<4D F736F F D20BBF9D3DAD0C5CFA2BCBCCAF5B5C4B5B0B0D7D6CACAB6B1F02E646F63>

Transcription

1 基 于 信 息 技 术 的 蛋 白 质 识 别 研 究 陈 益 强, 高 文,2, 付 岩, 李 德 泉, 陈 翔 ( 中 国 科 学 院 计 算 技 术 研 究 所, 北 京 00080) 2 ( 哈 尔 滨 工 业 大 学 计 算 机 科 学 与 工 程 系, 哈 尔 滨 5000) 摘 要 : 随 着 质 谱 技 术 以 及 NMR 等 仪 器 测 定 技 术 的 飞 速 发 展, 利 用 大 规 模 质 谱 技 术 可 以 得 到 海 量 蛋 白 质 的 质 谱 数 据, 同 时 利 用 NMR 技 术 也 可 获 得 蛋 白 质 的 精 确 三 维 结 构 数 据 这 些 数 据 以 及 面 向 这 些 数 据 的 分 析 方 法 使 得 对 蛋 白 质 组 的 研 究 发 展 十 分 迅 速, 不 论 是 基 础 理 论 技 术 方 法, 都 在 不 断 地 进 步 和 完 善 利 用 信 息 工 程 技 术 辅 助 生 物 学 家 开 展 面 向 质 谱 技 术 的 高 通 量 蛋 白 识 别, 面 向 NMR 的 蛋 白 质 三 维 结 构 识 别 以 及 功 能 发 现 研 究, 已 经 成 为 蛋 白 质 组 中 的 生 命 科 学 与 信 息 科 学 交 叉 研 究 的 热 点 和 挑 战 问 题 本 文 侧 重 从 信 息 技 术 的 角 度 对 上 述 问 题 进 行 综 述, 并 提 出 我 们 解 决 问 题 的 思 路 和 方 法 关 键 词 : 蛋 白 质, 质 谱, 三 维 结 构, 信 息 技 术 中 图 分 类 号 :TP39 文 献 识 别 码 :A Research on Protein Recognition base on Information Technology Yiqiang Chen, Wen Gao,2,Yan Fu, Dequan Li, Xiang Chen (Institute of computing technology, Chinese academy of science, Being, 00080) 2 (Department of computer science, Harbin industry university, Harbin, 5000) Abstract: With the development of mass spectrum (MS) and NMR technology, there are huge data sets obtained from protein MS data as well as protein 3D structure data. These drive the fast development on research of proteome, not only in fundamental research, but also in new applied technology. Utilizing information technology and assisted by biologists to research on MS based high through protein identification and NMR based protein 3D structure recognition and it s function discovery, it becomes hot topics and challenge in crossed research of biology and information field. This paper firstly surveys the research situation on above topics from information technology point of view, and then give the approach we are working on to solve the issues. Keywords: Protein, Mass Spectrum, 3D structure, Information technology. 引 言 中 国 是 一 个 人 口 大 国, 提 高 人 民 生 存 健 康 水 平 和 人 口 质 量, 是 国 民 经 济 可 持 续 发 展 和 社 会 进 步, 繁 荣 昌 盛 的 迫 切 需 求 因 此 一 个 首 要 目 标 就 是 要 减 轻 消 除 重 大 疾 病 如 肝 癌 心 脑 血 管 疾 病 肿 瘤 糖 尿 病 和 老 年 病 等 对 中 国 人 民 健 康 的 影 响 对 中 国 人 重 大 疾 病 和 稀 有 但 有 科 学 研 究 价 值 疾 病 的 相 关 作 者 简 介 : 陈 益 强 (973- ), 男, 博 士, 数 据 挖 掘, 智 能 人 机 交 互, 生 物 信 息 学 高 文 (956- ), 男, 教 授, 博 士 生 导 师, 生 物 特 征 识 别, 智 能 人 机 交 互, 音 视 频 编 码, 虚 拟 现 实 等 付 岩 (977- ), 男, 博 士 生, 生 物 信 息 学 李 德 泉 (976- ), 男, 博 士 生, 生 物 信 息 学 陈 翔 (975- ), 男, 博 士 士, 生 物 信 息 学

2 蛋 白 质 的 研 究 具 有 重 要 的 理 论 价 值 和 应 用 意 义 由 于 对 致 病 细 胞 实 验 产 生 的 蛋 白 质 是 海 量 的, 如 何 在 已 知 蛋 白 质 库 中 利 用 少 量 的 实 验 信 息 高 通 量 辨 别 未 知 蛋 白 一 直 是 致 病 相 关 蛋 白 研 究 的 核 心 问 题 这 个 问 题 的 解 决 应 用 到 医 学 临 床 方 面, 就 能 重 点 实 验 出 控 制 致 病 相 关 蛋 白 的 药 物, 为 人 类 控 制 疾 病 以 及 治 疗 疾 病 打 下 基 础 同 时 在 这 个 问 题 的 基 础 还 可 以 实 现 基 于 蛋 白 质 识 别 的 新 基 因 发 现 系 统 当 然, 创 新 药 物 的 发 现 仅 仅 从 DNA 水 平 上 是 不 可 能 完 成 的, 必 须 基 于 蛋 白 质 三 维 结 构 进 行, 对 致 病 相 关 蛋 白 研 究 的 另 一 个 挑 战 问 题 就 是 蛋 白 质 结 构 识 别 和 功 能 发 现 蛋 白 质 的 三 维 结 构 对 于 其 功 能 而 言 特 别 重 要, 结 构 相 似 的 两 个 蛋 白 质 可 能 就 有 相 同 的 功 能 因 此, 通 过 对 已 知 蛋 白 质 结 构 的 分 类 整 理 和 功 能 发 现 来 识 别 未 知 蛋 白 质 的 功 能 成 了 重 要 的 研 究 主 题 同 时 从 大 量 已 知 蛋 白 质 结 构 中 发 现 相 同 子 结 构 ( 蛋 白 质 的 捆 绑 点 ) 也 是 生 物 中 的 一 个 重 要 问 题, 这 主 要 由 于 这 些 子 结 构 可 能 有 某 种 功 能 并 与 其 他 蛋 白 或 DNA 进 行 作 用, 试 图 发 现 这 些 子 结 构 可 以 让 我 们 发 现 已 有 蛋 白 的 新 功 能 随 着 质 谱 技 术 以 及 NMR 等 仪 器 测 定 技 术 的 飞 速 发 展, 利 用 大 规 模 质 谱 技 术 可 以 得 到 海 量 蛋 白 质 的 质 谱 数 据, 同 时 利 用 NMR 技 术 也 可 获 得 蛋 白 质 的 精 确 三 维 