蛋白質序列分析和結構預測

2020-11-29 中國教育裝備採購網

蛋白質序列分析和結構預測

 【實驗目的】
1、掌握蛋白質序列檢索的操作方法;
2、熟悉蛋白質基本性質分析;
3、熟悉基於序列同源性分析的蛋白質功能預測,了解基於motif、 結構位點、結構功能域資料庫的蛋白質功能預測;
4、了解蛋白質結構預測。

【實驗內容】
1、使用Entrez或SRS信息查詢系統檢索人脂聯素 (adiponectin)蛋白質序列;
2、使用BioEdit軟體對上述蛋白質序列進行分子質量、胺基酸組成、和疏水性等基本性質分析;
3、對人脂聯素蛋白質序列進行基於NCBI/Blast軟體的蛋白質同源性分析;
4、對人脂聯素蛋白質序列進行motif結構分析;
5、對人脂聯素蛋白質序列進行二級結構和三維結構預測。

【實驗方法】
1、人脂聯素蛋白質序列的檢索:
(1)調用Internet瀏覽器並在其地址欄輸入Entrez網址(http://www.ncbi.nlm.nih.gov/Entrez);
(2)在Search後的選擇欄中選擇protein;
(3)在輸入欄輸入homo sapiens adiponectin;
(4)點擊go後顯示序列接受號及序列名稱;
(5)點擊序列接受號NP_004788 (adiponectin precursor; adipose most abundant gene transcript 1 [Homo sapiens])後顯示序列詳細信息;
(6)將序列轉為FASTA格式保存(參考上述步驟使用SRS信息查詢系統檢索人脂聯素蛋白質序列);

2、使用BioEdit軟體對人脂聯素蛋白質序列進行分子質量、胺基酸組成和疏水性等基本性質分析:
打開BioEdit軟體→將人脂聯素蛋白質序列的FASTA格式序列輸入分析框→點擊左側序列說明框中的序列說明→點擊sequence欄→選擇protein→點擊Amino Acid Composition→查看該蛋白質分子質量和胺基酸組成;
或者選擇protein後,點擊Kyte & Doolittle Mean Hydrophobicity Profile→查看該蛋白質分子疏水性水平;

3、人脂聯素蛋白質序列的蛋白質同源性分析:
(1)進入NCBI/Blast網頁;
(2)選擇Protein-protein BLAST (blastp) ;
(3)將FASTA格式序列貼入輸入欄;
(4)點擊BLAST;
(5)查看與之同源的蛋白質;

4、人脂聯素蛋白質序列的motif結構分析:
(1)進入http://hits.isb-sib.ch/cgi-bin/PFSCAN網頁;
(2)將人脂聯素蛋白質序列的FASTA格式序列貼入輸入欄;
(3)點擊Scan;
(4)查看分析結果(注意Prosite Profile中的motif information);

5、人脂聯素蛋白質序列的二級結構預測:
(1) 進入下列蛋白結構預測伺服器網址:
http//www.embl-heidelberg.de/predictprotein//predictprotein.html (The PredictProtein Server);
(2)在You can欄點擊default;
(3)填寫email地址和序列名稱;
(4)將人脂聯素蛋白質序列的FASTA格式序列貼入輸入欄點擊Submit;
(5)從email信箱查看分析結果;

6、人脂聯素蛋白質序列的三維結構預測:
(1) 進入
http//www.expasy.org/swissmod/SWISS-MODEL.html (SwissModel First Approach Mode)網頁;
(2)填寫email地址、姓名和序列名稱;
(3)將人脂聯素蛋白質序列的FASTA格式序列貼入輸入欄;
(4)點擊Send Request;
(5)從email信箱查看分析結果(註:需下載軟體入rasmol查看三維圖象)。

【作業】
1、提交使用上述軟體對人脂聯素蛋白質序列進行基本性質分析、同源性分析、motif結構分析以及二級結構和三維結構預測的結果;
2、相互對比結果,說明產生不同結果的原因,總結進行上述分析所需注意的關鍵事項。

版權與免責聲明:

① 凡本網註明"來源:中國教育裝備採購網"的所有作品,版權均屬於中國教育裝備採購網,未經本網授權不得轉載、摘編或利用其它方式使用。已獲本網授權的作品,應在授權範圍內使用,並註明"來源:中國教育裝備採購網"。違者本網將追究相關法律責任。

② 本網凡註明"來源:XXX(非本網)"的作品,均轉載自其它媒體,轉載目的在於傳遞更多信息,並不代表本網贊同其觀點和對其真實性負責,且不承擔此類作品侵權行為的直接責任及連帶責任。如其他媒體、網站或個人從本網下載使用,必須保留本網註明的"稿件來源",並自負版權等法律責任。

