固有無(wú)序蛋白質(zhì)無(wú)序區(qū)和有序區(qū)氨基酸組成偏好性分析

王紅梅等

摘要：以固有無(wú)序蛋白質(zhì)為研究對(duì)象，通過(guò)CD-HIT對(duì)數(shù)據(jù)進(jìn)行去冗余處理，然后利用編程軟件對(duì)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)而得到新的數(shù)據(jù)。對(duì)所有無(wú)序區(qū)及有序區(qū)的氨基酸含量進(jìn)行對(duì)比，認(rèn)為氨基酸Val、Ile、Leu、Phe、Trp、Asn、Tyr、His具有形成有序結(jié)構(gòu)的偏好性；氨基酸Pro、Ser、Gln、Asp、Lys具有形成無(wú)序結(jié)構(gòu)的偏好性。研究結(jié)論有助于進(jìn)一步挖掘固有無(wú)序蛋白質(zhì)的序列特征，并為固有無(wú)序蛋白質(zhì)的預(yù)測(cè)提供一些借鑒。

關(guān)鍵詞：固有無(wú)序蛋白質(zhì)；功能位點(diǎn)；無(wú)序區(qū)；序列分析

中圖分類(lèi)號(hào)： Q516 文獻(xiàn)標(biāo)志碼： A 文章編號(hào)：1002-1302（2014）04-0038-02

收稿日期：2013-08-23

基金項(xiàng)目：山東省自然科學(xué)基金（編號(hào)：ZR2010CQ041）。

作者簡(jiǎn)介：王紅梅（1974—），女，山東德州人，碩士，副教授，主要從事生物信息學(xué)的研究。E-mail：whm_2327@126.com。蛋白質(zhì)是生物體中最重要的兩類(lèi)大分子之一，傳統(tǒng)思想認(rèn)為蛋白質(zhì)要實(shí)現(xiàn)其生物功能，必須先折疊成一個(gè)穩(wěn)定的三維結(jié)構(gòu)，因此形成了蛋白質(zhì)結(jié)構(gòu)決定其功能的主流觀點(diǎn)[1]。然而隨著基因工程方法和實(shí)驗(yàn)技術(shù)的發(fā)展以及基因組計(jì)劃的開(kāi)展，在20世紀(jì)90年代初，人們發(fā)現(xiàn)有些蛋白質(zhì)或蛋白質(zhì)序列中的一部分區(qū)域在生理?xiàng)l件下不具有一個(gè)確定的三維結(jié)構(gòu)，但是依然能夠正常行使生物學(xué)功能。進(jìn)一步研究發(fā)現(xiàn)的這類(lèi)蛋白質(zhì)越來(lái)越多，并逐漸形成了一種新的蛋白質(zhì)類(lèi)型，稱(chēng)為固有無(wú)序蛋白質(zhì)（intrinsically disordered proteins，簡(jiǎn)稱(chēng)為IDPs）[1-3]。對(duì)目前存在的大量基因庫(kù)數(shù)據(jù)進(jìn)行分析發(fā)現(xiàn)：蛋白質(zhì)的無(wú)序結(jié)構(gòu)與蛋白質(zhì)功能之間關(guān)系密切，無(wú)序蛋白質(zhì)在諸如轉(zhuǎn)錄、翻譯、調(diào)控細(xì)胞信號(hào)轉(zhuǎn)導(dǎo)、蛋白質(zhì)磷酸化及小分子存儲(chǔ)等過(guò)程中發(fā)揮著重要的作用；另一方面，無(wú)序蛋白質(zhì)又經(jīng)常與多種疾病聯(lián)系在一起。與人類(lèi)癌癥相關(guān)的蛋白質(zhì)中，無(wú)序蛋白質(zhì)的含量高達(dá)79%；在心血管疾病有關(guān)的蛋白質(zhì)中，無(wú)序蛋白質(zhì)的含量也高達(dá)57%。無(wú)序區(qū)是固有無(wú)序蛋白質(zhì)發(fā)揮功能的主要區(qū)域，功能位點(diǎn)大多分布在該區(qū)域，因此預(yù)測(cè)蛋白質(zhì)的無(wú)序區(qū)成為判斷蛋白質(zhì)是否無(wú)序的熱點(diǎn)問(wèn)題。Romero 等在1997年首次對(duì)蛋白質(zhì)無(wú)序區(qū)域進(jìn)行預(yù)測(cè)，他們預(yù)測(cè)的準(zhǔn)確性達(dá)到70%，此后無(wú)序蛋白質(zhì)的預(yù)測(cè)方法得到了迅速發(fā)展，目前應(yīng)用于無(wú)序蛋白質(zhì)序列預(yù)測(cè)的方法已經(jīng)超過(guò)50種，并且這些預(yù)測(cè)方法的準(zhǔn)確性普遍達(dá)到85%以上。