结 构 这 些 数 据 以 及 面 向 这 些 数 据 的 分 析 方 法 使 得 对 蛋 白 质 组 的 研 究 发 展 十 分 迅 速, 不 论 是 基 础 理 论 技 术 方 法, 都 在 不 断 地 进 步 和 完 善 国 际 上 很 多 大 药 厂 和 公 司 在 巨 大 财 力 的 支 持 下 也 纷 纷 加 入 蛋 白 质 组 的 研 究 阵 容 目 前 面 向 质 谱 与 NMR 的 蛋 白 质 识 别 技 术 研 究 成 为 蛋 白 质 组 中 的 生 命 科 学 与 信 息 科 学 交 叉 研 究 的 热 点 和 挑 战 问 题, 我 们 在 蛋 白 质 组 研 究 的 背 景 下, 开 展 针 对 疾 病 相 关 蛋 白 的 识 别 及 结 构 功 能 的 研 究, 目 的 是 利 用 信 息 工 程 技 术, 辅 助 生 物 学 家 开 展 面 向 质 谱 技 术 的 高 通 量 蛋 白 识 别 以 及 面 向 NMR 的 蛋 白 质 三 维 结 构 识 别 技 术 平 台 建 设 以 及 功 能 发 现 研 究 等, 最 终 为 疾 病 治 疗 以 及 改 善 中 国 人 口 结 构 和 健 康 状 况 打 下 坚 实 基 础 如 果 说 高 通 量 的 蛋 白 质 识 别 方 法 是 从 相 对 较 宏 观 的 角 度 研 究 致 病 相 关 蛋 白, 那 么 从 三 维 结 构 去 识 别 蛋 白 质 以 及 发 现 其 功 能 就 是 从 相 对 微 观 的 角 度 研 究 致 病 相 关 蛋 白 本 文 侧 重 从 信 息 技 术 的 角 度 对 这 两 方 面 问 题 进 行 研 究 综 述 并 提 出 我 们 解 决 问 题 的 思 路 和 方 法 2. 面 向 质 谱 (MS) 的 高 通 量 蛋 白 质 识 别 2. 问 题 与 方 法 最 初, 蛋 白 质 序 列 测 定 主 要 采 用 手 工 的 埃 德 曼 降 解 - 环 甲 基 化 方 法, 效 率 很 低 质 谱 (MS) 技 术 的 发 展 为 蛋 白 质 序 列 测 定 开 辟 了 新 的 途 径 使 用 质 谱 技 术 识 别 蛋 白 质 是 基 于 这 样 的 事 实 : 我 们 所 能 测 量 的 只 是 分 子 的 质 量, 而 想 要 的 是 分 子 的 氨 基 酸 序 列 质 谱 分 析 的 基 本 过 程 为 : 利 用 二 维 电 泳 (2-D gel) 过 程 使 蛋 白 质 混 合 物 ( 比 如 一 个 细 胞 ) 在 分 子 量 和 等 电 点 两 个 方 向 上 分 散 开 来, 从 中 取 其 中 一 个 点 进 行 质 谱 实 验 利 用 选 定 的 酶 对 蛋 白 质 样 品 进 行 水 解, 形 成 多 肽 不 同 质 量 的 多 肽 被 质 谱 仪 检 测 出 来, 得 到 质 谱 (MS) 同 时 肽 可 以 进 一 步 被 打 碎, 并 测 得 碎 片 质 量 分 布, 即 串 联 质 谱 (MS/MS) 用 质 谱 识 别 蛋 白 质 的 方 法 有 三 类 : 基 于 MS 的 蛋 白 质 识 别 ; 即 通 过 搜 索 已 知 蛋 白 质 数 据 库, 用 指 定 的 酶 对 蛋 白 质 进 行 模 拟 水 解, 得 到 理 论 MS 理 论 MS 与 实 验 MS 进 行 比 较, 结 果 按 照 匹 配 的 程 度 排 序 这 样 的 系 统 有 MOWSE[],Mascot[2],ProFound[3],PeptIdent[4],MS-Fit[5] 等 等 用 于 匹 配 的 打 分 算 法 是 这 种 方 法 的 核 心 MOWSE 和 Mascot 对 不 同 质 量 的 肽 的 出 现 频 率 做 了 统 计, 设 计 了 基 于 概 率 的 打 分 算 法 ProFound 则 建 立 了 贝 叶 斯 打 分 算 法, 形 式 化 地 考 虑 了 更 多 的 先 验 知 识 基 于 MS 的 蛋 白 质 识 别 适 用 于 蛋 白 质 样 品 包 含 一 种 蛋 白 质 或 简 单 的 混 合 物 的 情 况 其 缺 点 是 由 于 蛋 白 质 混 合 物 和 污 染 物 部 分 酶 解 残 基 修 饰 质 量 精 度 等 因 素 的 影 响, 往 往 误 差 较 大, 导 致 错 误 搜 索 结 果 2 是 基 于 MS/MS 的 蛋 白 质 识 别 ; 通 过 搜 索 已 知 蛋 白 质 数 据 库, 对 蛋 白 质 模 拟 酶 解, 再 对 肽 模 拟 碰 撞, 得 到 理 论 串 联 质 谱 理 论 串 联 质 谱 与 串 联 实 验 质 谱 进 行 比 较, 符 合 的 做 为 结 果 这 类 方 法 可 以 用 于 识 别 复 杂 的 蛋 白 质 混 合 物 或 者 验 证 肽 质 量 指 纹 搜 索 的 结 果, 是 目 前 最 常 用 和 有 效

3 的 方 法, 本 文 将 详 细 介 绍 3 是 称 作 de Novo 测 序 的 方 法, 它 直 接 解 释 MS/MS 数 据 进 行 识 别 肽 序 列, 而 不 是 与 数 据 库 中 的 序 列 进 行 比 较 这 类 系 统 和 算 法 有 Lutefisk[6][7],SHERENGA[8], PEAKS[9], AuDeNS[0-3]] 等 等 当 数 据 库 中 没 有 目 标 序 列, 样 品 蛋 白 质 出 现 未 知 修 饰, 以 及 出 现 未 知 的 或 非 特 异 性 的 裂 解 生 成 的 肽 时, 搜 索 数 据 库 的 方 法 就 无 能 为 力 了, 所 以 不 得 不 使 用 de Novo 的 方 法 但 是 该 方 法 的 难 点 在 于 对 MS/MS 数 据 的 预 处 理 以 及 如 何 重 新 标 定 质 谱, 要 求 质 谱 数 据 有 较 高 质 量, 肽 断 裂 情 况 良 好, 所 以 目 前 尚 未 得 到 广 泛 的 实 际 应 用 不 过 de Novo 方 法 即 使 不 能 完 全 测 出 肽 序 列, 也 能 提 供 重 要 的 肽 序 列 标 记 ( 几 个 氨 基 酸 组 成 的 短 肽 ), 供 数 据 库 搜 索 参 考 2.2 基 于 MS/MS 的 高 通 量 蛋 白 质 识 别 用 MS/MS 搜 索 据 库 识 别 蛋 白 质 的 基 本 流 程 如 图 所 示 : 理 论 肽 碎 片 离 子 计 算 MS/MS 理 论 MS/MS 匹 配 模 拟 碰 撞 MS/MS 参 数 实 验 MS/MS 预 处 理 解 释 过 滤 打 分 评 价 理 论 肽 计 算 MS 理 论 MS 模 拟 水 解 MS 参 数 实 验 MS 蛋 白 质 序 列 搜 索 参 数 结 果 数 据 库 处 理 模 块 ( 数 据 库 格 式 解 析 读 取 数 据 翻 译 ) SwissProt TrEMBL GenBank EST 图 : 基 于 MS/MS 的 蛋 白 质 识 别 框 架 ( 实 线 框 表 示 数 据, 虚 线 框 表 示 计 算 模 块 ) 数 据 库 处 理 模 块 根 据 数 据 库 物 种 组 织 等 搜 索 参 数 从 数 据 库 中 读 出 蛋 白 质 序 列 ( 如 果 是 核 酸 序 列, 需 要 翻 译 成 蛋 白 质 序 列 ) 根 据 酶 遗 漏 切 点 等 MS 参 数 模 拟 水 解 这 个 蛋 白 质, 生 成 所 有 可 能 的 理 论 肽 从 这 些 理 论 肽 可 以 计 算 出 理 论 MS 根 据 质 谱 仪 等 MS/MS 参 数 和 肽 的 物 化 性 质 对 每 个 理 论 肽 进 行 模 拟 碎 裂 过 程, 生 成 理 论 肽 碎 片 离 子 从 这 些 理 论 碎 片 离 子 可 以 计 算 出 每 个 理 