1、第六章 蛋白质序列分析 西北农林科技大学农学院遗传组 主讲人：胡银岗主讲人：胡银岗 第一节第一节 蛋白质数据库蛋白质数据库 1.1.数据库的分类数据库的分类 蛋白质的功能主要是由它的结构所决定的，蛋白蛋白质的功能主要是由它的结构所决定的，蛋白质的结构主要分为四级，依据这种结构层次，质的结构主要分为四级，依据这种结构层次，将蛋白质数据库分为：将蛋白质数据库分为：蛋白质序列数据库蛋白质序列数据库 以蛋白质的序列为主，并赋予相应的注释；如以蛋白质的序列为主，并赋予相应的注释；如PIRPIRPSDPSD、SWISSSWISS-PROT/TrEMBL,NCBIPROT/TrEMBL,NCBI等等 蛋白质
2、模体及结构域数据库蛋白质模体及结构域数据库 收集了蛋白质的保守结构域和功能域的特征序列；收集了蛋白质的保守结构域和功能域的特征序列；如如PROSITEPROSITE，PfamPfam，PRINTSPRINTS，BLOCKSBLOCKS等等 蛋白质结构数据库蛋白质结构数据库 以蛋白质的结构测量数据为主；如以蛋白质的结构测量数据为主；如PDBPDB等等 蛋白质分类数据库蛋白质分类数据库 分为以序列比较为根底的序列分类数据库和以结分为以序列比较为根底的序列分类数据库和以结构比较为根底的结构分类数据库，如构比较为根底的结构分类数据库，如SCOPSCOP，CAHTCAHT，FSSPFSSP等等 2.蛋白
3、质序列数据库 :/pir.georgetown.edu/:/ebi.ac.uk/swissprot/3.蛋白质模体及结构域数据库 PROSITEPROSITE蛋白质家族和结构域数据库蛋白质家族和结构域数据库 expasy.org/prosite/expasy.org/prosite/PROSITEPROSITE数据库收集了有显著生物学意义的蛋白质位点数据库收集了有显著生物学意义的蛋白质位点序列、蛋白质特征序列谱库以及序列模型，序列、蛋白质特征序列谱库以及序列模型，能依据这些特征、属性快速可靠地鉴定出一个未知功能能依据这些特征、属性快速可靠地鉴定出一个未知功能蛋白质序列属于哪个蛋白质家族，蛋白质
4、序列属于哪个蛋白质家族，即使在蛋白质序列相似性很低的情况下，可以通过搜索即使在蛋白质序列相似性很低的情况下，可以通过搜索隐含的功能结构模体隐含的功能结构模体motifmotif来鉴定来鉴定 因此，是一个有效的序列分析数据库。因此，是一个有效的序列分析数据库。PROSITEPROSITE中涉及的序列模式中涉及的序列模式 酶的催化位点酶的催化位点 配体结合位点配体结合位点 金属离子结合位点金属离子结合位点 二硫键、小分子或者蛋白质结合区域等二硫键、小分子或者蛋白质结合区域等 PROSITEPROSITE还包括由多序列比对构建的序列特征谱还包括由多序列比对构建的序列特征谱profileprofile
5、，能更敏感地发现序列中的信息。，能更敏感地发现序列中的信息。:/expasy.org/prosite/PfamPfam蛋白质家族序列比对以及蛋白质家族序列比对以及HMMHMM模式数据库模式数据库 :/pfam.sanger.ac.uk/:/pfam.sanger.ac.uk/4.蛋白质结构数据库PDB :/rcsb.org/pdb/home/home.do PDB包括蛋白质、核酸、蛋白质-核酸复合体以及病毒等生物大分子结构数据，主要是蛋白质结构数据 5.蛋白质分类数据库 SCOP蛋白质结构分类数据库 Structural Classification of Protein database (
6、:/scop.mrc-lmb.cam.ac.uk/scop/index.html CATH蛋白质结构数据库 CATH Protein Structure Classification :/cathdb.info/FSSP 基于蛋白质结构结构比对的折叠分类Fold classification based on Structure-Structure alignment of Proteins :/ekhidna.biocenter.helsinki.fi/dali :/scop.mrc-lmb.cam.ac.uk/scop/index.html :/cathdb.info/:/ekhidna.
