梁 亮

(四川师范大学 网络与通信技术研究所,四川 成都 610066)

蛋白质的功能与其结构之间存在着密切的关系[1]。因此,蛋白质结构的准确解析对于理解生命活动的过程具有重要意义[2-4]。

X射线晶体衍射技术(X-ray crystallography)是解析蛋白质三维结构最主要的手段之一。截至2021年4月28日,蛋白质数据库(Protein data bank,PDB)中共计177 219个蛋白质结构,其中156 097个结构是利用X射线晶体衍射技术解析的,约占总数的88.1%。然而,在实际的蛋白质结构解析过程中,X射线晶体衍射技术的成功率只有10%左右[5]。其主要原因是大量实验蛋白质无法得到可供衍射的晶体,导致大量的时间和资源浪费在那些无法结晶的蛋白质上。另一方面,随着现代测序技术的飞速发展,蛋白质序列快速累积,结构和序列之间的鸿沟日益增大[5,6]。鉴于此,若能直接从蛋白质序列出发来准确预测其结晶倾向性,则对于提高基于X射线晶体衍射技术测定蛋白结构的成功率以及缩小蛋白质序列与结构之间的鸿沟将有重要价值。

已经有不少研究人员展开了从蛋白质序列出发预测接近倾向性的研究[7]。例如,Overton和Barton[8]根据等电位点(Isoelectric point,pI)和疏水性特征,开发了一个标准化的靶位分级量表,称为OB评分,可以用于结晶倾向性的评估。研究还发现,蛋白质的一些特定二级结构,如α螺旋、无规则卷曲等对蛋白质的结晶有影响[9-11]。随后,机器学习方法开始逐步被应用于蛋白质结晶倾向性的预测:例如Smialowski等[12]提出了一种SECRET方法,该方法基于蛋白质序列特征,综合使用……