论 肽 序 列 对 应 的 理 论 MS/MS 以 上 大 部 分 是 对 生 物 过 程 的 模 拟, 匹 配 则 是 核 心 计 算 模 块 在 把 理 论 MS/MS 和 实 验 MS/MS 比 较 打 分 之 前, 需 要 对 实 验 MS/MS 进 行 预 处 理 和 解 释 预 处 理 是 为 了 去 除 实 验 质 谱 中 的 噪 音, 提 取 有 效 数 据 对 MS/MS 的 解 释 可 以 得 到 序 列 标 签 等 信 息 用 这 些 解 释 信 息 和 用 户 输 入 的 一 些 参 数 可 以 直 接 过 滤 掉 不 满 足 要 求 的 蛋 白 质 序 列 或 肽 序 列 最 后, 将 理 论 MS/MS 与 实 验 MS/MS 进 行 比 较, 给 肽 和 蛋 白 质 打 分 这 时 也 可 能 会 用 到 MS 序 列 标 签 等 信 息 得 到 的 结 果 按 分 值 排 列, 高 通 量 的 系 统 还 应 对 分 值 的 有 效 性 进 行 评 价 显 示 给 用 户 的 结 果 中 可 能 还 要 包 括 更 多 的 信 息, 需 要 从 数 据 库 中 读 取 这 是 所 有 用 MS/MS 搜 索 数 据 库 识 别 蛋 白 质 的 系 统 总 体 的 流 程, 每 个 系 统 侧 重 点 和 算 法 各 不 相 同 如 果 完 全 依 赖 于 解 释 就 成 了 De novo 的 方 法 所 有 搜 索 数 据 库 的 系 统 都 强 调 打 分 模 块, 这 也 是 本

4 节 介 绍 的 重 点 2.2. 数 据 预 处 理 不 管 是 De novo 测 序, 还 是 数 据 库 搜 索 方 法, 都 需 要 对 输 入 的 实 验 MS/MS 数 据 进 行 预 处 理, 以 缩 减 噪 音, 提 取 有 效 数 据 对 于 质 峰 的 选 取, 需 要 确 定 选 取 多 少 数 目 的 质 峰 和 哪 些 质 峰 简 单 的 方 法 是 选 取 固 定 数 目 的 丰 度 值 最 高 的 质 峰, 比 如 SEQUEST[4] 而 Mascot[2] 则 动 态 的 确 定 要 选 取 的 值 峰 的 数 目, 它 考 虑 了 匹 配 时 肽 的 性 质 更 复 杂 的 去 噪 音 的 办 法 还 有 利 用 最 大 熵 原 理, 比 如 Micromass[5] 等 但 仅 凭 丰 度 值 选 取 质 峰 是 不 够 的, 因 为 有 用 的 质 峰 可 能 被 噪 音 埋 没 所 以 合 理 的 做 法 是 加 入 先 验 知 识 Mascot 通 过 在 每 一 个 固 定 范 围 内 (4Da) 保 留 一 个 质 峰 的 方 法 加 强 了 对 小 丰 度 值 质 峰 的 选 取, 以 获 得 与 离 子 系 列 相 对 应 的 质 峰 阶 梯 也 有 人 考 虑 了 峰 之 间 的 相 关 性 来 调 整 质 峰 的 丰 度, 以 选 择 最 优 的 一 组 峰, 如 AuDeNS[0] 我 们 认 为, 对 于 质 峰 的 选 取 这 一 特 殊 的 生 物 问 题, 充 分 利 用 关 于 质 谱 的 先 验 知 识 并 将 其 融 入 传 统 的 信 息 处 理 方 法 中 应 是 解 决 问 题 的 关 键 解 释 与 过 滤 虽 然 完 全 依 赖 于 对 质 谱 的 解 释 的 方 法 是 De vovo 测 序, 但 是 搜 索 数 据 库 的 各 个 系 统 也 或 多 或 少 的 加 入 了 解 释 模 块, 其 目 的 是 直 接 过 滤 掉 不 符 合 的 序 列 以 加 快 搜 索 速 度 和 减 少 错 误 匹 配 通 常 的 方 式 是 利 用 蛋 白 质 或 肽 的 质 量 信 息 进 行 过 滤, 比 如 SEQUEST 和 Mascot 等 PepFrag[6] 利 用 了 氨 基 酸 组 成 信 息 ( 氨 基 酸 组 成 与 氨 基 酸 序 列 是 不 同 的 概 念, 氨 基 酸 组 成 只 是 说 明 氨 基 酸 的 出 现, 没 有 位 置 信 息 ) 有 的 还 加 入 蛋 白 质 的 等 电 点 值, 比 如 MS-Tag[7] 等 更 复 杂 的 是 从 质 谱 中 解 释 出 部 分 氨 基 酸 序 列 信 息, 称 作 序 列 标 签, 比 如 PepSea[8] 准 确 的 序 列 标 签 对 于 消 除 假 阳 性 非 常 有 效 值 得 注 意 的 是, 过 多 的 和 不 正 确 的 解 释 也 可 能 误 导 搜 索 的 过 程 多 大 程 度 的 解 释 才 算 合 适, 以 得 到 最 好 的 搜 索 效 果 是 有 待 探 讨 的 问 题 无 论 如 何, 有 效 的 解 释 模 块 对 于 提 高 系 统 的 性 能 是 非 常 重 要 的, 这 也 是 未 来 搜 索 数 据 库 系 统 的 发 展 趋 势 评 分 算 法 打 分 算 法 是 搜 索 数 据 库 算 法 的 核 心 普 通 的 打 分 算 法 包 括 或 者 简 单 地 对 匹 配 的 质 峰 计 数, 如 MS-Tag, 或 者 累 加 匹 配 的 质 峰 的 丰 度 值, 或 者 把 丰 度 值 取 对 数 后 再 累 加 取 对 数 的 目 的 是 弱 化 丰 度 的 贡 献 SEQUEST 除 了 累 加 匹 配 的 峰 的 丰 度 值 外, 还 考 虑 了 特 定 信 息 对 分 值 的 加 权 他 打 分 的 方 法 如 下, ( im ) ni ( + β )( + ρ ) nt s p = / 其 中,n i 是 在 正 负 -u 误 差 内 与 质 谱 中 观 察 到 的 离 子 相 匹 配 的 理 论 碎 片 离 子 的 数 目,i m 是 它 们 的 丰 度 若 发 生 连 续 的 离 子 系 列 匹 配, 则 加 入 分 数 增 长 项 β(0.075) 对 于 质 谱 中 的 immonium 离 子 ( 与 His,Met,Trp,Tyr, 或 者 Phe 等 氨 基 酸 相 联 系 ), 视 序 列 中 是 否 出 现 这 些 氨 基 酸, 加 减 分 数 项 ρ(0.5) nt 是 理 论 碎 片 离 子 的 总 数 SEQUEST 还 用 了 交 叉 - 相 关 分 析 重 新 对 用 上 述 方 法 得 出 的 前 500 个 结 果 重 新 打 分, 以 加 强 对 小 肽 的 打 分 最 后 的 分 数 C n 如 下 计 算 : C n = R ( = 0) τ τ τ = k, τ 49 75< k < 75 i= 0 R R = n x[ i] y[ i + τ ]