7、biocenter.helsinki.fi/dali 6.数据库的利用 蛋白质数据库都具备三种功能蛋白质数据库都具备三种功能 数据的注释数据的注释annotationannotation 所有提交到数据库的数据都要由作者或所有提交到数据库的数据都要由作者或数据库管理人员进行注释方能发布；数据库管理人员进行注释方能发布；数据的检索数据的检索searchsearch 数据经注释之后，访问者可以通过数据数据经注释之后，访问者可以通过数据库网页上提供的搜索引擎进行搜索，找库网页上提供的搜索引擎进行搜索，找到自己所需的蛋白质信息；到自己所需的蛋白质信息；数据的生物信息分析数据的生物信息分析analysi
8、sanalysis 访问者一旦找到感兴趣的蛋白质，就可访问者一旦找到感兴趣的蛋白质，就可以运用数据库提供的生物信息分析工具以运用数据库提供的生物信息分析工具对蛋白质序列的未知数据进行预测，如对蛋白质序列的未知数据进行预测，如预测蛋白质的理化性质预测蛋白质的理化性质,预测蛋白质的二预测蛋白质的二级结构，多重序列比对等等。级结构，多重序列比对等等。PROSITE 内容 PROSITE PROSITE 主要保存两类信息：主要保存两类信息：模式模式patternpattern和谱和谱profileprofile，权重矩阵，权重矩阵。模式可以理解为保守的氨基酸排列方式，通常以氨基酸单字母方式模式可以理解
9、为保守的氨基酸排列方式，通常以氨基酸单字母方式排列。排列。例如酪氨酸激酶磷酸化位点模式例如酪氨酸激酶磷酸化位点模式 RKRK-x(2)x(2)-DEDE-x(3)x(3)-Y Y 或或 RKRK-x(3)x(3)-DEDE-x(2)x(2)-Y Y 其中扩号表示扩号中的各种氨基酸均可，其中扩号表示扩号中的各种氨基酸均可，X X表示任意氨基酸，小扩号表示任意氨基酸，小扩号中的数字表示氨基酸个数。中的数字表示氨基酸个数。ACAC-x x-V V-x(4)x(4)-EDThis pattern is translated as:EDThis pattern is translated as:Ala
10、or CysAla or Cys-anyany-ValVal-anyany-anyany-anyany-anyany-any but Glu or Aspany but Glu or Asp PROSITE-profile 例如 Profile 为对保守区域每一位置氨基酸保守情况为对保守区域每一位置氨基酸保守情况进行打分构建的权重矩阵进行打分构建的权重矩阵。第一行为该区域出现的氨基酸第一行为该区域出现的氨基酸，每一行为蛋白序列每一行为蛋白序列中一个位置中一个位置，在该位置对各种氨基酸的保守情况都给出在该位置对各种氨基酸的保守情况都给出一个分值一个分值，分值越高表示出现概率越大分值越高表示出现概
11、率越大 PROSITE 使用本卷须知使用本卷须知 Pattern主要可以用来预测某些生物活性位主要可以用来预测某些生物活性位点，如磷酸化位点、甲基化位点。点，如磷酸化位点、甲基化位点。profile预测可靠性高，可以用来对新蛋白进行分预测可靠性高，可以用来对新蛋白进行分类和提供功能提示。类和提供功能提示。蛋白的功能位点是与其三维结构紧密相关蛋白的功能位点是与其三维结构紧密相关的，局部区域符合某种的，局部区域符合某种patternpattern不能保证一不能保证一定会具有对应的性质，要根据实际情况，定会具有对应的性质，要根据实际情况，谨慎对待谨慎对待pattern pattern 预测结果。预测
