20、蛋白质结合位点残基关联与图像增强研究

蛋白质结合位点残基关联与图像增强研究

蛋白质结合位点残基关联研究

在蛋白质研究领域，了解蛋白质的重要区域对于揭示其功能至关重要。那些能够与配体形成复合物的蛋白质位点，在功能上往往最为关键。然而，蛋白质数据库（PDB）中标记为“功能未知”的结构数量在1999年至2004年间几乎每年都增加两倍。

蛋白质功能预测方法

有研究采用自上而下的方法来解决蛋白质功能预测问题。例如，Shen等人仅使用序列数据，就能将给定蛋白质归类到酶委员会（EC）的主要类别中，如氧化还原酶、转移酶、水解酶、裂解酶、异构酶和连接酶，并且在EC类别预测上达到了超过90%的准确率。但本研究关注的是结合位点特征对酶功能的贡献。

利用结构信息预测蛋白质功能是一项具有挑战性的任务。一方面，基于序列的方法在大数据集上表现出色，如Shen等人的研究；另一方面，Bray等人使用294种非冗余酶进行酶类预测，准确率仅为33.1%。Bray等人和Dobson等人从催化位点图谱（CSA）中提取结合位点的结构特征，分析了六个主要EC分类组之间的序列和结构特征差异。

数据库介绍

• ZINC数据库 ：这是一个免费的商业可用化合物数据库，用于虚拟筛选，包含约750,000个分子的库，每个分子都有3D结构并标注了分子性质。目前，ZINC为每个分子提供9种计算属性，如分子量、logP等。从ZINC数据库的SMILES符号中还可以计算出一些特征，如碳、氧和氮原子的数量等。
• 蛋白质配体相互作用数据库（PLID v1.1） ：PLID v1.0由Reddy等人于2008年基于