5 其 中,x i 是 理 论 质 谱,y i 是 实 验 质 谱 最 后, 分 数 被 归 一 化 到.0 SCOPE[9] 是 Celera 公 司 设 计 的 打 分 算 法 它 利 用 贝 叶 斯 模 型 进 行 打 分, 对 于 给 定 的 质 谱 求 每 个 序 列 的 后 验 概 率 作 为 分 值, 即 其 中 ( S p) p * = arg maxψ ( S p), ψ ( S p ) = ψ ( S F, p ) Pr ( F p ) ψ 是 给 定 肽 p 生 成 质 谱 S 的 概 率 密 度 函 数,F 是 碎 裂 模 式 Mascot 是 基 于 概 率 的 打 分 算 法, 提 出 了 p- 值 的 概 念, 即, 计 算 匹 配 为 随 机 的 概 率, 而 分 数 为 -log(p) Sonar MS/MS[20] 把 质 谱 转 化 为 向 量, 用 向 量 的 点 积 作 为 分 值 这 些 打 分 算 法 复 杂 程 度 各 异, 也 各 有 优 缺 点 交 叉 相 关 分 析 来 源 于 信 号 处 理 理 论, 用 于 比 较 两 个 信 号 是 否 一 致, 但 未 必 适 合 于 质 谱 这 一 特 殊 信 号 如 果 我 们 简 单 的 把 质 谱 当 作 普 通 信 号 进 行 处 理, 不 加 入 先 验 知 识, 那 么 必 将 丢 失 很 多 信 息 Mascot 的 p- 值 应 该 说 是 对 匹 配 很 好 的 一 个 测 量, 文 献 中 没 有 给 出 计 算 方 法 但 这 样 的 p- 值 必 定 是 不 可 计 算 的, 所 以 只 能 是 个 估 计 值, 仍 要 做 很 多 近 似 和 利 用 经 验 信 息 SCOPE 打 分 算 法 的 理 论 模 型 完 备, 但 为 了 能 够 计 算 做 了 很 多 假 设 和 近 似 我 们 认 为, 融 入 更 多 的 专 家 经 验, 充 分 利 用 对 质 谱 的 解 释 信 息, 考 虑 更 多 的 因 素 比 好 看 的 理 论 模 型 更 重 要 打 分 方 法 仍 是 个 尚 未 完 美 解 决 的 问 题 F 有 效 性 评 价 高 通 量 的 蛋 白 质 识 别 应 尽 量 排 除 人 的 干 预 所 以, 在 打 分 之 后 应 对 分 值 的 有 效 性 进 行 评 价, 也 就 是 要 确 定 匹 配 是 完 全 随 机 的, 还 是 真 实 匹 配 SEQUEST 在 进 行 交 叉 相 关 分 析 之 后, 经 验 地 发 现 如 果 排 在 第 一 位 和 第 二 位 的 结 果 的 分 值 相 差 在 0. 以 上, 那 么 排 在 第 一 位 的 结 果 通 常 是 真 实 匹 配 这 只 是 个 特 殊 情 况 一 般 的 做 法 有 三 种 一 是 使 用 模 拟 的 方 法, 首 次 在 MS 搜 索 中 提 出 [2] 在 模 拟 中, 随 机 的 构 造 理 论 质 谱, 再 用 理 论 质 谱 搜 索 数 据, 最 高 的 分 数 被 保 存 反 复 进 行 这 一 过 程, 就 可 以 得 到 一 个 随 机 识 别 的 分 数 分 布 从 这 分 布 就 可 以 计 算 实 际 识 别 的 蛋 白 质 或 肽 为 随 机 的 概 率 另 一 种 方 法 是 直 接 计 算 随 机 匹 配 的 概 率 比 如 Mascot 认 为 p- 值 在 0.05 以 下 的 匹 配 才 是 真 实 的 然 而, 这 些 直 接 计 算 的 方 法 不 如 模 拟 的 方 法 可 靠, 因 为 计 算 的 过 程 非 常 复 杂, 不 得 不 做 近 似 处 理 第 三 种 方 法 是 在 每 次 搜 索 中 统 计 分 数 的 分 布 比 如,Sonar MS/MS 提 出 了 期 望 值 的 概 念, 期 望 值 在 以 下 的 匹 配 才 被 认 为 是 有 效 的 一 个 统 一 的 评 价 标 准 对 于 比 较 各 个 系 统 的 性 能 是 必 需 的 目 前, 我 们 已 经 研 究 和 开 发 的 一 个 基 于 MS/MS 的 高 通 量 蛋 白 质 识 别 系 统 pfind pfind 对 用 户 提 交 的 MS/MS 数 据 进 行 了 有 效 的 缩 减 和 去 噪 音, 并 通 过 对 质 峰 重 新 归 一 化 的 方 法 加 强 了 对 阶 梯 质 峰 系 列 的 提 取 pfind 的 打 分 算 法 使 用 核 函 数 技 术 计 算 实 验 质 谱 和 理 论 质 谱 之 间 的 相 似 性, 从 而 形 式 化 地 考 虑 了 离 子 之 间 的 相 关 性 这 有 效 地 减 少 了 假 阳 性 搜 索 结 果 的 产 生 pfind 的 核 心 程 序 由 C 语 言 写 成, 用 户 可 以 通 过 窗 口 界 面 指 定 数 据 库 酶 遗 漏 酶 切 位 点 固 定 和 可 变 修 饰 肽 碎 片 离 子 类 型 等 参 数, 以 及 提 交 各 种 格 式 的 MS/MS 数 据 pfind 系 统 还 提 供 了 其 他 质 谱 处 理 工 具, 比 如 PeakCatcher 是 一 个 阅 读 修 改 和 以 图 形 方 式 显 示 质 谱 数 据 的 方 便 工 具 3. 基 于 NMR 的 蛋 白 质 三 维 结 构 识 别 3. 问 题 和 方 法 据 统 计, 目 前 根 据 NMR 或 其 他 各 种 方 式 测 定 的 蛋 白 质 已 经 数 以 万 计, 如 公 用 蛋 白 质 数 据 库

6 PDB[22], 截 至 2002 年 月 26 日,PDB 库 中 共 有 9,3 个 蛋 白 质 的 结 构 同 时 每 个 PDB 文 件 都 提 供 了 蛋 白 质 分 子 的 质 量 温 度 电 荷 数 以 及 蛋 白 质 分 子 的 一 级 二 级 三 级 结 构 信 息, 包 括 残 基 的 类 型 个 数 各 种 旋 转 折 叠 转 角 的 信 息 和 各 个 原 子 的 三 维 坐 标 等 在 这 个 世 界 公 用 蛋 白 质 结 构 库 的 基 础 上, 对 蛋 白 质 三 维 结 构 识 别 研 究 一 般 可 分 为 两 个 方 面 : 一 是 给 定 一 个 用 NMR 或 其 他 方 式 测 定 的 新 的 蛋 白 质 三 维 结 构, 在 PDB 库 中 找 出 与 之 结 构 类 似 的 蛋 白 质, 以 便 于 获 取 未 知 蛋 白 质 的 初 步 信 息 二 是 通 过 已 知 结 构 和 功 能 的 蛋 白 质 数 据 集 进 行 全 局 和 局 部 的 蛋 白 质 结 构 分 析, 获 取 关 于 结 构 与 功 能 对 应 上 的 提 示 信 息, 为 进 - 步 创 新 药 物 设 计 奠 定 基 础 3.2 面 向 PDB 的 蛋 白 质 三 维 结 构 识 别 整 个 框 架 如 图 2 所 示, 一 般 分 为 三 个 步 骤, 首 先 是 预 处 理 : 即 将 PDB 库 中 的 蛋 白 质 结 构 进 行 中 心 对 准 和 主 轴 变 换, 使 各 个 蛋 白 质 结 构 在 空 间 上 达 到 最 佳 的 比 对 位 置, 在 此 基 础 上 抽 取 选 择 特 征 值 然 后 在 得 到 PDB 库 整 体 的 特 征 后 分 别 计 算 出 各 个 蛋 白 质 结 构 的 特 征 值 然 后 是 相 似 性 度 量 : 即 找 到 需 要 作 为 参 考 蛋 白 质 的 三 维 结 构 信 息, 同 样 经 过 上 述 变 换 后 得 到 特 征 值, 并 经 过 相 似 性 度 量 公 式 得 到 PDB 库 中 各 个 蛋 白 质 与 这 个 参 考 蛋 白 质 的 相 似 性 程 度, 可 理 解 为 评 分 算 法 最 后 是 结 果 比 较 : 即 将 评 分 结 果 与 蛋 白 质 家 族 库 (FSSP 库 ) 或 与 其 它 蛋 白 质 比 对 软 件 ( 如 DALI) 进 行 比 较, 得 到 实 验 结 果 并 在 此 基 础 上 进 行 实 验 分 析 图 2: 蛋 白 质 三 维 结 构 识 别 框 架 3.2. 特 征 提 取 如 何 从 蛋 白 质 三 维 结 构 中 抽 取 最 能 反 映 其 结 构 性 质 的 特 征 是 首 先 要 考 虑 的 问 题 现 在 最 基 本 的 思 路 都 是 考 虑 蛋 白 质 分 子 的 一 级 到 三 级 结 构 ( 如 : 不 同 类 型 的 残 基 个 数 不 同 类 型 的 旋 转 折 叠 和 转 角 个 数 以 及 原 子 的 三 维 坐 标 信 息 )[23][24] DALI[25] 提 取 的 特 征 是 蛋 白 质 内 部 氨 基 酸 之 间 相 连 的 碳 原 子 之 间 的 距 离, 并 用 二 维 距 离 矩 阵 组 来 表 示 STRUCTAL[26] 提 取 的 特 征 是 蛋 白 质 骨 架 上 所