本研究基于序列分析的方法，以DisProt數(shù)據(jù)庫(kù)中的固有無(wú)序蛋白質(zhì)為研究對(duì)象，通過(guò)CD-HIT程序?qū)?shù)據(jù)進(jìn)行去冗余處理，將處理后的數(shù)據(jù)利用編程軟件Matlab 7.0進(jìn)行統(tǒng)計(jì)而得到新的數(shù)據(jù)；對(duì)新數(shù)據(jù)進(jìn)行分析，通過(guò)編程把序列的無(wú)序區(qū)和有序區(qū)分別提取出來(lái)，再分析無(wú)序區(qū)和有序區(qū)氨基酸組成的偏好性。本研究有助于進(jìn)一步挖掘固有無(wú)序蛋白質(zhì)的序列特征，從而為固有無(wú)序蛋白質(zhì)的預(yù)測(cè)提供借鑒。

1數(shù)據(jù)來(lái)源及去冗余處理

1.1數(shù)據(jù)來(lái)源

本研究以固有無(wú)序蛋白質(zhì)數(shù)據(jù)庫(kù)DisProt（版本6.01）[4]（http：//www.disprot.org/index.php）為研究對(duì)象（發(fā)布日期為2012年10月15日），下載數(shù)據(jù)庫(kù)中最新的固有無(wú)序蛋白質(zhì)進(jìn)行研究，共有無(wú)序蛋白質(zhì)684個(gè)，無(wú)序區(qū)1 513個(gè)。

1.2去冗余處理

由于蛋白質(zhì)序列數(shù)據(jù)庫(kù)中都含有大量的冗余序列，它們通常不能提供更多的信息，而且不利于數(shù)據(jù)的統(tǒng)計(jì)分析，并且由于冗余序列要占用更多的計(jì)算機(jī)存儲(chǔ)和處理資源，因此去除這些冗余信息具有很高的實(shí)用價(jià)值，不但可以減小數(shù)據(jù)庫(kù)的大小、提高序列搜索的速度，而且有助于對(duì)數(shù)據(jù)的統(tǒng)計(jì)分析。本研究利用去冗余程序CD-HIT[5-6]（http：//weizhong-lab.ucsd.edu/cdhit_suite/cgi-bin/index.cgi）對(duì)數(shù)據(jù)進(jìn)行處理，將相似度閾值設(shè)為30%。結(jié)果顯示：去冗余前，固有無(wú)序蛋白質(zhì)共有684條序列；去冗余后，蛋白質(zhì)共有549條序列。

2固有無(wú)序蛋白質(zhì)無(wú)序區(qū)和有序區(qū)的氨基酸組成偏好性分析

用Matlab編程對(duì)全部序列（去冗余后）提取無(wú)序區(qū)和有序區(qū)。無(wú)序區(qū)包括112個(gè)全部無(wú)序區(qū)（如DisProtDP00001，108個(gè)氨基酸都是無(wú)序的）以及非全部無(wú)序蛋白質(zhì)（蛋白質(zhì)中含有無(wú)序片段）序列中的各條無(wú)序區(qū)；無(wú)序區(qū)的氨基酸總數(shù)為64 243，約占固有無(wú)序蛋白質(zhì)氨基酸總數(shù)的28.67%。因此可以看出：固有無(wú)序蛋白質(zhì)中有序區(qū)的氨基酸數(shù)大約是無(wú)序區(qū)氨基酸數(shù)的3.5倍。結(jié)果表明，固有無(wú)序蛋白質(zhì)的氨基酸在有序區(qū)的含量要大大高于無(wú)序區(qū)，即固有無(wú)序蛋白質(zhì)的大部分組分都是有序部分。

對(duì)固有無(wú)序蛋白質(zhì)中的所有無(wú)序區(qū)及有序區(qū)的氨基酸個(gè)數(shù)和含量進(jìn)行對(duì)比，以分析每種氨基酸的偏好性。通過(guò) Matlab 軟件進(jìn)行處理得到了固有無(wú)序蛋白質(zhì)中的無(wú)序區(qū)和有序區(qū)的所有氨基酸含量及差值，詳見(jiàn)表1。

