蛋白质折叠的计算机模拟研究进展

蛋白质折叠是结构生物学领域有待解决的重要科学问题,计算机模拟方法是研究蛋白质折叠的主要手段之一.对蛋白质折叠的计算机模拟研究进展进行了简要介绍,主要内容包括:全原子分子动力学模拟、Gō模型以及弹性网络模型的主要思路及其在蛋白质折叠研究中的应用.     

CAPRI第32～37轮竞赛中蛋白质复合物结构的预测和评估

为了探究蛋白质复合物的结构与相互作用,建立了蛋白质的分子对接方法,从2014年起参加蛋白质复合物结构预测竞赛的预测和打分竞赛.该方法首先采用结构模建方法预测单体蛋白质分子的结构,通过快速傅里叶变换进行全空间构象搜索.然后,优化蛋白质复合物构象,并采用全原子统计势函数进行评价.总结第32~37轮CAPRI竞赛结果发现,该方法在T104、T105、T111和T118比赛中挑选出了L_(RMSD)小于2.0×10~(-10)m的近天然结构.通过对比其他国际优秀课题组的方法,分析预测和打分比赛中取得的成绩和不足之处,并为后续的研究提出了改进方案与建议.     

蛋白质修饰剂制备硫化物水溶性量子点及其性能研究

采用不同的修饰剂(溶菌酶(Lyz)、牛血清白蛋白(BSA)和巯基丙酸(MPA))合成4种不同的Ag2S和ZnS量子点(QDs),分别为Ag2S量子点(Lyz-Ag2S QDs)、BSA包裹的ZnS量子点(BSA-ZnS QDs)、MPA包裹的ZnS量子点(MPA-ZnS QDs)以及BSA包裹的Ag2S量子点(BSA-Ag2S QDs).采用紫外、荧光和透射电镜方法进行分析比较不同量子点,运用红外光谱和热重分析方法探究了量子点合成机理.其粒径均在5~10nm之间,其中以BSAAg2S QDs的形貌最优,粒径分布均一且晶形完美.对于Lyz-Ag2S QDs,Ag2S与Lyz中的三个基团发生了作用,分别为-OH、amide I和amide II.BSA-ZnS QDs结果表明-OH、amide I、amide II和amide A’在合成量子点过程中都起到重要作用.MPA-ZnS QDs结果表明MPA中的-COOH和-SH基团与ZnS量子点发生了配合作用.而BSA-Ag2S QDs中的-OH,-NH和-SH三种基团在合成中起到重要作用.热分析结果表明量子点晶核与蛋白质之间的作用增加了蛋白质的热稳定性,原因是因为蛋白质的一些官能团和量子点之间发生了结合.     

甜荞麦麸皮蛋白质提取工艺研究

以甜荞麦麸皮为原料,分别以碱法和盐法提取蛋白质.通过单因素实验和正交试验,探讨了不同因素对蛋白质提取率的影响,确定了最佳提取参数.结果表明,碱法和盐法提取蛋白质的等电点分别为3.8和4.2.碱法提取蛋白质的最优条件为:pH 10.5,料液比1∶25,温度45℃,时间4h,在此条件下提取率高达70.5%.盐法提取蛋白质的最优条件为:pH 7.8,NaCl浓度0.3mol/L,料液比1∶20,温度45℃,时间1.5h,此条件下的提取率高达57.3%.     

融合多数据源的蛋白质功能模块的挖掘算法

针对蛋白质相互作用(protein-protein interaction,PPI)网络的信息不完善和高噪声问题,提出一种融合多生物数据的二分图聚类集成方法以检测网络中的功能模块.该方法结合了基因本体论(gene ontology,GO)、基因表达谱数据以及多种基础聚类算法,用一种新的二分图来组织多种基础聚类算法的中间结果,并结合对称非负矩阵分解(non-negative matrix factorization,NMF)算法挖掘其中功能意义上最一致蛋白质功能模块,同时,该算法能处理蛋白质功能重叠问题.实验结果表明:所提算法整体优于基准比较方法,是一种融合多种生物信息源和不同的聚类方法的有效途径.     

芯砂用动物蛋白质粘结剂的研究

研讨了用动物蛋白质凝胶作主粘结剂的芯砂性能、最佳配比和烘干工艺。这种芯砂的比强度高，溃散性好，烘干温度较低，时间较短，能满足铸铁件型芯的要求。该粘结剂成本低廉、无毒、无害，为铸造用无公害粘结剂系统的开发开辟了一个新的领域     

动态加权蛋白质相互作用网络构建及其应用研究

一个蛋白质可能在不同条件或不同时刻与不同的蛋白质发生相互作用,这称为蛋白质的动态特性.蛋白质在分子处理的不同阶段参与到不同的模块,与其他的蛋白质共同完成某项功能.因此, 动态蛋白质相互作用的研究有助于提高蛋白质功能预测的准确率.结合蛋白质相互作用网络和时间序列基因表达数据,构建动态蛋白质相互作用网络.为降低PPI网络中假阴性对功能预测产生的负面影响,结合结构域信息和复合物信息,预测和产生新的相互作用,并对相互作用加权.基于构建的动态加权网络,提出一种功能预测方法D-PIN (Dynamic protein interaction networks). 基于三个不同的酵母相互作用网络实验结果表明, D-PIN 方法的综合性能比现有方法提高了14%以上.结果验证了构建的动态加权蛋白质相互网络的有效性.     

基于序列的G蛋白偶联受体-药物相互作用预测研究

准确预测G蛋白质偶联受体(GPCR)是否与药物(Drug)相互作用是新药开发的关键步骤之一。从时间和费用方面来说,通过生物实验的方法来确定GPCR-Drug是否相互作用的代价是昂贵的。因此,直接从蛋白质序列出发预测GPCR-Drug的相互作用具有重要的意义。提出了一种基于序列的GPCR-Drug相互作用预测方法:从蛋白质序列抽取进化信息特征;对药物抽取指纹特征;基于上述两种特征,使用基于证据理论的K近邻算法进行分类预测。在标准数据集上的实验结果表明了所述方法的有效性。     

蛋白质构象空间局部增强差分进化搜索方法

针对蛋白质构象空间搜索问题,提出一种蛋白质构象空间局部增强差分进化搜索方法。在差分进化算法框架下,采用Rosetta Score3粗粒度知识能量模型有效降低构象空间的搜索维数,加快算法收敛速度;引入基于知识的片段组装技术可以有效提高预测精度;利用Monte Carlo算法良好的局部搜索性能对种群做局部增强,以得到更为优良的局部构象;结合差分进化算法较强的全局搜索能力,可以对构象空间进行更为有效的采样。5个测试蛋白实验结果表明,所提算法具有较好的搜索性能和预测精度。     

基于并行群体模拟退火算法的蛋白质折叠研究

蛋白质折叠研究对于揭示蛋白结构和功能关系,进而了解相关疾病的致病机理意义重大。蛋白质折叠已被证明是 NP-完全问题。本文针对蛋白质折叠研究中的能量最小化问题,提出了一种新的并行群体模拟退火算法（Parallel Group Simulated Annealing,PGSA）及其改进型算法（PGSA_1/K)。该算法使用了降温因子加速收敛精度,并采用 MPI 消息传递并行编程技术加快蛋白质结构空间搜索以及能量最小化寻找速度。以 Met_Enkephalin 蛋白为对象的计算机模拟仿真结果表明,我们提出的算法及其改进型有很好的扩展性,可以高效搜索蛋白结构空间,从而找到相关蛋白的最小能量结构。