12、结果。PROSITE 工具工具 ScanProsite 搜索蛋白序列是否含搜索蛋白序列是否含PROSITE数据库中存有的模式或是功能位点；数据库中存有的模式或是功能位点；搜索搜索Swiss-Prot中符合某种模式的蛋白以及蛋白三维结构数据库中符合某种模式的蛋白以及蛋白三维结构数据库PDB中含有该模式的蛋白，可观察其三维结构。中含有该模式的蛋白，可观察其三维结构。MotifScan 使用使用PROSITE 以及以及pfam 中的中的profile 对蛋白进行搜索。对蛋白进行搜索。PRATT 用于找出一系列序列中保守模式的程序，用户可以提交自己的一组用于找出一系列序列中保守模式的程序，用户可以提交
13、自己的一组序列，生成共有的序列，生成共有的pattern。PROSITE还提供一些可以下载到本地运行的程序还提供一些可以下载到本地运行的程序 如如ps_scan，但需要安装，但需要安装perl 运行环境。运行环境。Pftools 同样是可以本地同样是可以本地运行的工具，可以搜索运行的工具，可以搜索PROSITE中的中的profile，也可以构建用户自，也可以构建用户自己的己的profile.第二节第二节 蛋白质序列分析及结构预测策略蛋白质序列分析及结构预测策略 蛋白质的结构预蛋白质的结构预测必须基于一定测必须基于一定的序列根底和实的序列根底和实验证据，因此必验证据，因此必须尽可能搜集一须尽可能
14、搜集一切有关这个蛋白切有关这个蛋白质可能的理化性质可能的理化性质和其它特性。质和其它特性。1.根本流程根本流程 实验数据实验数据 蛋白质序列蛋白质序列 理化特性分析理化特性分析 跨膜区、等电点、亲水性、疏水性、酶切跨膜区、等电点、亲水性、疏水性、酶切特性、电荷等特性、电荷等 数据库检索数据库检索 多序列比对、结构域搜索多序列比对、结构域搜索 二级结构预测二级结构预测 如有如有PDB中同源体中同源体 蛋白质折叠识别蛋白质折叠识别 折叠家族分析折叠家族分析 序列与结构比对序列与结构比对 比较建模比较建模 三级结构预测三级结构预测 三维蛋白模型三维蛋白模型 蛋白质序列分析及结构预测的根本流程蛋白质序
15、列分析及结构预测的根本流程 1.序列特征的初步分析序列特征的初步分析 理化特性的预测理化特性的预测 修饰位点的预测修饰位点的预测 是否为跨膜蛋白或片段是否为跨膜蛋白或片段 是否包含螺旋卷曲结构是否包含螺旋卷曲结构 是否还有低复杂度序列等等是否还有低复杂度序列等等 2.同源搜索同源搜索 新序列最常用的分析，就是与的序列等数据库进行比对，找到同源新序列最常用的分析，就是与的序列等数据库进行比对，找到同源的蛋白质序列或相似性较高的序列。的蛋白质序列或相似性较高的序列。常用的工具：常用的工具：BLASTp、FASTA、BLITZ、PSIBLAST等等等等 注意的问题注意的问题 选择矩阵：常见的矩阵有选
16、择矩阵：常见的矩阵有PAM和和BLOSUM。一般先用默认的。一般先用默认的BLOSUM62分析，如果相似性序列过多，选用更严谨的分析，如果相似性序列过多，选用更严谨的BLOSUM80，如果相似性序列很少，可选用如果相似性序列很少，可选用BLOSUM42，进一步分析。，进一步分析。PAM30和和PAM70适于分析近源短序列效果较好适于分析近源短序列效果较好 空位罚分：一般有两个参数，对空位存在的扣除和对于连续空位的空位罚分：一般有两个参数，对空位存在的扣除和对于连续空位的延伸罚分。空位罚分大但延伸罚分少，适于空位少但长的序列；空延伸罚分。空位罚分大但延伸罚分少，适于空位少但长的序列；空位罚分小但延伸罚分重，适于在进化上点突变或者突变短小的较近位罚分小但延伸罚分重，适于在进化上点突变或者突变短小的较近同源序列。同源序列。3.模体搜索模体搜索 模体是通过对一个蛋白质家族进行多序列比对检测出的模体是通过对一个蛋白质家族进行多序列比对检测出的高度保守元件，常对应于一些结构域和功能域，模体搜高度保守元件，常对应于一些结构域和功能域，模体搜索是找到序列中一些关键的保守氨基酸。索是找到序列中一些关键的
