者列举出一些生物信息学、系统生物学研究中的重要科学问题,就它们来说明运筹学模型的应用和作用,其中包括单体型问题、蛋白质结构预测问题和复杂网络的结构探索问题.

摘要： 蛋白质结构相互连接相互作用的性质,对蛋白质结构的同源模建产生较大困难,本文提出一种基于图论的最大团算法来克服这个困难.用氨基酸序列中残基的构象代表图中一个点,根据蛋白质结构中侧链原子与主链原子间的相互作用给每个点赋权,图中每条边连着一对残基,边的权值由两顶点间相互作用决定,由此构建了一个完全图.这样本文提出基于图论的最大团算法,寻找具有最优值的团,它们代表了残基之间的最佳匹配,这种算法可用在同源蛋白质结构的预测中.

摘要： 蛋白质结构相互连接相互作用的性质,对蛋白质结构的同源模建产生较大困难,本文提出一种基于图论的最大团算法来克服这个困难.用氨基酸序列中残基的构象代表图中一个点,根据蛋白质结构中侧链原子与主链原子间的相互作用给每个点赋权,图中每条边连着一对残基,边的权值由两顶点间相互作用决定,由此构建了一个完全图.这样本文提出基于图论的最大团算法,寻找具有最优值的团,它们代表了残基之间的最佳匹配,这种算法可用在同源蛋白质结构的预测中.

摘要： 蛋白质结构相互连接相互作用的性质,对蛋白质结构的同源模建产生较大困难,本文提出一种基于图论的最大团算法来克服这个困难.用氨基酸序列中残基的构象代表图中一个点,根据蛋白质结构中侧链原子与主链原子间的相互作用给每个点赋权,图中每条边连着一对残基,边的权值由两顶点间相互作用决定,由此构建了一个完全图.这样本文提出基于图论的最大团算法,寻找具有最优值的团,它们代表了残基之间的最佳匹配,这种算法可用在同源蛋白质结构的预测中.

摘要： 蛋白质结构相互连接相互作用的性质,对蛋白质结构的同源模建产生较大困难,本文提出一种基于图论的最大团算法来克服这个困难.用氨基酸序列中残基的构象代表图中一个点,根据蛋白质结构中侧链原子与主链原子间的相互作用给每个点赋权,图中每条边连着一对残基,边的权值由两顶点间相互作用决定,由此构建了一个完全图.这样本文提出基于图论的最大团算法,寻找具有最优值的团,它们代表了残基之间的最佳匹配,这种算法可用在同源蛋白质结构的预测中.

摘要： 本发明公开了一种蛋白质功能预测模型生成方法及装置和一种蛋白质功能预测方法及装置，该蛋白质功能预测模型生成方法，包括：获取训练蛋白质的氨基酸序列特征矩阵；基于训练蛋白质的氨基酸序列特征矩阵，获取第一特征矩阵；第一特征矩阵与训练蛋白质的氨基酸序列中相互作用位点对应；根据第一特征矩阵和第一特征矩阵对应的数据标签训练预先构建的初始模型，得到蛋白质功能预测模型。氨基酸序列特征矩阵包含了训练蛋白质氨基酸序列的深层特征，避免了氨基酸序列表面特征的歧义性，能够更加准确的表达训练蛋白质的功能特征，并且排除了氨基酸序列中与蛋白质相互作用能力无关的氨基酸残基对蛋白质功能预测的干扰，从而提高了预测的准确率和精度。

摘要： 预测蛋白质结构的方法和装置。该方法和装置可以包括获得构成蛋白质的多个氨基酸的序列信息；以及基于序列信息，通过使用预训练的模型来预测蛋白质上的二面角，分子动力学应用于该二面角。

摘要： 由下述氟树脂形成了与蛋白质或包含蛋白质的组合物接触的表面的容器及用于制造蛋白质或包含蛋白质的组合物的器材具有显著的低蛋白质吸附性，其中，所述氟树脂为选自四氟乙烯‑六氟丙烯系共聚物及四氟乙烯‑全氟烷基乙烯基醚系共聚物中的至少1种氟树脂，并且，所述氟树脂的熔点为320°C以下，所述氟树脂中的相对于每1×10

摘要： 本发明提供能减小使用了特异性地结合的物质的测定中的由肝型脂肪酸结合蛋白质引起的测定值的变动幅度的肝型脂肪酸结合蛋白质制剂、评价该制剂的方法、制作肝型脂肪酸结合蛋白质的校准曲线的方法、以及定量该蛋白质的方法。一种用使用了用10mM的氧化剂在25°C下进行1小时的氧化处理的肝型脂肪酸结合蛋白质制剂的测定值与使用了未进行上述氧化处理的肝型脂肪酸结合蛋白质制剂的测定值的比表示的氧化变动系数设定为1.4以下的肝型脂肪酸结合蛋白质制剂、用于该制剂的肝型脂肪酸结合蛋白质、编码该蛋白质的DNA、由该DNA转化得到的细胞、该蛋白质的制造方法、评价该制剂的方法、抑制使用该制剂的测定中的测定值的变动幅度的方法、制作该蛋白质的校准曲线的方法、以及定量该蛋白质的方法。

