36、蛋白质O-糖基化位点预测：基于支持向量机与结构信息

蛋白质O-糖基化位点预测：基于支持向量机与结构信息

1. 引言

蛋白质糖基化及其功能的研究是理解生命系统的重要课题之一。碳水化合物链与蛋白质或脂质结合，在各种生命现象中发挥着关键作用。超过一半的蛋白质会发生糖基化，以获得功能、生物多样性和结构稳定性等，并且这一过程还与阿尔茨海默病、癌症和呼吸系统疾病等严重疾病的发病有关。哺乳动物蛋白质糖基化主要有O-糖基化和N-糖基化两种类型。N-糖基化是在Asn-X-Ser/Thr序列中的天冬酰胺（Asn）残基上进行的结合过程，其机制包括糖蛋白的合成途径已被阐明。而O-糖基化则是丝氨酸（Ser）或苏氨酸（Thr）特异性的，但目前其共识序列和机制仍不清楚。

近年来，生物信息学的实验发现迅速增加。UniProt是最大的蛋白质序列信息数据库，它整合了以前的主要数据库SwissProt和PIR。该数据库的数据根据最新的实验报告进行更新，并通过互联网向公众开放。蛋白质数据库（PDB）是最大的蛋白质结构信息数据库，包含通过X射线衍射或NMR研究观察到的组成元素的三维结构数据，同样也向公众开放。

在本研究中，我们使用从UniProt8.0获得的最新哺乳动物蛋白质序列数据，以及从PDB获得的蛋白质结构数据，通过DSSP计算二级结构信息和可及性，并使用支持向量机（SVM）来预测O-糖基化位点。

2. 蛋白质数据

2.1 来自UniProt的蛋白质序列数据和来自PDB的结构数据

从UniProt8.0中选择了99条具有O-糖基化注释的哺乳动物蛋白质序列。在这99条序列中，有41种蛋白质在PDB中注册了每个氨基酸残基的三维结构数据。由于PDB中的每个数据是在特定实验条件下观察到的蛋白质数据，一种蛋白