3結(jié)論

本研究以DisProt數(shù)據(jù)庫(kù)中的固有無(wú)序蛋白質(zhì)為研究對(duì)象，先通過(guò)程序CD-HIT對(duì)數(shù)據(jù)進(jìn)行去冗余處理，然后利用編程軟件Matlab7.0對(duì)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)而得到新的數(shù)據(jù)，再對(duì)數(shù)據(jù)進(jìn)行分析。結(jié)果表明：氨基酸Val、Ile、Leu、Phe、Trp、Asn、Tyr、His具有形成有序結(jié)構(gòu)的偏好性；氨基酸Pro、Ser、Gln、Asp、Lys具有形成無(wú)序結(jié)構(gòu)的偏好性。

無(wú)序蛋白質(zhì)具有獨(dú)特的氨基酸組成特點(diǎn)，這些獨(dú)特的氨基酸序列決定了其無(wú)序的結(jié)構(gòu)。無(wú)序蛋白質(zhì)的研究將促進(jìn)人們重新認(rèn)識(shí)蛋白質(zhì)的結(jié)構(gòu)和功能關(guān)系，也將為蛋白質(zhì)的全新設(shè)計(jì)和疾病的治療提供新的思路。相信隨著研究數(shù)據(jù)的增加，對(duì)固有無(wú)序蛋白質(zhì)的研究將更深入和全面，從而能夠進(jìn)一步加深對(duì)這類(lèi)蛋白質(zhì)的認(rèn)識(shí)。

參考文獻(xiàn)：

[1]Uversky V N. Natively unfolded proteins：A point where biology waits for physics[J]. Protein Science，2002，11（4）：739-756.

[2]Dunker A K，Obradovic Z，Romero P，et al. Intrinsic protein disorder in complete genomes[J]. Genome Informatics，2000，11：161-171.

[3]Dunker A K，Oldfield C J，Meng J，et al. The unfoldomics decade：an update on intrinsically disordered proteins[J]. BMC Genomics，2008，9（S2）：12-18

[4]Sickmeier M，Hamilton J A，LeGall T，et al. DisProt：the database of disordered proteins[J]. Nucleic Acids Research，2007，35（S1）：786-793.

[5]Li W，Godzik A.Cd-hit：a fast program for clustering and comparing large sets of protein or nucleotide sequences[J]. Bioinformatics，2006，22（13）：1658-1659.

[6]Li W，Jaroszewski L，Godzik A. Clustering of highly homologous sequences to reduce the size of large protein databases[J]. Bioinformatics，2001，17（3）：282-283.

[7]黃永棋，劉志榮. 天然無(wú)序蛋白質(zhì)：序列-結(jié)構(gòu)-功能的新關(guān)系[J]. 物理化學(xué)學(xué)報(bào)2010，26（8）：2061-2072.劉思言，高瑋，夏海豐，等.

摘要：以固有無(wú)序蛋白質(zhì)為研究對(duì)象，通過(guò)CD-HIT對(duì)數(shù)據(jù)進(jìn)行去冗余處理，然后利用編程軟件對(duì)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)而得到新的數(shù)據(jù)。對(duì)所有無(wú)序區(qū)及有序區(qū)的氨基酸含量進(jìn)行對(duì)比，認(rèn)為氨基酸Val、Ile、Leu、Phe、Trp、Asn、Tyr、His具有形成有序結(jié)構(gòu)的偏好性；氨基酸Pro、Ser、Gln、Asp、Lys具有形成無(wú)序結(jié)構(gòu)的偏好性。研究結(jié)論有助于進(jìn)一步挖掘固有無(wú)序蛋白質(zhì)的序列特征，并為固有無(wú)序蛋白質(zhì)的預(yù)測(cè)提供一些借鑒。

