49、蛋白质折叠识别与系统生物学研究进展

蛋白质折叠识别与系统生物学研究进展

在生物学研究中，蛋白质折叠识别和系统生物学是两个重要的领域。蛋白质折叠识别有助于了解蛋白质的结构和功能，而系统生物学则从整体层面研究细胞过程和疾病。下面将详细介绍相关的研究方法、结果以及面临的挑战和未来发展方向。

蛋白质折叠识别方法 - RDC - PROSPECT

RDC - PROSPECT是一种用于蛋白质折叠识别的方法，它结合了残余偶极耦合（RDC）数据和预测的二级结构信息，通过一系列算法实现高效准确的折叠识别。

1. 动态规划算法及约束检查
   动态规划算法由一组递推式组成，类似于Needleman - Wunsch算法。在递推计算的每一步，都会检查硬约束条件，以确保不违反约束。
2. 预测置信度评估
   由于比对分数未针对氨基酸长度和组成进行归一化，因此使用Z - score评估比对质量。对于具有一组实验RDC数据DNH和模板结构T的RDC比对问题，计算比对分数To的Z - score的步骤如下：
   • 多次随机打乱RDC数据及其各自的二级结构类型。
   • 对于每个重新打乱的RDC列表，计算其与模板T的比对分数。
   • Z - score的计算公式为：$Z = (T_s - T_0) / \sigma_s$，其中$T_s$和$\sigma_s$分别是重新打乱的RDC列表的平均比对分数及其标准差。在当前工作中，进行500次打乱操作。
3. 主比对框架搜索和折叠识别