摘要： 本发明公开了一种蛋白质功能预测模型生成方法及装置和一种蛋白质功能预测方法及装置，该蛋白质功能预测模型生成方法，包括：获取训练蛋白质的氨基酸序列特征矩阵；基于训练蛋白质的氨基酸序列特征矩阵，获取第一特征矩阵；第一特征矩阵与训练蛋白质的氨基酸序列中相互作用位点对应；根据第一特征矩阵和第一特征矩阵对应的数据标签训练预先构建的初始模型，得到蛋白质功能预测模型。氨基酸序列特征矩阵包含了训练蛋白质氨基酸序列的深层特征，避免了氨基酸序列表面特征的歧义性，能够更加准确的表达训练蛋白质的功能特征，并且排除了氨基酸序列中与蛋白质相互作用能力无关的氨基酸残基对蛋白质功能预测的干扰，从而提高了预测的准确率和精度。

摘要： 本发明提供一种糖化蛋白质测定试剂，其至少包含Trinder’s试剂、4‑氨基安替比林、蛋白酶、蛋白酶的稳定剂以及亚铁氰化物，其中，至少Trinder’s试剂包含在含有Trinder’s试剂的部分组合物中，至少4‑氨基安替比林包含在含有4‑氨基安替比林的部分组合物中，蛋白酶的稳定剂是使亚铁氰化物与该蛋白酶的稳定剂混合后的氧化还原电位大于0.058V的稳定剂，氧化还原电位是包含蛋白酶的稳定剂和亚铁氰化物、不包含糖化蛋白质的反应体系的氧化还原电位。

摘要： 本发明提供能够以优异的安全性将蛋白质导入到细胞中的蛋白质导入方法。通过使目标蛋白质承载在由粘土矿物构成的蛋白质导入用载体上并将其添加到细胞中，可以将所述目标蛋白质导入到所述细胞内中。所述粘土矿物优选为层状粘土矿物，可以使用蒙脱石、蛭石、伊利石等。

摘要： 本发明涉及与粉碎或切断洋葱等植物时发生催泪成分的生成有关的表现出将1－丙烯次磺酸转变为催泪成分的作用的蛋白质或多肽、编码该蛋白质或多肽的DNA(催泪成分合成酶基因)、使用用于属于葱属植物的催泪成分合成酶基因分离的引物以及使用该引物分离该基因的方法、含有上述DNA的重组载体、包含含有上述DNA的重组载体的转化体、对用含有上述DNA的重组载体转化的宿主细胞进行培养制造具有催泪成分合成酶活性的蛋白质或多肽的方法、具有催泪成分合成酶活性的蛋白质或多肽、以及具有抑制具有催泪成分合成酶活性的蛋白质或多肽的mRNA翻译的功能的核酸分子。

摘要： 本发明提供一种蛋白质结构预测方法、蛋白质结构预测装置及介质。蛋白质结构预测方法，应用于计算机设备，计算机设备包括CPU和至少一个GPU，包括：获取待预测蛋白质结构的目标蛋白质序列。在CPU中，根据目标蛋白质序列的序列长度，确定目标蛋白质序列对应匹配序列的比对数量阈值。根据比对数量阈值，将目标蛋白质序列与预置的蛋白质序列库中的多个蛋白质序列进行比对，确定目标蛋白质序列对应的匹配序列。在预置的蛋白质结构数据库中，确定匹配序列对应的匹配结构。将匹配序列和匹配结构输入至预置在GPU中的蛋白质结构预测模型中进行蛋白质结构预测，得到目标蛋白质序列对应的蛋白质预测结构。能够减少GPU内存的占用，提高GPU的运算速度，加快预测速率。

摘要： 本申请实施例提供的蛋白质结构预测模型的训练方法和蛋白质结构预测方法，涉及计算机技术领域。本申请实施例提供的蛋白质结构预测方法和蛋白质结构预测方法，训练数据集中的每个氨基酸序列样本均具有第一表征矩阵和第二表征矩阵，基于各个氨基酸序列样本的第一表征矩阵和第二表征矩阵，并采用知识蒸馏的方法，借助辅助训练的分类网络对蛋白质结构预测模型包含的特征增强网络和结构预测网络进行联合训练，得到的蛋白质结构预测模型，可以基于待处理蛋白质的低质量的特征表征矩阵，对待处理蛋白质的结构进行预测，获得精度较高的蛋白质结果预测结果，提高蛋白质结构预测的预测精度。