關(guān)鍵詞：固有無(wú)序蛋白質(zhì)；功能位點(diǎn)；無(wú)序區(qū)；序列分析

中圖分類(lèi)號(hào)： Q516 文獻(xiàn)標(biāo)志碼： A 文章編號(hào)：1002-1302（2014）04-0038-02

收稿日期：2013-08-23

基金項(xiàng)目：山東省自然科學(xué)基金（編號(hào)：ZR2010CQ041）。

作者簡(jiǎn)介：王紅梅（1974—），女，山東德州人，碩士，副教授，主要從事生物信息學(xué)的研究。E-mail：whm_2327@126.com。蛋白質(zhì)是生物體中最重要的兩類(lèi)大分子之一，傳統(tǒng)思想認(rèn)為蛋白質(zhì)要實(shí)現(xiàn)其生物功能，必須先折疊成一個(gè)穩(wěn)定的三維結(jié)構(gòu)，因此形成了蛋白質(zhì)結(jié)構(gòu)決定其功能的主流觀點(diǎn)[1]。然而隨著基因工程方法和實(shí)驗(yàn)技術(shù)的發(fā)展以及基因組計(jì)劃的開(kāi)展，在20世紀(jì)90年代初，人們發(fā)現(xiàn)有些蛋白質(zhì)或蛋白質(zhì)序列中的一部分區(qū)域在生理?xiàng)l件下不具有一個(gè)確定的三維結(jié)構(gòu)，但是依然能夠正常行使生物學(xué)功能。進(jìn)一步研究發(fā)現(xiàn)的這類(lèi)蛋白質(zhì)越來(lái)越多，并逐漸形成了一種新的蛋白質(zhì)類(lèi)型，稱(chēng)為固有無(wú)序蛋白質(zhì)（intrinsically disordered proteins，簡(jiǎn)稱(chēng)為IDPs）[1-3]。對(duì)目前存在的大量基因庫(kù)數(shù)據(jù)進(jìn)行分析發(fā)現(xiàn)：蛋白質(zhì)的無(wú)序結(jié)構(gòu)與蛋白質(zhì)功能之間關(guān)系密切，無(wú)序蛋白質(zhì)在諸如轉(zhuǎn)錄、翻譯、調(diào)控細(xì)胞信號(hào)轉(zhuǎn)導(dǎo)、蛋白質(zhì)磷酸化及小分子存儲(chǔ)等過(guò)程中發(fā)揮著重要的作用；另一方面，無(wú)序蛋白質(zhì)又經(jīng)常與多種疾病聯(lián)系在一起。與人類(lèi)癌癥相關(guān)的蛋白質(zhì)中，無(wú)序蛋白質(zhì)的含量高達(dá)79%；在心血管疾病有關(guān)的蛋白質(zhì)中，無(wú)序蛋白質(zhì)的含量也高達(dá)57%。無(wú)序區(qū)是固有無(wú)序蛋白質(zhì)發(fā)揮功能的主要區(qū)域，功能位點(diǎn)大多分布在該區(qū)域，因此預(yù)測(cè)蛋白質(zhì)的無(wú)序區(qū)成為判斷蛋白質(zhì)是否無(wú)序的熱點(diǎn)問(wèn)題。Romero 等在1997年首次對(duì)蛋白質(zhì)無(wú)序區(qū)域進(jìn)行預(yù)測(cè)，他們預(yù)測(cè)的準(zhǔn)確性達(dá)到70%，此后無(wú)序蛋白質(zhì)的預(yù)測(cè)方法得到了迅速發(fā)展，目前應(yīng)用于無(wú)序蛋白質(zhì)序列預(yù)測(cè)的方法已經(jīng)超過(guò)50種，并且這些預(yù)測(cè)方法的準(zhǔn)確性普遍達(dá)到85%以上。

本研究基于序列分析的方法，以DisProt數(shù)據(jù)庫(kù)中的固有無(wú)序蛋白質(zhì)為研究對(duì)象，通過(guò)CD-HIT程序?qū)?shù)據(jù)進(jìn)行去冗余處理，將處理后的數(shù)據(jù)利用編程軟件Matlab 7.0進(jìn)行統(tǒng)計(jì)而得到新的數(shù)據(jù)；對(duì)新數(shù)據(jù)進(jìn)行分析，通過(guò)編程把序列的無(wú)序區(qū)和有序區(qū)分別提取出來(lái)，再分析無(wú)序區(qū)和有序區(qū)氨基酸組成的偏好性。本研究有助于進(jìn)一步挖掘固有無(wú)序蛋白質(zhì)的序列特征，從而為固有無(wú)序蛋白質(zhì)的預(yù)測(cè)提供借鑒。