③ 如涉及作品內容、版權等問題,請在作品發表之日起兩周內與本網聯繫,否則視為放棄相關權利。

相關焦點

  • 摺疊革命,深度學習通過胺基酸序列預測蛋白質結構
    因為,蛋白質外形決定了它的功能和疾病中產生的功能紊亂,並影響蛋白質在分子生物學的中心地位,特別是用於治療科學和治病保健等藥物的發展。近些年,蛋白質通過自身的胺基酸序列可以實現被預測,在計算方法上有了巨大進步。如果都能使用這些計算方法,那生物醫學研究都可以被轉換成計算公式。然而,現在一些應用則受到了蛋白質規模和範圍的局限而無法決策。
  • 新的深度學習方法從胺基酸序列預測蛋白質結構
    由於蛋白質的形狀決定了它的功能及其在疾病中的功能障礙程度,因此闡明蛋白質結構的努力是所有分子生物學的核心 - 特別是治療科學以及拯救生命和改變生命的藥物的發展。近年來,計算方法在基於其胺基酸序列的知識預測蛋白質如何摺疊方面取得了重大進展。如果完全實現,這些方法有可能改變生物醫學研究的幾乎所有方面。然而,目前的方法在可以確定的蛋白質的規模和範圍方面受到限制。
  • 利用宏基因組序列來確定蛋白質結構
    在這項研究中,Baker實驗室的蛋白質結構預測伺服器Rosetta分析了JGI集成微生物基因組(IMG)系統上的宏基因組序列。對於蛋白質而言,外觀很重要。當然,這並不是指顏值,而是三維結構。蛋白質是由長的胺基酸鏈組成的,但一維的胺基酸序列似乎沒有意義。只有了解三維結構,研究人員才能弄清蛋白質的結構如何決定它的功能。
  • 蛋白質結構分析系列(一)
    一方面是因為之前做的一個課題需要一點點蛋白質結構分析相關的知識和分析技術,另一方面是轉博後忙了三個課題一直沒空寫。上篇推文說要寫這個專題,我一定會把它寫完。寫這個專題之前我先說明,自己並不是結構生物學相關研究領域的,只是因為自己曾經做的一個課題需要這個領域的一點點皮毛知識和技術。在那段時間我發現相比於組學(基因組/轉錄組/單細胞/等等),甚至是進化,蛋白質結構相關的教程是非常非常少。
  • 谷歌DeepMind 開發新 AI 工具:利用基因序列預測蛋白質結構
    北京時間12月4日早間消息,據美國《麻省理工科技評論》(MIT Technology Review)報導,谷歌旗下DeepMind開發一個新AI工具,它可以利用基因序列預測蛋白質結構。
  • Current Opinion in Structural Biology:從蛋白質序列到功能的預測
    然而,這些序列信息還沒有被很好的註解。例如,只有不到1%的蛋白質序列有已知的功能。如果我們能夠利用計算生物學的方法,大量註解這些序列信息,就能夠積累很多對於蛋白質結構的認識,最終達到從量變到質變的飛躍。來自美國紐約霍華德醫學中心的科學家們討論了基於蛋白質功能注釋結構的新方法。
  • DeepMind推出AlphaFold,可通過胺基酸序列預測蛋白質結構
    PingWest品玩12月4日訊,根據英國衛報報導,周日在墨西哥坎昆舉辦的一場國際會議中,DeepMind 的最新 AI——AlphaFold 成功地根據基因序列預測出蛋白質的 3D 形狀。「蛋白質摺疊」是一種分子摺疊形式。
  • 蛋白質二級、三級結構預測
    蛋白質二級結構單元預測:對於有蛋白結構的序列,可以用DSSP軟體展示二級結構原件;對於未知蛋白結構的序列,可以用一些預測軟體:Fromhttps://www.icourse163.org/learn/SDU-1001907001?tid=1206629207#/learn/announce三級結構預測:方法有從頭計算法、同源建模法、穿線法和綜合法。
  • 人工智慧算法有助於快速分析蛋白質摺疊結構
    近日,英國《自然》雜誌報導,美國哈佛大學醫學院生物學家AlQuraishi開發出新型人工智慧算法,能夠快速分析預測蛋白質三維結構,大大提高蛋白質三維結構預測的效率,將預測時間從若干小時或幾天縮短至幾毫秒
  • DeepMind正在開發可以利用基因序列預測蛋白質結構的新AI工具
    打開APP DeepMind正在開發可以利用基因序列預測蛋白質結構的新AI工具 電子發燒友 發表於 2018-12-04 16:09:28
  • 蛋白質結構預測:生命科學的又一場競爭
