张卫婷

（咸阳职业技术学院 陕西省咸阳市 712000）

1 文本分析技术在生物信息学中的应用

1.1 蛋白质折叠识别

蛋白质的折叠识别，可以理解为在蛋白质众多序列中准确识别其三维立体结构特殊类型，该应用是作为生物信息学重点研究方向存在。在蛋白质的一级序列中，常使用字母对标准氨基酸进行表示，而其序列信息在借助文本文件储存在相关数据库中。世界范围内最大蛋白质序列数据库当属美国国立生物技术信息中心（NationalCenter for Biotechnology Information）的NR (Non-Redundant Protein Sequence Database）数据库。NR 数据库与常见的MySQL数据库有所不同，其应用fasta 格式的文本文件，格式虽然简单，但是内容却异常丰富，使用该格式完成蛋白质序列储存工作，这让许多文本分析数学算法无须额外处理，直接应用在分析蛋白质序列工作中即可[1]。

1.2 应用原理

目前蛋白质从折叠识别会覆盖蛋白质所有序列，直到构建三维空间停止，而应用方法主要是穿线法（Threading)，即将目标序列作为“针”，在由蛋白质构建三维空间中进行穿梭，以科学方法对序列和结构是否具备高匹配度严格分析。匹配程度而打分分数具有正相关联系。而对于蛋白质的折叠情况进行识别，其理论应用基础为蛋白质即便序列并不是太过相似条件下，其空间结构也存在相似影响潜力，可以理解为蛋白质是拥有弱同源性[2]。在生物发展历程中，蛋白质为保证在自我复制时仍可以拥有完整功能，就需要保证结构拥有保持稳定性质，而序列则会被各类突变因素影响，呈现变化状态。……