1數(shù)據(jù)來(lái)源及去冗余處理

1.1數(shù)據(jù)來(lái)源

本研究以固有無(wú)序蛋白質(zhì)數(shù)據(jù)庫(kù)DisProt（版本6.01）[4]（http：//www.disprot.org/index.php）為研究對(duì)象（發(fā)布日期為2012年10月15日），下載數(shù)據(jù)庫(kù)中最新的固有無(wú)序蛋白質(zhì)進(jìn)行研究，共有無(wú)序蛋白質(zhì)684個(gè)，無(wú)序區(qū)1 513個(gè)。

1.2去冗余處理

由于蛋白質(zhì)序列數(shù)據(jù)庫(kù)中都含有大量的冗余序列，它們通常不能提供更多的信息，而且不利于數(shù)據(jù)的統(tǒng)計(jì)分析，并且由于冗余序列要占用更多的計(jì)算機(jī)存儲(chǔ)和處理資源，因此去除這些冗余信息具有很高的實(shí)用價(jià)值，不但可以減小數(shù)據(jù)庫(kù)的大小、提高序列搜索的速度，而且有助于對(duì)數(shù)據(jù)的統(tǒng)計(jì)分析。本研究利用去冗余程序CD-HIT[5-6]（http：//weizhong-lab.ucsd.edu/cdhit_suite/cgi-bin/index.cgi）對(duì)數(shù)據(jù)進(jìn)行處理，將相似度閾值設(shè)為30%。結(jié)果顯示：去冗余前，固有無(wú)序蛋白質(zhì)共有684條序列；去冗余后，蛋白質(zhì)共有549條序列。

2固有無(wú)序蛋白質(zhì)無(wú)序區(qū)和有序區(qū)的氨基酸組成偏好性分析

用Matlab編程對(duì)全部序列（去冗余后）提取無(wú)序區(qū)和有序區(qū)。無(wú)序區(qū)包括112個(gè)全部無(wú)序區(qū)（如DisProtDP00001，108個(gè)氨基酸都是無(wú)序的）以及非全部無(wú)序蛋白質(zhì)（蛋白質(zhì)中含有無(wú)序片段）序列中的各條無(wú)序區(qū)；無(wú)序區(qū)的氨基酸總數(shù)為64 243，約占固有無(wú)序蛋白質(zhì)氨基酸總數(shù)的28.67%。因此可以看出：固有無(wú)序蛋白質(zhì)中有序區(qū)的氨基酸數(shù)大約是無(wú)序區(qū)氨基酸數(shù)的3.5倍。結(jié)果表明，固有無(wú)序蛋白質(zhì)的氨基酸在有序區(qū)的含量要大大高于無(wú)序區(qū)，即固有無(wú)序蛋白質(zhì)的大部分組分都是有序部分。

對(duì)固有無(wú)序蛋白質(zhì)中的所有無(wú)序區(qū)及有序區(qū)的氨基酸個(gè)數(shù)和含量進(jìn)行對(duì)比，以分析每種氨基酸的偏好性。通過(guò) Matlab 軟件進(jìn)行處理得到了固有無(wú)序蛋白質(zhì)中的無(wú)序區(qū)和有序區(qū)的所有氨基酸含量及差值，詳見(jiàn)表1。

3結(jié)論

本研究以DisProt數(shù)據(jù)庫(kù)中的固有無(wú)序蛋白質(zhì)為研究對(duì)象，先通過(guò)程序CD-HIT對(duì)數(shù)據(jù)進(jìn)行去冗余處理，然后利用編程軟件Matlab7.0對(duì)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)而得到新的數(shù)據(jù)，再對(duì)數(shù)據(jù)進(jìn)行分析。結(jié)果表明：氨基酸Val、Ile、Leu、Phe、Trp、Asn、Tyr、His具有形成有序結(jié)構(gòu)的偏好性；氨基酸Pro、Ser、Gln、Asp、Lys具有形成無(wú)序結(jié)構(gòu)的偏好性。

無(wú)序蛋白質(zhì)具有獨(dú)特的氨基酸組成特點(diǎn)，這些獨(dú)特的氨基酸序列決定了其無(wú)序的結(jié)構(gòu)。無(wú)序蛋白質(zhì)的研究將促進(jìn)人們重新認(rèn)識(shí)蛋白質(zhì)的結(jié)構(gòu)和功能關(guān)系，也將為蛋白質(zhì)的全新設(shè)計(jì)和疾病的治療提供新的思路。相信隨著研究數(shù)據(jù)的增加，對(duì)固有無(wú)序蛋白質(zhì)的研究將更深入和全面，從而能夠進(jìn)一步加深對(duì)這類(lèi)蛋白質(zhì)的認(rèn)識(shí)。

參考文獻(xiàn)：

[1]Uversky V N. Natively unfolded proteins：A point where biology waits for physics[J]. Protein Science，2002，11（4）：739-756.

