蛋白质技术

由于用X光晶体衍射和NMR核磁共振技术测定蛋白质的三维结构，以及用生化方法研究蛋白质的功能效率不高，无法适应蛋白质序列数量飞速增长的需要，因此近几十年来许多科学家致力于研究用理论计算的方法预测蛋白质的三维结构和功能，经过多年努力取得了一定的成果。 蛋白质三维结构的预测方法通常包括：同源性建模和从头开始的预测方法。对数据库中已知结构的序列的比对是预测未知序列三级结构的主要方法，也即同源建模的方法。 ...

蛋白质二级结构的预测通常被认为是蛋白结构预测的第一步，二级结构是指α螺旋和β折叠等规则的蛋白质局部结构元件。不同的氨基酸残基对于形成不同的二级结构元件具有不同的倾向性。按蛋白质中二级结构的成分可以把球形蛋白分为全α蛋白、全β蛋白、α＋β蛋白和α/β蛋白等四个折叠类型。预测蛋白质二级结构的算法大多以已知三维结构和 ...

ExPASy工具包包涵的程序 ComputepI/MW：是ExPASy工具包中的程序，计算输入序列等电点和分子量的工具。对pI的确定基于早期研究中将蛋白质从由中性到酸性变性条件下迁移过程中所获得的pK值（Bjellqvist等，1993）。分子量的计算是把序列中每个氨基酸的同位素平均分子量加在一起，再加上一个水分子的分子量。 用户可以把序列整理为FASTA格式，或提供SWISS-PROT标识，或者 ...

根据组成蛋白质的20种氨基酸的物理和化学性质可以辨析电泳等实验中的未知蛋白质，也可以分析已知蛋白质的物化性质。 ExPASy工具包包涵的程序：http://www.expasy.ch/tools/ AACompIdent：与把氨基酸序列在SWISS-PROT库中搜索不同，AACompIdent工具利用未知蛋白的氨基酸组成去确认具有相同组成的已知蛋白。该程序分析时需提交的相关信息包括：蛋白质的氨基酸 ...

对各种方法所得到的蛋白质结构预测结果需要进行验证，以确定预测方法是否可行，确定其适应面。验证的一种方法是取已知结构的蛋白质，对这些蛋白质进行模拟结构预测，并将预测结构与真实结构进行比较，分析两者之间的差距。为了客观地评价各种预测方法，需要建立权威的评判机构，建立公共认可的蛋白质结构测试数据集。设立在马里兰生物技术研究中心的CASP就是这样一个系统（http://predictioncenter.l ...

从头预测模型的基本思想 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（Abinitio），即（直接）仅仅根据序列本身来预测其结构。在1994年之前，还没有一个从头算方法能够预测蛋白质的空间结构。从那以后，人们陆续提出一些方法，表明了今后进一步研究可能的方向。有些研究小组运用距离几何方法得到了非常有希望的结果。将 ...

线索化模型产生的背景及发展 上面已经提到，两个自然进化的蛋白质如果具有30%的等同序列，则它们是同源的蛋白质，具有基本相同的三维结构。那么，其余的是否就不是同源的呢？实际并非如此。在最新的蛋白质数据库PDB中，有上千对蛋白质具有同源的空间结构，但它们的序列等同部分小于25%，即远程同源。许多结构相似的蛋白质都是远程同源的。对于这类蛋白质，很难通过序列比对找出它们之间的关系，必须设计新的分析方法。 ...

蛋白质结构预测的生物学意义 生物信息学研究的一个主要目标是了解蛋白质序列与三维结构的关系，但是序列与结构之间的关系是非常复杂的。人们已经掌握了一些蛋白质序列与二级结构之间的关系，但是对于蛋白质序列与空间结构之间的关系了解得比较少。预测蛋白质的二级结构只是预测折叠蛋白的三维形状的第一步。一些结构不是很规则的环状区域与蛋白的二级结构单元共同堆砌成一个紧密的球状天然结构。在蛋白质折叠过程中一系列不同的力 ...

综合各种分析方法预测 在实际进行蛋白质二级结构预测时，往往会综合应用各种分析方法和相关数据。综合方法不仅包括各种预测方法的综合，而且也包括结构实验结果、序列对比结果、蛋白质结构分类预测结果等信息的综合。实际应用中最常见的综合方法是同时使用多个软件进行预测，通过分析各个软件的特点以及各个软件预测结果，最终形成二级结构一致性的预测结果。将序列比对与二级结构预测相结合也是一种常见的综合方法。双重预测是另 ...

人工神经网络是一种复杂的信息处理模型。随着神经网络研究的兴起，科学家们也将神经网络用于生物信息学，其中包括二级结构的预测、蛋白质结构的分类、折叠方式的预测以及基因序列的分析等等。将神经网络用于二级结构预测的最早是由Qian和Sejnowskit提出的，他们受到神经网络在文字语言处理方面应用的启发，将蛋白质序列看作是由各种氨基酸字符组成的字符序列，将氨基酸残基片段作为输入的一串语言字符，二级结构即为 ...