    張陽說:「比賽獲勝說明我們的預測方法的確行之有效,我很高興看到這一點。在當今蛋白質結構預測這個競爭激烈的領域,贏得CASP比賽勝利是得到同行尊重和承認的最重要和幾乎唯一的途徑。」     近日,張陽到北京參加會議併到中科院理論物理所訪問,在此期間,他接受了《科學時報》的專訪。
  • AI醫療新進展,谷歌DeepMind基於基因序列預測蛋白質的三維結構
    蛋白質結構是指蛋白質分子的空間結構。蛋白質主要由碳、氫、氧、氮等化學元素組成,是一類重要的生物大分子。 了解蛋白質結構在疾病診斷和治療中非常重要,它可以提高科學家對人體的認識,並有助於支持蛋白質設計和其它生物工程研究。
  • AlphaGo顛覆生物圈,精準預測蛋白質結構
    具體而言,是DeepMind的第二代AlphaFold 在國際蛋白質結構預測競賽(CASP)上擊敗了其餘的參會選手,能夠精確地基於胺基酸序列,預測蛋白質的3D結構。 其準確性可以與使用冷凍電子顯微鏡(CryoEM)、核磁共振或 X 射線晶體學等實驗技術解析的3D結構相媲美。
  • 除了下圍棋 AI還能預測"難纏"的蛋白質結構
    還有在被稱為「基因魔剪」的CRISPR-Cas9基因編輯技術中,Cas9蛋白質利用CRISPR基因序列作為嚮導,像剪刀一樣靈巧地剪切和粘貼DNA片段。然而,確定蛋白質的空間結構一直是生物學中的巨大挑戰。1972年,也就是將近50年前,諾貝爾化學獎得主克裡斯蒂安·安芬森就猜測,蛋白質的胺基酸序列應該可以完全決定其空間結構。可是要如何根據蛋白質的胺基酸序列來確定它的空間結構呢?
  • AlphaGo之後,DeepMind重磅推出AlphaFold:基因序列預測蛋白質結構
    周日,在墨西哥坎昆舉辦的一場國際會議中,DeepMind 的最新 AI——AlphaFold 在一項極其困難的任務中擊敗了所有對手,成功地根據基因序列預測出蛋白質的 3D 形狀。例如,心臟細胞蛋白質的摺疊方式可以使血流中的任何腎上腺素都粘在它們上面,以加速心率。免疫系統中的抗體是摺疊成特定形狀的蛋白質,以鎖定入侵者。幾乎身體的每一種功能——從收縮肌肉和感受光線到將食物轉化為能量——都和蛋白質的形狀及運動相關。
  • 這 11 個可以預測蛋白質結構的網站,通通都安利給你!
    由線性胺基酸組成的蛋白質需要摺疊成特定的空間結構才具有相應的生理活性和生物學功能。解析蛋白質的空間結構對於認識蛋白質的功能、功能的執行、生物大分子間的相互作用,以及醫學和藥學的發展(如藥物靶點的設計等)具有重要意義。為了更快速地了解蛋白質功能,不能只等待蛋白質的測定結果,尤其是對未知蛋白質開展研究之前,通過對蛋白質結構進行預測具有明顯的優勢。
  • DeepMind 模型實現蛋白質3D結構預測
    序列確定蛋白質的3D形狀方面取得了巨大飛躍。AlphaFold模型的意義從胺基酸序列準確預測蛋白質結構的能力將對生命科學和醫學帶來巨大的好處,這將極大地加快了解細胞組成部分的工作,並使更快,更先進的藥物發現成為可能。
  • 顏寧等點評:AI精準預測蛋白質結構,結構生物學何去何從?
    傳統上,蛋白質結構預測可以分成基於模板和從頭預 測,但是AlphaFold2隻用同一種方法--機器學習,對幾乎所有的蛋白質都預測出了 正確的拓撲學的結構,其中有大約2/3的蛋白質精度達到了結構生物學實驗的測量 精度。說他們接近解決了這個問題,這個說法沒錯,至少是在單結構域的蛋白結構 來講是這樣的。谷歌這次為什麼能夠取得如此大的成功?這個首先是與它們擁有強大的人力和計算 資源有關。
  • 顏寧等點評:AI精準預測蛋白質結構,結構生物學何去何從?
    最終,谷歌旗下DeepMind公司的人工智慧系統AlphaFold2在2018年的Alphafold基礎上迭代創新,超常發揮,一枝獨秀,基本解決了「從胺基酸序列預測蛋白質結構」這個困擾人類50年的生物學第二遺傳密碼問題。
  • 除了下圍棋,AI還能預測「難纏」的蛋白質結構,它是怎麼做到的?
    但是在人工智慧進入這個領域後,預測蛋白質摺疊的準確性很快獲得提升。3 AI出手精確預測蛋白質結構人工智慧(AI)的一種實現手段是時下流行的機器學習。2016年打敗人類圍棋冠軍的AlphaGo和此次預測蛋白質結構的AlphaFold,利用的都是機器學習算法。