[2]Dunker A K，Obradovic Z，Romero P，et al. Intrinsic protein disorder in complete genomes[J]. Genome Informatics，2000，11：161-171.

[3]Dunker A K，Oldfield C J，Meng J，et al. The unfoldomics decade：an update on intrinsically disordered proteins[J]. BMC Genomics，2008，9（S2）：12-18

[4]Sickmeier M，Hamilton J A，LeGall T，et al. DisProt：the database of disordered proteins[J]. Nucleic Acids Research，2007，35（S1）：786-793.

[5]Li W，Godzik A.Cd-hit：a fast program for clustering and comparing large sets of protein or nucleotide sequences[J]. Bioinformatics，2006，22（13）：1658-1659.

[6]Li W，Jaroszewski L，Godzik A. Clustering of highly homologous sequences to reduce the size of large protein databases[J]. Bioinformatics，2001，17（3）：282-283.

[7]黃永棋，劉志榮. 天然無(wú)序蛋白質(zhì)：序列-結(jié)構(gòu)-功能的新關(guān)系[J]. 物理化學(xué)學(xué)報(bào)2010，26（8）：2061-2072.劉思言，高瑋，夏海豐，等.

摘要：以固有無(wú)序蛋白質(zhì)為研究對(duì)象，通過(guò)CD-HIT對(duì)數(shù)據(jù)進(jìn)行去冗余處理，然后利用編程軟件對(duì)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)而得到新的數(shù)據(jù)。對(duì)所有無(wú)序區(qū)及有序區(qū)的氨基酸含量進(jìn)行對(duì)比，認(rèn)為氨基酸Val、Ile、Leu、Phe、Trp、Asn、Tyr、His具有形成有序結(jié)構(gòu)的偏好性；氨基酸Pro、Ser、Gln、Asp、Lys具有形成無(wú)序結(jié)構(gòu)的偏好性。研究結(jié)論有助于進(jìn)一步挖掘固有無(wú)序蛋白質(zhì)的序列特征，并為固有無(wú)序蛋白質(zhì)的預(yù)測(cè)提供一些借鑒。

