[发明专利]一种非参数膜蛋白跨膜螺旋预测方法

说明书

技术领域

本发明涉及膜蛋白质序列跨膜螺旋预测技术，特别是一种非参数膜蛋白跨膜螺旋预测方法。 

背景技术

膜蛋白(Transmembrane Protein)在生物体中是一类非常重要的蛋白质, 它对于细胞的营养物质运输、细胞间信号传递以及能量交换都起着非常重要的作用。同时，膜蛋白也是很多药物作用的靶点, 最典型的为G蛋白家族。有研究表明, 药物研发中60%~70%的目标蛋白是G蛋白家族成员。在基因组数据中,有20%~ 30%的基因产物被预测为膜蛋白，然而遗憾的是，在PDB( Protein Data Bank)数据库中只有1%左右的跨膜蛋白结构被精确测定。由于膜蛋白的疏水特性，使得其结构的生物测定非常困难：它需要与生物膜结合才能形成稳定的天然构象，难以得到晶体结构, 而测定蛋白质三维结构最常用的是使用X射线进行晶体衍射和使用核磁共振技术进行测定。膜蛋白的特殊结构使得这两种方法实现起来都非常不利。因此应用生物信息学的相关知识，使用计算机预测技术来研究膜蛋白的跨膜结构就显得尤为重要, 对于发现和认识新的跨膜蛋白以及研究其结构和生理功能有着重要的意义。 

目前已经有很多膜蛋白跨膜螺旋预测模型出现，跨膜螺旋的预测精度正日益提高。典型的膜蛋白跨膜螺旋预测方法有：TMHMM (A. Krogh, B. Larsson, G. von Heijne, and E. L. Sonnhammer, Predicting transmembrane protein topology with a hidden Markov model: application to complete genomes, J. Mol. Biol., vol. 305, pp. 567-580, 2001.)和PHOBIUS (L. Kall, A. Krogh, and E. L. Sonnhammer, A combined transmembrane topology and signal peptide prediction method, J. Mol. Biol., vol. 338, pp. 1027-36, 2004.)，这两种方法均使用隐马尔可夫模型(Hidden Markov Model, HMM)来进行跨膜螺旋的预测；基于神经网络和动态规划的方法，如MEMSAT3 (Improving the accuracy of transmembrane protein topology prediction using evolutionary information. Bioinformatics, 23(5):538-544, 2007)；基于支持向量基的方法，如SVMtm (Z. Yuan, J. S. Mattick, and R. D. Teasdale, “SVMtm: Support vector machines to predict transmembrane segments,” J. Comput. Chem., vol.25, pp. 632–636, 2004)。 

然而，综合分析这些预测模型，可以发现，大部分现有的方法都是参数化方法，也就是说，模型在学习过程中有大量的参数需要进行优化，一方面带来计算复杂度的提高，另外一方面，参数的选择非常困难。