基于DNA序列特征分析的固有無(wú)序蛋白分類研究.pdf

1、固有無(wú)序蛋白（IDPs，Intrinsic Disordered Proteins）是近些年發(fā)現(xiàn)的一類普遍存在且缺乏穩(wěn)定三維結(jié)構(gòu)的天然蛋白，在多種生理與病理過(guò)程中行使重要的生物學(xué)功能。由于結(jié)構(gòu)柔性大，實(shí)驗(yàn)研究IDPs難度很大。目前IDPs的許多生物機(jī)理還不清楚，基于生物信息學(xué)方法發(fā)展IDPs預(yù)測(cè)分析算法為IDPs的研究提供了重要研究工具。自固有無(wú)序蛋白被發(fā)現(xiàn)以來(lái)，研究人員發(fā)展了多個(gè)IDPs預(yù)測(cè)算法，然而多數(shù)預(yù)測(cè)算法效率不高，不同預(yù)測(cè)算法

2、之間的預(yù)測(cè)結(jié)果具有很大差異，還需要更加全面、深入挖掘IDPs固有序列結(jié)構(gòu)特征。已有的IDPs預(yù)測(cè)算法都是基于蛋白質(zhì)序列特征構(gòu)建而成，因此為了揭示IDPs更深層次序列結(jié)構(gòu)特征，本文系統(tǒng)研究了IDPs中有序區(qū)和無(wú)序區(qū)對(duì)應(yīng)在DNA序列層次的差異特征，在此基礎(chǔ)上發(fā)展了IDPs有序區(qū)/無(wú)序區(qū)預(yù)測(cè)分類算法，為今后IDPs預(yù)測(cè)提供了新思路，論文主要工作如下。
　　1.基于DNA水平的IDPs有序區(qū)/無(wú)序區(qū)序列特征分析
　　以最新版本的ID

3、Ps數(shù)據(jù)庫(kù)DisProt6.02中的注釋信息為基礎(chǔ)，本文首先從EMBL核酸數(shù)據(jù)庫(kù)獲取了IDPs對(duì)應(yīng)原始基因組中的DNA序列，經(jīng)過(guò)去冗余等環(huán)節(jié)，最終構(gòu)建了包含1063條有序區(qū)和499條無(wú)序區(qū)數(shù)據(jù)集?；谠摂?shù)據(jù)集，本文借助序列分析CGR（Chaos Game Representation）模型、密碼子偏好分析等方法，深入研究了有序區(qū)和無(wú)序區(qū)序列的特征差異，結(jié)果表明有序區(qū)和無(wú)序區(qū)在單堿基、二聯(lián)體核苷酸、密碼子使用等方面存在不同程度的差異，具有

4、一定的偏好性。進(jìn)一步分析表明無(wú)序區(qū)有更寬的密碼子使用范圍，密碼子用法差異較大，具有相似密碼子用法的基因數(shù)量少，而有序區(qū)密碼子用法相似。對(duì)密碼子各位點(diǎn)GC相對(duì)含量、嘌呤與嘧啶的含量差分析結(jié)果表明有序區(qū)和無(wú)序區(qū)存在一定的特征差異。無(wú)序區(qū)G+C含量差異較大，無(wú)序區(qū)密碼子第三位位點(diǎn)偏好使用嘌呤而有序區(qū)偏好使用嘧啶。此外，本文對(duì)有序區(qū)和無(wú)序區(qū)連接位點(diǎn)區(qū)域的序列特征進(jìn)行了比較分析，結(jié)果發(fā)現(xiàn)無(wú)序區(qū)具有相對(duì)保守的序列特征。因此，上述研究表明了IDPs有

5、序區(qū)和無(wú)序區(qū)在DNA層次展現(xiàn)了不同程度的序列特征，為IDPs預(yù)測(cè)奠定了理論基礎(chǔ)。
　　2.融合蛋白質(zhì)及DNA序列特征的IDPs有序區(qū)/無(wú)序區(qū)分類方法
　　為了能夠定量刻畫IDPs有序區(qū)和無(wú)序區(qū)的差異特征，本文分別選取了三種特征參數(shù)作為IDPs分類算法的輸入?yún)?shù)：第一種特征對(duì)應(yīng)DNA序列單堿基、二聯(lián)體核苷酸、三聯(lián)體核苷酸使用頻率；第二種特征引入了基于TN曲線和Z曲線提出的75個(gè)特征參數(shù)來(lái)描述三聯(lián)體核苷酸的組成及排列信息；第三種