一种基于距离谱知识的正态分布距离接收概率模型构建方法

摘要

一种基于距离谱知识的正态分布距离接收概率模型构建方法，首先，下载蛋白质数据库中结构已知的高分辨率蛋白质文件，通过比较序列相似度去除同源性大于预设阈值的序列构成非冗余模板库；其次，通过一个滑动窗口对模板库中的蛋白质结构与查询序列进行相似度比较，选出查询序列每个位置中得分最高的前M个片段构成片段库文件；然后选取查询序列两个位置上片段库中来自于同一模板片段结构的距离构成距离谱；最后根据残基间距离谱的距离分布，提取预测距离和方差对其构建正态分布的概率密度函数，比对诱导构象的结构相似性，并以正态分布的距离接收概率接受构象。本发明空间采样能力较强、更新精度较高。

主权项

一种基于距离谱知识的正态分布距离接收概率模型构建方法，其特征在于：所述模型构建方法包括以下步骤：1)构建非冗余模板库：1.1)从蛋白质数据库网站上下载分辨率小于的高精度蛋白质，其中为距离单位，1.2)将含有多条多肽链的蛋白质分裂成单链，并保留最长的链与其他链比较序列相似度，去除相似度大于预设阈值的冗余多肽链；1.3)将余下的多肽链两两求序列相似度I_mn，统计每一条链的累计相似度其中m，n为多肽链的序号，N为剩余所有链的总数；1.4)对N条链根据累计相似度进行递减排列，从累计相似度最大的链开始依次与其他链比较去除序列相似度大于预设阈值的链，得到非冗余蛋白质模板库；2)输入查询序列；3)生成片段库：3.1)构建结构相似度函数f(i,j)，其中i为查询序列残基位置，j为片段结构；3.1.1)查询序列通过PSI‑BLAST比对预设数量氨基酸得到序列频率谱得分项P_q(i,k)，其中i为查询序列残基位置，k为预设数量氨基酸类型，q为查询序列标示符；3.1.2)L_q(i,k)和L_t(j,k)是通过PSI‑BLAST得到的查询序列和模板序列对数谱；3.1.3)通过PSSpred计算得到模板结构的二级结构预测ss_t；3.1.4)通过神经网络程序对序列谱进行训练得到查询序列二级结构预测指标ss_q；3.1.5)通过EDTSurf计算得到模板蛋白质溶剂可达性参数sa_t；3.1.6)通过神经网络程序预测得到查询序列溶剂可及性指标sa_q；3.1.7)通过二层神经网络程序训练序列谱和二级结构可以预测得到查询序列的二面角ψ_q；3.1.8)质心原子二面角可以通过查询蛋白质字典得到ψ_t为模板结构；3.1.9)SP_t(j,k)为模板结构中每一个残基相对预设数量残基类型的频率矩阵；3.1.10)结构相似度函数其中w₁，w₂，w₃，w₄，w₅为权重值；3.2)通过无间隙穿线法以3个残基为单体单元，将非冗余模板库中的片段结构与查询序列进行匹配，根据结构相似度函数f(i,j)对片段结构打分；3.3)在查询序列与模板片段结构匹配时使用一个滑动窗口，比对查询序列i个位置和第j个片段的相似度得分f(i,j)，选出每个位置上得分最高的前M个片段构成片段库；4)得到距离谱：4.1)遍历查询序列残基位置上M个相似度较高的片段，是查询序列第i个位置上的片段，是查询序列第j位置上的片段；4.2)用a_ik和a_jl表示i和j上选出的来自于同一模板结构的片段结构；4.3)计算a_ik和a_jl在原模板结构中的距离d_ij；4.4)统计查询序列残基对来自于同个模板片段间的距离，在这里只统计小于的残基对之间距离，画出直方图得到距离谱，直方图横坐标的距离间隔为当模板中残基对之间的距离在某个区间内，则该区间总数就加1，若折线图在内的某个距离区间出现峰值，则该峰值对应的距离区间即为目标序列中残基i到残基j的预测距离；5)提取第p距离谱中的预测距离和方差σ_p，对诱导构象decoy构建距离接收概率$P_{accept}^{decoy}=\frac{1}{N}{\Sigma }_{p=1}^N\frac{1}{{\sigma }_p\sqrt{2\pi }}\exp (-\frac{{(D_{decoy}^{p(a,b)}-D_{\mathrm{Pr}ofile}^p)}^2}{2{\sigma }_p^2})$其中，decoy为诱导构象，profile表示距离谱，N为诱导构象预测得到的距离谱条数，p为距离谱索引，a和b分别是第p条距离谱中记录的残基位置索引，为诱导构象残基a到残基b之间的空间距离，为第p条距离谱的预测距离，σ_p为第p条距离谱的分布方差。