早期，由于数据的缺乏，预测方法多基于单条序列。随着序列和结构数据的增加，人们的研究转向同源序列分析，充分利用隐藏在同源序列中的结构信息，使得结构预测的准确率得到了较大的提高。同源分析的基础是序列比较，通过序列比较发现相似的序列，根据相似序列具有相似结构的原理，将相似序列（或者序列片段）所对应的二级结构作为预测的结果。在Levitt等人建立的相似片段方法中，将待预测的片段与数据库中已知二级结构的片段 ...

这种方法是一种用物理化学方法进行二级结构预测的方法，或称为立体化学方法。在蛋白质中，氨基酸的理化性质对蛋白质的二级结构影响较大，因此在进行结构预测时考虑氨基酸残基的物理化学性质，如疏水性、极性、侧链基团的大小等，根据氨基酸残基各方面的性质及残基之间的组合预测可能形成的二级结构。“疏水性”是氨基酸的一种重要性质，疏水性的氨基酸倾向于远离周围水分子，将自己包埋进蛋白质的内部。这 ...

Chou-Fasman方法是一种基于单个氨基酸残基统计的经验参数方法，由Chou和Fasman在20世纪70年代提出来。通过统计分析，获得的每个残基出现于特定二级结构构象的倾向性因子，进而利用这些倾向性因子预测蛋白质的二级结构。每种氨基酸残基出现在各种二级结构中倾向或者频率是不同的，例如Glu主要出现在α螺旋中，Asp和Gly主要分布在转角中，Pro也常出现在转角中，但是绝不会出现在& ...

蛋白质二级结构的预测开始于20世纪60年代中期。二级结构预测的方法大体分为三代，第一代是基于单个氨基酸残基统计分析，从有限的数据集中提取各种残基形成特定二级结构的倾向，以此作为二级结构预测的依据。第二代预测方法是基于氨基酸片段的统计分析，使用大量的数据作为统计基础，统计的对象不再是单个氨基酸残基，而是氨基酸片段，片段的长度通常为11-21。片段体现了中心残基所处的环境。在预测中心残基的二级结构时， ...

蛋白质结构预测的基本思想 蛋白质结构预测的问题从数学上讲，是寻找一种从蛋白质的氨基酸线性序列到蛋白质所有原子三维坐标的一种映射。典型的蛋白质含有几百个氨基酸、上千个原子，而大蛋白质（如载脂蛋白）的氨基酸个数超过4500。所有可能的序列到结构的映射数随蛋白质氨基酸残基个数而呈指数增长，是天文数字。然而幸运的是，自然界实际存在的蛋白质是有限的，并且存在着大量的同源序列，可能的结构类型也不多，序列到结构 ...

蛋白质结构预测的背景 一种生物体的基因组规定了所有构成该生物体的蛋白质，基因规定了蛋白质的氨基酸序列。虽然蛋白质由氨基酸的线性序列组成，但是它们只有折叠成特定的空间构象才能具有相应的活性和生物学功能。了解蛋白质的空间结构不仅有利于认识蛋白质的功能，也有利于认识蛋白质是如何执行其功能的。确定蛋白质的结构对于生物学研究是非常重要的。 目前，蛋白质序列数据库的数据积累的速度非常快，但是已知结构的蛋白质相 ...

亲和层析的应用主要是生物大分子的分离、纯化。下面简单介绍一些亲和层析技术用于纯化各种生物大分子的情况。 1.抗原和抗体 利用抗原、抗体之间高特异的亲和力而进行分离的方法又称为免疫亲和层析。例如将抗原结合于亲和层析基质上就可以从血清中分离其对应的抗体。在蛋白质工程菌发酵液中所需蛋白质的浓度通常较低用离子交换、凝胶过滤等方法都难于进行分离而亲和层析则是一种非常有效的方法。将所需蛋白质作为抗原经动物免疫 ...

1.上样 亲和层析纯化生物大分子通常采用柱层析的方法。亲和层析柱一般很短，通常10cm左右。上样时应注意选择适当的条件，包括上样流速、缓冲液种类、pH、离子强度、温度等，以使待分离的物质能够充分结合在亲和吸附剂上。 一般生物大分子和配体之间达到平衡的速度很慢，所以样品液的浓度不易过高，上样时流速应比较慢，以保证样品和亲和吸附剂有充分的接触时间进行吸附。特别是当配体和待分离的生物大分子的亲和力比较小 ...

亲和层析的实验操作和一般柱层析类似，都包括：装柱、上样、洗脱、样品收集、结果处理等步骤。 溴化氰活化琼脂糖用于配体固相化是实验室亲和层析最常用的技术之一，该方法简便廉价，并广泛应用于蛋白质、核酸、凝集素等。下面以此为例介绍亲和层析的实验方法： 试剂与配制 1.Sepharose 4B 2.CNBr（剧毒） 3.抗原或抗体 4.1Mol/L NaHCO3 取NaHCO3 84.01g加水至1 00 ...

选择并制备合适的亲和吸附剂是亲和层析的关键步骤之一。它包括基质和配体的选择、基质的活化、配体与基质的偶联等等。 基质 基质的性质 基质构成固定相的骨架，亲和层析的基质应该具有以下一些性质： 1.具有较好的物理化学稳定性。在与配体偶联、层析过程中配体与待分离物结合、以及洗脱时的pH、离子强度等条件下，基质的性质都没有明显的改变。 2.能够和配体稳定的结合。亲和层析的基质应具有较多的化学活性基团，通过 ...