關(guān)鍵詞：固有無(wú)序蛋白質(zhì)；功能位點(diǎn)；無(wú)序區(qū)；序列分析

中圖分類(lèi)號(hào)： Q516 文獻(xiàn)標(biāo)志碼： A 文章編號(hào)：1002-1302（2014）04-0038-02

收稿日期：2013-08-23

基金項(xiàng)目：山東省自然科學(xué)基金（編號(hào)：ZR2010CQ041）。

作者簡(jiǎn)介：王紅梅（1974—），女，山東德州人，碩士，副教授，主要從事生物信息學(xué)的研究。E-mail：whm_2327@126.com。蛋白質(zhì)是生物體中最重要的兩類(lèi)大分子之一，傳統(tǒng)思想認(rèn)為蛋白質(zhì)要實(shí)現(xiàn)其生物功能，必須先折疊成一個(gè)穩(wěn)定的三維結(jié)構(gòu)，因此形成了蛋白質(zhì)結(jié)構(gòu)決定其功能的主流觀點(diǎn)[1]。然而隨著基因工程方法和實(shí)驗(yàn)技術(shù)的發(fā)展以及基因組計(jì)劃的開(kāi)展，在20世紀(jì)90年代初，人們發(fā)現(xiàn)有些蛋白質(zhì)或蛋白質(zhì)序列中的一部分區(qū)域在生理?xiàng)l件下不具有一個(gè)確定的三維結(jié)構(gòu)，但是依然能夠正常行使生物學(xué)功能。進(jìn)一步研究發(fā)現(xiàn)的這類(lèi)蛋白質(zhì)越來(lái)越多，并逐漸形成了一種新的蛋白質(zhì)類(lèi)型，稱(chēng)為固有無(wú)序蛋白質(zhì)（intrinsically disordered proteins，簡(jiǎn)稱(chēng)為IDPs）[1-3]。對(duì)目前存在的大量基因庫(kù)數(shù)據(jù)進(jìn)行分析發(fā)現(xiàn)：蛋白質(zhì)的無(wú)序結(jié)構(gòu)與蛋白質(zhì)功能之間關(guān)系密切，無(wú)序蛋白質(zhì)在諸如轉(zhuǎn)錄、翻譯、調(diào)控細(xì)胞信號(hào)轉(zhuǎn)導(dǎo)、蛋白質(zhì)磷酸化及小分子存儲(chǔ)等過(guò)程中發(fā)揮著重要的作用；另一方面，無(wú)序蛋白質(zhì)又經(jīng)常與多種疾病聯(lián)系在一起。與人類(lèi)癌癥相關(guān)的蛋白質(zhì)中，無(wú)序蛋白質(zhì)的含量高達(dá)79%；在心血管疾病有關(guān)的蛋白質(zhì)中，無(wú)序蛋白質(zhì)的含量也高達(dá)57%。無(wú)序區(qū)是固有無(wú)序蛋白質(zhì)發(fā)揮功能的主要區(qū)域，功能位點(diǎn)大多分布在該區(qū)域，因此預(yù)測(cè)蛋白質(zhì)的無(wú)序區(qū)成為判斷蛋白質(zhì)是否無(wú)序的熱點(diǎn)問(wèn)題。Romero 等在1997年首次對(duì)蛋白質(zhì)無(wú)序區(qū)域進(jìn)行預(yù)測(cè)，他們預(yù)測(cè)的準(zhǔn)確性達(dá)到70%，此后無(wú)序蛋白質(zhì)的預(yù)測(cè)方法得到了迅速發(fā)展，目前應(yīng)用于無(wú)序蛋白質(zhì)序列預(yù)測(cè)的方法已經(jīng)超過(guò)50種，并且這些預(yù)測(cè)方法的準(zhǔn)確性普遍達(dá)到85%以上。

本研究基于序列分析的方法，以DisProt數(shù)據(jù)庫(kù)中的固有無(wú)序蛋白質(zhì)為研究對(duì)象，通過(guò)CD-HIT程序?qū)?shù)據(jù)進(jìn)行去冗余處理，將處理后的數(shù)據(jù)利用編程軟件Matlab 7.0進(jìn)行統(tǒng)計(jì)而得到新的數(shù)據(jù)；對(duì)新數(shù)據(jù)進(jìn)行分析，通過(guò)編程把序列的無(wú)序區(qū)和有序區(qū)分別提取出來(lái)，再分析無(wú)序區(qū)和有序區(qū)氨基酸組成的偏好性。本研究有助于進(jìn)一步挖掘固有無(wú)序蛋白質(zhì)的序列特征，從而為固有無(wú)序蛋白質(zhì)的預(yù)測(cè)提供借鑒。

1數(shù)據(jù)來(lái)源及去冗余處理

1.1數(shù)據(jù)來(lái)源

本研究以固有無(wú)序蛋白質(zhì)數(shù)據(jù)庫(kù)DisProt（版本6.01）[4]（http：//www.disprot.org/index.php）為研究對(duì)象（發(fā)布日期為2012年10月15日），下載數(shù)據(jù)庫(kù)中最新的固有無(wú)序蛋白質(zhì)進(jìn)行研究，共有無(wú)序蛋白質(zhì)684個(gè)，無(wú)序區(qū)1 513個(gè)。

1.2去冗余處理

由于蛋白質(zhì)序列數(shù)據(jù)庫(kù)中都含有大量的冗余序列，它們通常不能提供更多的信息，而且不利于數(shù)據(jù)的統(tǒng)計(jì)分析，并且由于冗余序列要占用更多的計(jì)算機(jī)存儲(chǔ)和處理資源，因此去除這些冗余信息具有很高的實(shí)用價(jià)值，不但可以減小數(shù)據(jù)庫(kù)的大小、提高序列搜索的速度，而且有助于對(duì)數(shù)據(jù)的統(tǒng)計(jì)分析。本研究利用去冗余程序CD-HIT[5-6]（http：//weizhong-lab.ucsd.edu/cdhit_suite/cgi-bin/index.cgi）對(duì)數(shù)據(jù)進(jìn)行處理，將相似度閾值設(shè)為30%。結(jié)果顯示：去冗余前，固有無(wú)序蛋白質(zhì)共有684條序列；去冗余后，蛋白質(zhì)共有549條序列。