7 有 肽 基 原 子 之 间 的 距 离 : 它 首 先 计 算 两 个 结 构 中 所 有 的 肽 基 原 子 之 间 的 的 距 离, 这 样 对 于 参 与 比 对 的 蛋 白 质 结 构 来 说, 它 中 间 的 每 一 个 肽 基 碳 原 子 到 被 比 对 的 蛋 白 质 结 构 中 的 所 有 肽 基 碳 原 子 之 间 的 距 离 都 可 被 计 算 出 来 然 后 这 个 距 离 矩 阵 被 转 化 为 一 个 打 分 矩 阵 VAST[27] 提 取 的 特 征 是 参 与 比 较 的 蛋 白 质 上 具 有 相 同 类 型 的 二 级 结 构 片 断 之 间 的 距 离, 这 些 二 级 结 构 片 断 在 图 中 被 表 示 为 一 对 顶 点 如 果 这 两 个 相 对 应 的 二 级 结 构 之 间 的 距 离 在 某 个 阀 值 范 围 内, 就 在 它 们 之 间 用 线 段 相 连 这 样 就 形 成 了 一 个 表 征 蛋 白 质 二 级 结 构 之 间 类 型 方 向 连 接 属 性 关 系 的 连 通 图 LOCK[28] 提 取 的 特 征 是 参 与 比 较 的 蛋 白 质 的 二 级 结 构 信 息, 它 的 算 法 核 心 是 找 到 合 适 的 比 对 残 基, 并 使 比 对 的 残 基 之 间 的 均 方 根 差 (RMSD) 最 小 3DSEARCH[29] 提 取 的 特 征 是 所 有 目 标 蛋 白 质 的 所 有 二 级 结 构 向 量, 并 在 此 基 础 上 构 建 一 个 高 冗 余 度 的 HASH 表 而 现 在 出 现 的 一 些 更 新 的 蛋 白 质 匹 配 ( 识 别 ) 算 法 [30][3] 更 是 同 时 考 虑 了 一 级 到 三 级 结 构 信 息, 并 将 这 些 信 息 附 以 一 定 的 权 值 后 加 入 打 分 算 法 随 着 对 蛋 白 质 结 构 - 功 能 认 识 的 深 入, 蛋 白 质 结 构 识 别 算 法 需 要 抽 取 的 特 征 信 息 将 会 越 来 越 多 提 取 的 描 述 蛋 白 质 三 维 结 构 的 特 征 应 该 满 足 旋 转 平 移 与 尺 度 不 变 的 要 求, 同 时 要 保 证 基 于 这 些 三 维 特 征 的 给 出 的 相 似 性 度 量 与 专 家 的 经 验 感 知 结 果 基 本 一 致 然 而, 生 物 学 家 的 领 域 知 识 和 经 验 不 能 完 全 固 化 到 各 式 各 样 的 特 征 提 取 算 法 中 因 此, 我 们 考 虑 可 以 引 进 交 互 式 学 习 机 制 -- 相 关 反 馈, 它 使 系 统 在 与 用 户 的 交 互 过 程 中 不 断 的 精 确 查 询 和 动 态 的 调 整 检 索 模 型, 从 而 适 应 不 同 用 户 的 查 询 和 不 同 的 应 用, 实 现 符 合 用 户 需 要 的 检 索 功 能 相 似 匹 配 的 数 学 模 型 由 于 对 蛋 白 质 三 维 结 构 的 识 别 涉 及 到 三 维 空 间 的 搜 索, 因 此 如 何 使 目 标 程 序 能 够 进 行 更 有 效 率 ( 包 括 准 确 度 和 速 度 ) 的 计 算 也 是 一 个 重 要 的 问 题 DALI 用 二 位 距 离 矩 阵 组 来 表 示 一 个 蛋 白 质 内 部 氨 基 酸 之 间 相 连 的 碳 原 子 之 间 的 距 离, 同 时 为 了 减 小 复 杂 度,DALI 采 用 了 分 支 定 界 法 (branch-and-bound algorithm) 来 得 到 近 似 解 由 于 DALI 为 了 搜 索 全 局 最 优 的 排 列 而 采 用 了 分 支 定 界 技 术,DALI 算 法 的 搜 索 空 间 要 比 其 他 几 种 匹 配 算 法 的 搜 索 空 间 大 STRUCTAL 采 用 迭 代 动 态 规 划 算 法 (iterative dynamic programming) 来 使 两 个 蛋 白 质 骨 架 之 间 的 均 方 根 差 (RMSD) 达 到 最 小 并 且 在 将 距 离 矩 阵 ( 代 表 肽 基 原 子 之 间 的 距 离 ) 转 化 为 打 分 矩 阵 后, 通 过 动 态 规 划 算 法 得 到 蛋 白 质 的 最 佳 比 对 位 置 ( 包 含 从 六 种 不 同 的 初 始 状 态 开 始 的 对 齐 操 作 ) STRUCTAL 系 统 在 一 些 方 面 ( 如 immunoglobulin) 的 准 确 性 要 DALI 和 LOCK 差 很 多 这 可 能 是 由 于 该 算 法 在 搜 索 空 间 上 的 不 完 备 造 成 的 ( 这 个 算 法 中 采 用 的 六 个 初 始 状 态 对 于 类 似 于 immunoglobulin 这 样 具 有 很 多 结 构 变 化 的 结 构 来 说 是 不 够 的 ) VAST 算 法 是 采 用 图 形 学 中 的 算 法 来 对 二 级 结 构 进 行 比 对 通 过 对 连 通 图 进 行 搜 索 找 到 其 中 的 极 大 强 连 通 子 图, 以 此 来 找 到 同 源 性 LOCK 使 用 了 迭 代 技 术 来 选 择 比 对 的 残 基 并 且 使 它 们 之 间 的 均 方 根 差 (RMSD) 最 小 这 个 迭 代 技 术 主 要 用 来 对 用 来 比 对 的 空 间 进 行 搜 索, 具 体 分 为 三 个 主 要 步 骤 : 一 寻 找 局 部 二 级 结 构 的 最 佳 重 叠 (Local Secondary Structure Superposition), 算 法 将 参 与 比 较 的 两 个 蛋 白 质 的 二 级 结 构 表 示 为 向 量, 并 且 用 动 态 规 划 方 法 来 寻 找 这 些 向 量 的 最 佳 的 局 部 一 致 性 二 寻 找 原 子 的 最 佳 重 叠 (Atomic Superposition) 三 寻 找 最 佳 的 核 心 重 叠 (Core Superposition), 通 过 分 析 两 个 蛋 白 质 结 构 上 的 对 应 原 子 之 间 的 关 系 找 出 符 合 最 佳 重 叠 的 最 大 的 原 子 子 集 在 实 际 功 能 上,LOCK 系 统 在 某 些 结 构 ( 如 myoglobin TIM) 上 表 现 良 好, 甚 至 要 好 于 DALI ( 比 如 在 TIM 上 ) 但 在 有 些 类 型 ( 如 immunoglobulin) 上 表 现 不 如 DALI, 一 个 主 要 的 原 因 是 LOCK 在 它 的 比 对 算 法 中 加 入 的 刚 体 限 制 (rigid-body constraint) 由 于 LOCK 使 用 分 子 内 部 距 离 来 进 行 最 后 的 比 对 计 算, 这 个 算 法 有 时 对 于 一 些 积 累 偏 差 处 理 上 会 很 困 难, 而 DALI 由 于 采 用 比 较 灵 活 的 打 分 策 略, 在 这 方 面 要 好 于 LOCK. 另 外, 由 于 LOCK 的 刚 体 限 制, 会 有 一 些 β 折 叠 被 排 除 在 外, 这 样 会 影 响 最 终 得 到 的 匹 配 结 构 中 的 原 子 个 数 这 两 个 方 面 都 降 低 了 LOCK 的 比 对 效 果 在 速 度 方 面 LOCK 在 氨 基 酸 级 上 的 比 对 速 度 是 最 快 的 ( 要 比 DALI 快 一 个 数 量 级 ) 3dSEARCH 采 用 一 个 高 度 冗 余 的 HASH 表 ( 或 索 引 表 ) 来 表 示 所 有 目 标 蛋 白 质 的 所 有 二 级 结 构 向 量 在 实 际 功 能 上,3dSEARCH

8 在 某 些 结 构 上 的 表 现 相 对 较 差 ( 比 如 immunoglobulin), 这 主 要 是 由 于 3dSEARCH 仅 仅 对 二 级 结 构 作 相 似 性 比 较 造 成 的 另 一 方 面, 由 于 3dSEARCH 主 要 基 于 比 较 二 级 结 构 向 量 的 相 对 方 向, 它 很 难 对 那 些 只 含 有 β 折 叠 的 蛋 白 质 结 构 进 行 比 较 ( 因 为 这 样 的 结 构 中 的 向 量 方 向 都 是 相 似 的 ) 同 时, 由 于 3dSEARCH 的 打 分 仅 仅 依 赖 于 参 与 比 对 的 结 构 向 量 的 数 量, 它 的 准 确 度 随 着 目 标 结 构 中 向 量 数 量 的 减 少 而 显 著 降 低 3dSEARCH 最 大 的 优 点 是 它 的 速 度, 它 是 所 有 算 法 中 速 度 最 快 的, 它 比 速 度 排 在 第 二 位 的 LOCK 还 要 快 将 近 两 个 数 量 级 目 前 通 常 使 用 的 是 对 于 距 离 ( 残 基 之 间 的 距 离 原 子 之 间 的 距 离 ) 的 相 似 性 度 量 这 种 度 量 的 计 算 方 式 有 多 种, 比 如 一 种 简 单 的 方 式 是 φ ) R R A B ( i, j =θ d d, 这 里 的 A B 分 别 代 表 相 比 较 A B R 的 两 个 蛋 白 质, d 和 d 代 表 A B的 距 离 矩 阵 中 对 应 的 元 素, θ 代 表 相 似 性 度 量 中 的 零 值 在 打 分 方 式 上,DALI 服 务 器 上 采 用 的 是 灵 活 的 相 似 性 度 量 打 分 策 略, 它 的 计 算 公 式 为 : φ E ( i, j) = ( θ E d E θ, i = j A d d * B * ) w( d ), i j 最 后 的 相 似 性 分 数 为 S = L i= L j= φ ( i, j), 其 中 L 代 表 进 行 比 较 的 元 素 的 个 数 DALI 系 统 从 总 体 上 说 具 有 非 常 好 的 表 现, 这 与 它 所 采 用 的 灵 活 的 相 似 性 打 分 方 法 有 很 大 关 系 在 STRUCTAL 算 法 中 采 用 的 打 分 公 式 为 score( i, j) = + 此 外, 还 有 采 用 欧 式 距 的 其 他 一 些 打 分 方 式 S = N N k= + ( FR[ k] Q M dis tan ce( i, j), 其 中 F 2 R和 FQ 分 别 表 示 参 照 和 被 参 照 的 特 征 值 F [ k]) 关 于 结 构 匹 配 算 法 ( 全 局 子 结 构 ), 我 们 认 为 还 可 以 从 几 个 方 面 加 以 扩 展 :) 不 同 原 子 的 质 量 可 以 被 看 作 是 不 同 的, 现 在 一 般 的 算 法 认 为 都 是 相 同 的 ;2) 可 以 考 虑 在 算 法 中 采 用 更 高 维 的 矩, 矩 具 有 旋 转, 平 移 不 变 性 ;3) 可 加 入 更 多 生 物 相 关 的 知 识 以 完 善 识 别 算 法, 如 结 合 位 点 (binding site) 与 几 种 离 子 化 学 键 的 关 系 等 等 ;4) 在 对 各 个 特 征 值 的 权 重 取 值 上 加 入 专 家 的 反 馈 结 果 d 结 果 评 价 目 前 的 评 价 方 式 有 两 种, 一 种 是 与 一 些 蛋 白 质 的 二 级 数 据 库, 如 FSSP 库 (FAMILIES OF STRUCTURALLY SIMILAR PROTEINS) 进 行 比 较 一 种 是 与 前 面 所 说 的 几 种 国 际 上 比 较 著 名 的 蛋 白 质 匹 配 软 件 进 行 比 较 由 于 FSSP 库 中 的 数 据 都 是 经 过 具 体 的 生 物 实 验 验 证 过 的, 因 而 与 FSSP 库 的 比 较 可 以 衡 量 出 蛋 白 质 比 对 软 件 在 生 物 学 意 义 上 的 实 际 效 率 ; 另 一 方 面, 与 其 他 著 名 蛋 白 质 匹 配 软 件 ( 如 DALI) 的 比 较 则 可 以 在 总 结 实 验 结 果 的 基 础 上 针 对 匹 配 软 件 ( 算 法 ) 的 不 足 之 处 进 行 改 进, 可 使 匹 配 软 件 ( 算 法 ) 日 臻 完 善

9 4. 基 于 信 息 整 合 技 术 的 公 用 数 据 库 建 立 随 着 人 类 基 因 组 和 蛋 白 质 科 研 信 息 迅 速 膨 胀, 在 基 因 组 蛋 白 质 组 水 平 上 的 生 物 学 数 据 的 有 机 整 合 新 的 生 物 信 息 数 据 管 理 技 术 的 成 熟 与 否, 成 为 生 物 信 息 技 术 发 展 的 关 键 因 素 将 众 多 的 异 构 生 物 学 数 据 库 从 技 术 上 解 译 并 且 在 物 理 上 移 植 到 一 个 单 独 的 结 构 一 致 的 数 据 库 管 理 体 系 之 中, 形 成 统 一 的 用 户 使 用 界 面, 实 现 生 物 信 息 数 据 整 合 智 能 化 的 多 重 复 合 和 交 叉 检 索 和 基 于 高 性 能 计 算 网 格 的 数 据 共 享, 将 为 我 国 功 能 基 因 组 研 究 药 物 研 发 提 供 基 本 的 信 息 技 术 支 撑 目 前 国 内 外 大 部 分 数 据 库 体 系 在 生 物 信 息 数 据 的 整 合 上 采 取 的 方 法 都 是 建 立 分 散 在 不 同 的 异 构 数 据 库 中 的 数 据 之 间 的 简 单 链 接, 数 据 库 并 没 有 有 机 地 整 合 在 一 起, 不 能 实 现 智 能 化 的 多 重 复 合 和 交 叉 检 索 如 何 能 充 分 利 用 互 联 网 资 源 实 现 以 上 目 标 是 研 究 的 重 点 问 题 各 国 研 究 人 员 已 经 开 始 着 手 解 决 数 据 库 体 系 分 散 问 题, 美 国 和 欧 洲 有 关 机 构 最 近 就 宣 布, 将 把 全 球 三 大 主 要 蛋 白 质 数 据 库 资 源 集 中 起 来, 建 设 一 个 全 新 的 蛋 白 质 数 据 库 结 合 蛋 白 质 质 识 别 研 究 工 作 的 需 要, 我 们 考 虑 可 建 立 如 下 的 数 据 库 :) 公 用 蛋 白 质 组 数 据 库, 主 要 在 Swiss-Port TrEMBL 和 TrEMBL-new 所 有 的 非 冗 余 的 蛋 白 质 信 息 数 据 的 基 础 上 建 立 一 个 公 用 蛋 白 质 组 数 据 库 2) 多 肽 数 据 库, 将 产 生 的 各 种 不 同 的 多 肽 片 断 放 入 数 据 库, 并 与 相 应 的 酶 蛋 白 序 列 关 联, 记 下 产 生 的 条 件 以 及 相 应 的 位 置 等 信 息, 并 计 算 每 一 条 多 肽 片 断 的 分 子 量 3) 整 合 其 他 资 源 所 得 的 数 据 库, 一 是 建 立 非 冗 余 的 Cluster dbest 以 及 TC- 蛋 白 质 数 据 库 二 是 建 立 候 选 蛋 白 质 数 据 库 具 体 来 说, 首 先 从 dbest 以 及 dbtc 出 发, 建 立 非 冗 余 的 Cluster dbest 其 次, 由 于 EST 是 核 酸 序 列 中 与 蛋 白 质 序 列 关 系 最 为 密 切 的 信 息, 必 须 充 分 利 用 这 部 分 信 息 另 外, 在 对 大 量 的 新 鉴 定 的 蛋 白 质 在 蛋 白 质 组 水 平 上 进 行 功 能 与 结 构 分 析 时, 整 合 的 蛋 白 质 组 数 据 仓 库 和 联 邦 数 据 库 体 系 是 研 究 最 基 本 的 出 发 点, 因 此, 可 将 在 已 有 的 国 际 上 通 用 的 XML[32] 和 Relational 数 据 库 技 术 工 作 基 础 上, 进 一 步 采 用 合 适 的 JAVA 中 间 件 技 术, 结 合 Gene Ontology 标 准, 构 建 数 据 模 型, 形 成 一 套 跨 平 台 的 可 整 合 大 量 主 要 的 异 构 生 物 信 息 数 据 库, 并 可 根 据 注 释 内 容 扩 展 的 数 据 管 理 搜 索 和 可 视 化 的 新 的 数 据 仓 库 系 统 和 联 邦 数 据 库 系 统, 针 对 大 批 量 大 白 质 组 数 据 的 导 入 冗 余 信 息 的 剔 除 等, 重 要 关 键 信 息 的 整 合, 开 发 新 的 技 术, 使 数 据 库 体 系 更 加 完 善 5. 