2固有無(wú)序蛋白質(zhì)無(wú)序區(qū)和有序區(qū)的氨基酸組成偏好性分析

用Matlab編程對(duì)全部序列（去冗余后）提取無(wú)序區(qū)和有序區(qū)。無(wú)序區(qū)包括112個(gè)全部無(wú)序區(qū)（如DisProtDP00001，108個(gè)氨基酸都是無(wú)序的）以及非全部無(wú)序蛋白質(zhì)（蛋白質(zhì)中含有無(wú)序片段）序列中的各條無(wú)序區(qū)；無(wú)序區(qū)的氨基酸總數(shù)為64 243，約占固有無(wú)序蛋白質(zhì)氨基酸總數(shù)的28.67%。因此可以看出：固有無(wú)序蛋白質(zhì)中有序區(qū)的氨基酸數(shù)大約是無(wú)序區(qū)氨基酸數(shù)的3.5倍。結(jié)果表明，固有無(wú)序蛋白質(zhì)的氨基酸在有序區(qū)的含量要大大高于無(wú)序區(qū)，即固有無(wú)序蛋白質(zhì)的大部分組分都是有序部分。

對(duì)固有無(wú)序蛋白質(zhì)中的所有無(wú)序區(qū)及有序區(qū)的氨基酸個(gè)數(shù)和含量進(jìn)行對(duì)比，以分析每種氨基酸的偏好性。通過(guò) Matlab 軟件進(jìn)行處理得到了固有無(wú)序蛋白質(zhì)中的無(wú)序區(qū)和有序區(qū)的所有氨基酸含量及差值，詳見(jiàn)表1。

3結(jié)論

本研究以DisProt數(shù)據(jù)庫(kù)中的固有無(wú)序蛋白質(zhì)為研究對(duì)象，先通過(guò)程序CD-HIT對(duì)數(shù)據(jù)進(jìn)行去冗余處理，然后利用編程軟件Matlab7.0對(duì)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)而得到新的數(shù)據(jù)，再對(duì)數(shù)據(jù)進(jìn)行分析。結(jié)果表明：氨基酸Val、Ile、Leu、Phe、Trp、Asn、Tyr、His具有形成有序結(jié)構(gòu)的偏好性；氨基酸Pro、Ser、Gln、Asp、Lys具有形成無(wú)序結(jié)構(gòu)的偏好性。

無(wú)序蛋白質(zhì)具有獨(dú)特的氨基酸組成特點(diǎn)，這些獨(dú)特的氨基酸序列決定了其無(wú)序的結(jié)構(gòu)。無(wú)序蛋白質(zhì)的研究將促進(jìn)人們重新認(rèn)識(shí)蛋白質(zhì)的結(jié)構(gòu)和功能關(guān)系，也將為蛋白質(zhì)的全新設(shè)計(jì)和疾病的治療提供新的思路。相信隨著研究數(shù)據(jù)的增加，對(duì)固有無(wú)序蛋白質(zhì)的研究將更深入和全面，從而能夠進(jìn)一步加深對(duì)這類(lèi)蛋白質(zhì)的認(rèn)識(shí)。

參考文獻(xiàn)：

[1]Uversky V N. Natively unfolded proteins：A point where biology waits for physics[J]. Protein Science，2002，11（4）：739-756.

[2]Dunker A K，Obradovic Z，Romero P，et al. Intrinsic protein disorder in complete genomes[J]. Genome Informatics，2000，11：161-171.

[3]Dunker A K，Oldfield C J，Meng J，et al. The unfoldomics decade：an update on intrinsically disordered proteins[J]. BMC Genomics，2008，9（S2）：12-18

[4]Sickmeier M，Hamilton J A，LeGall T，et al. DisProt：the database of disordered proteins[J]. Nucleic Acids Research，2007，35（S1）：786-793.

[5]Li W，Godzik A.Cd-hit：a fast program for clustering and comparing large sets of protein or nucleotide sequences[J]. Bioinformatics，2006，22（13）：1658-1659.

[6]Li W，Jaroszewski L，Godzik A. Clustering of highly homologous sequences to reduce the size of large protein databases[J]. Bioinformatics，2001，17（3）：282-283.

[7]黃永棋，劉志榮. 天然無(wú)序蛋白質(zhì)：序列-結(jié)構(gòu)-功能的新關(guān)系[J]. 物理化學(xué)學(xué)報(bào)2010，26（8）：2061-2072.劉思言，高瑋，夏海豐，等.