结 束 语 与 展 望 利 用 信 息 工 程 技 术, 辅 助 生 物 学 家 开 展 面 向 质 谱 技 术 的 高 通 量 蛋 白 识 别 以 及 面 向 NMR 的 蛋 白 质 三 维 结 构 识 别 以 及 功 能 发 现 研 究 成 为 蛋 白 质 组 中 的 生 命 科 学 与 信 息 科 学 交 叉 研 究 的 热 点 和 挑 战 问 题, 本 文 侧 重 从 信 息 技 术 的 角 度 对 这 两 方 面 问 题 进 行 研 究 综 述 并 对 可 能 开 展 研 究 的 问 题 和 方 法 进 行 了 归 纳 并 提 出 我 们 解 决 问 题 的 思 路 和 方 法 总 之, 利 用 信 息 技 术 可 以 辅 助 完 成 致 病 相 关 蛋 白 识 别 及 有 关 蛋 白 结 构 功 能 的 研 究, 这 项 研 究 成 果 可 辅 助 生 物 学 家 用 于 理 解 生 命 现 象 的 本 质, 并 找 到 提 高 人 类 生 命 质 量 的 办 法, 这 是 今 后 生 命 科 学 研 究 所 面 临 的 一 个 主 要 课 题, 也 是 基 因 组 计 划 的 必 然 发 展 方 向 它 不 仅 是 一 个 重 大 的 关 系 全 局 的 基 础 理 论 性 的 问 题, 关 系 到 人 口 与 健 康 领 域 的 方 方 面 面, 同 时 也 是 一 个 将 给 生 物 技 术 发 展 和 应 用 带 来 彻 底 革 命 的 关 键 性 研 究 课 题, 并 将 会 毫 无 疑 问 地 大 大 推 动 生 物 医 药 等 产 业 的 发 展 6. 参 考 文 献 [] Pappin, D.J.C., Hojrup, R, Bleasby, A.J., Rapid identification of proteins by peptide-mass finger printing. Current Biology, 993, 3:

10 [2] Perkins, D.N., Pappin, D.J., Creasy, D.M., Cottrell, J.S., Probability-based protein identification by searching sequence databases using mass spectrometry data. Electrophoresis, 999, 20: [3] Zhang, W, Chait, B.T., ProFound an expert system for protein identification using mass spectrometric peptide mapping information. Analytical Chemistry, 2000, 72: [4] Wilkins, M.R., Gasteiger, E, Bairoch, A, Sanchez, J.C., Williams, K.L., Appel R.D., Hochstrasser D.F., Protein identification and analysis tools in the ExPASy server. Methods Molecule Biology, 999, 2: [5] Clauser, K.R., Baker, P, Burlingame, A.L., Role of accurate mass measurement (± 0 ppm) in protein identification strategies employing MS or MS/MS and database searching. Analytical Chemistry, 999, 7: [6] J.A.Taylor and R.S.Johnson, Sequence database searches via de novo peptide sequencing by tandem mass spectrometry. Rapid Comm. Mass Spectrum.: ,997. [7] J.A.Taylor and R.S.Johnson,Implementation and uses of automated de novo peptide sequencing by tandem mass spectrometry. Analytical Chemistry. 73: ,200. [8] V. Dancik, T.A.Addona, K.R.Clauser, J.E.Vath, P.A.Pevzner, De Novo Peptide Sequencing via Tandem Mass Spectrometry: A Graph-Theoretical Approach. RECOMB 99, pp 35-44,999. [9] Ma, B., Zhang, K., Lajoie, G., Doherty-Kirby, A., Liang, C. and Li, M A powerful software tool for the de novo sequencing of peptides from MS/MS data. Abstracts of the 50th ASMS Conference on Mass Spectrometry and Allied Topics, June 2-6, p70. [0] S. Baginsky, M. Cieliebak, W. Gruissem, T. Kleffmann, Z. Liptak, M. Muller, and P. Penna, AuDeNS: A Tool for Automatic De Novo Peptide Sequencing. Technical Report no. 383, ETH Zurich, Dept. of Computer Science [] J. Fernandez-de-Cossio, J. Gonzalez, T. Takao, Y. Shimonishi, G. Padron, and V. Besada, A Software Program for the Rapid Sequence Analysis of Unknown Peptides Involving Modifications, Based on MS/MS Data. 45 th ASMS Conference on Mass Spectrometry and Allied Topics, 997. [2] Ting Chen, Ming-Yang Kao, Matthew Tepel, John Rush, George M.Church, A Dynamic Programming Approach to De Novo Peptide Sequencing via Tandem Mass Spectrometry. Proc. of the th SIAM-ACM Symposium on Discrete Algorithms (SODA 2000),pp ,2000. [3] D.R. Goodlett, A. Keller, J.D. Watts, R. Newitt, E.C. Yi, S. Purvine, J.K. Eng, P. von Haller, et al.200. Differential stable isotope labeling of peptides for quantitation and de novo sequence derivation. Rapid Comm. Mass Spectrum. 5: [4] Eng, J.K., McCormack, A.L., Yates, J.R., An approach to correlate tandem mass spectral data of peptides with amino acid sequences in a protein database. Journal of Am. Soc. Mass Spectrum, 994, 5:976. [5] Jonathan, C. C. and Brian, N. G., MaxEnt: An Essential Maximum Entropy Based Tool for Interpreting Multiply-Charged Electrospray Data. Micromass UK Limited. Available at [6] Fenyo, D, Qin, J, Chait, B.T., Protein identification using mass spectrometric information. Electrophoresis, 998, 9: [7] Clauser, K.R., Baker, P, Burlingame, A.L., Role of accurate mass measurement (± 0 ppm) in

11 protein identification strategies employing MS or MS/MS and database searching. Analytical Chemistry, 999, 7: [8] Mann, M, Wilm, M: Error-tolerant identification of peptides in sequence databases by peptide sequence tags. Analytical Chemistry, 994, 66: [9] Vineet, B., Nathan, E., SCOPE: a probabilistic model for scoring tandem mass spectra against a peptide database. Bioinformatics, Vol. 7 Suppl. 200, pp.3-2. [20] Helen, I.F., David, F, Ronald, C.B., RADARS: a bioinformatics solution that automates proteome mass spectral analysis, optimises protein identification, and archives data in a relational database. Proteomics, Vol.2, Issue, pp [2] Yates, J.R., Eng, J.K., McCormack, A.L., Schieltz D, Method to correlate tandem mass spectra of modified peptides to amino acid sequences in the protein database. Analytical Chemistry, 995, 67: [22] Liisa, H., Chris, S., Searching Protein Structure Databases Has Come of Age, Proteins, 994, Vol.9, pp [23] Liisa, H., Chris, S., Mapping the Protein Universe, Science, 996, Vol. 273, pp [24] Minoru Kanehisa,Post-genome Informatics, OXFORD university press, 200. [25] Liisa Holm, Chris Sander, Protein Structure Comparison By Alignment of Distance Matrices, Journal of Molecule Biology, 993, Vol.233, pp [26] Gerstein, M, Levitt, M, Using Iterative Dynamic Programming to Obtain Accurate Pairwise and Multiple Alignments of Protein Structures, Proceedings of the Fourth International Conference on Intelligent Systems in Molecular Biology, (Menlo Park, CA, AAAI Press, June 2-5,996). [27] Gibrat, J.F., Madej, T., Bryant, S.H. Surprising similarities in structure comparison. Current Opinion in Structural Biology. 996, Vol. 6, [28] Amit, P.S., Douglas, L.B., Hierarchical Protein Structure Superposition using both Secondary Structure and Atomic Representations, ISMB-97, Vol. 4, [29] Amit, P.S., Douglas, L.B., Protein Structure Alignment: A Comparison of Methods,999. [30] Shannching Chen, Tsuhan Chen, Retrieval of 3D Protein Structures, ICIP2002, Rochester, NY, U.S.A., September [3] Shannching Chen, Tsuhan Chen, Protein Retrieval By Matching 3D Surfaces, GENSIPS 2002, Raleigh, North Carolina, USA, October, [32] F. Achard, Vaysseix G., Barillot, E., XML, bioinformatic and data integration, Bioinformatic, 200, Vol.7, No.2,pp.5-25.