生物信息学在蛋白质组学中的应用

生物信息学在蛋白质组学中的应用

摘要：生物信息学是现代生命科学与信息科学、计算机科学、数学、统计学、物理学、化学等学科相互渗透而高度交叉形成的一门新兴前沿学科。而蛋白质组学是后基因时代标志性的研究新领域, 其快速发展很大程度上依赖于生物信息学的蓬勃壮大。从生物信息学与蛋白质数据库、蛋白质分析、蛋白质功能的联系3个方面, 对生物信息学在蛋白质组学上应用的研究进展进行综述。

关键词：生物信息学; 蛋白质组学; 蛋白质数据库; 蛋白质分析; 蛋白质功能随着人类基因组测序计划的完成, 生命科学的重心开始转移到对基因的表达产物—蛋白质的研究上来, 蛋白质组学遂成为后基因时代的研究前沿和热点领域。因为蛋白质是基因功能活动的最终执行者, 是生命现象复杂性和多变性的直接体现者, 因此人类要揭示整个生命活动的规律, 就必须研究基因的产物—蛋白质, 从基因水平向蛋白质水平的深化成为了生物学研究发展的必然趋势。蛋白质具有自身特有的活动规律, 随着生命活动的进程表现出极其动态的紧密协调的变化。蛋白质在合成之后具有相对独立的修饰、转运和相互间作用能力, 同时还具有对外界因素发生反应的能力。因此, 蛋白质组是一个在空间和时间上动态变化着的整体, 只有从蛋白质组学的角度对所有蛋白质的总和进行研究, 即开展蛋白质组学研究, 才能更加贴近对生命现象和本质的掌握, 生命活动的本质和活动规律才能找到答案[ 1]。

1 生物信息学、蛋白质组学的相关概念

1.1 生物信息学生物信息学(Bioinformatics)是随着人类基因组计划的启动而兴起的一门新的交叉学科,由林华安博士在1987年首次提出的。生物信息学是在生命科学、计算机科学和数学的基础上逐步发展而形成的一门新兴交叉学科, 是以理解各种数据的生物学意义为目的,运用数学与计算机科学手段进行生物信息的收集、加工、存储、传播、分析与解析的科学[2]。生物信息学在基因组学和蛋白质组学的研究中起到了特殊的重要作用,因为基因组和蛋白质组研究提供的数据的数量之巨大在生物学史上是史无前例的。而且, 蛋白质组比基因组具有更大的复杂性, 因而蛋白质组信息学更有挑战性。

1.2 蛋白质组学蛋白质组(proteome)一词,源于蛋白质(protein)与基因组( genome) 两个词的结合,最早由澳大利亚学者Wilkins和Willian 等人1994年提出,是指基因组所表达的全部蛋白质。它与基因组相对应,也是一个整体的概念。从这个定义上来看,蛋白质组内蛋白质的数目应该等于基因组内编码蛋白质的基因( 准确地说应为开放阅读框,ORF)的数目,但在生物体内这样的蛋白质组是不存在的[3]。

蛋白质组的概念与基因组的概念有许多差别,它随着组织、甚至环境状态的不同而改变。蛋白质组具有复杂多变的特点,蛋白质的种类数量即使在同一生物体相同细胞中在不同时期和环境下也是不同的。故一个蛋白质组不是一个基因组的直接产物,蛋白质组中蛋白质的数目有时可以超过基因组的数目。蛋白质组学是研究蛋白质组及大范围蛋白质的分离、分析、应用的学科。它不同于传统的单个蛋白质或某一类蛋白质研究, 研究体系内全部的蛋白质及其动态变化规律，蛋白质翻译后修饰研究已成为蛋白质组研究中的重要部分和巨大挑战,蛋白质间相互作用的研究也已被纳入蛋白质组学的研究范畴[4]。

2 生物信息学在蛋白质组学上的应用

目前对蛋白质组研究的技术手段很多,常用的主要有双向凝胶电泳和测序质

谱技术等。与它们相比,生物信息学在蛋白质组学的研究中将起着特殊的重要作用。因为蛋白质组研究提供的数据的数量之大在生物学上是史无前例的。当前生物信息学已经不仅是高效地进行对蛋白质数据的分析,而且可以对已知的或新的基因产物进行全面的功能分析[5]。

2.1 生物信息学与蛋白质数据库

由于Internet、大型服务器和广泛的计算机的参与, 蛋白质组的研究效率和精确度大大提高。蛋白质数据库是蛋白质组研究水平和能力的标志。到目前为止,生物学数据库总数已经超过500个,而仅与蛋白质有关的数据库就有300个左右。由此可见,生物信息学与蛋白质组研究密切相关。蛋白质数据库的分类方法很多, 从以下3方面进行分类简单概括。

2.1.1 以数据存储方式为分类标准可以分为层次型数据库、网状型数据库、关系型数据库、面向对象型数据库。

2.1. 2 以存储种类为分类标准可以分为一级结构序列、二维凝胶图像、三维结构图形、信号传导及蛋白质- 蛋白质相互作用相关数据库、DNA和蛋白质相互作用数据库[ 6]。其中,一级结构序列数据库主要有：SWISS –PROT，PIR，OWL，MIPS等。二维凝胶图像数据库中,内容丰富、涵盖面广的数据库主要是:WORLD-2DPAGE等。三维结构图形数据库有SCOP，SWISS-MODEL等。

2.1．3 从数据库的内容角度划分可以分为蛋白质序列数据库、蛋白质结构数据库、蛋白质功能数据库等。蛋白质序列数据库, 最初为初始数据库, 主要用于序列测定, 这些数据库,各有特色, 往往结合多个数据库一起使用。为了避免麻烦,可以选择不同的初级数据库来源和采用不同标准的复合数据库诞生了。2.2 生物信息学与蛋白质分析

在蛋白质组分析过程中,生物信息学的作用不仅仅体现在数据库的查阅和资料的整合中,生物信息学软件在蛋白质组研究领域的作用更是至关重要的。蛋白质分析软件应用主要集中在结合蛋白质组研究中的分离技术和鉴定技术识别蛋白质。

对于已知蛋白质结构进行分析、总结结构规律是各种结构预测方法的基础。蛋白质分子结构的一个显著特征是其结构的层次性。一般用一级结构、二级结构、三级结构、四级结构和五级结构表示蛋白分子的不同结构层次。其中五级结构是指由独立的生物大分子相互作用而成的聚集体，如蛋白质—核酸聚集体[7]。

2.2.1 蛋白质一级结构分析根据20种氨基酸的理化性质可以分析电泳等实验中的未知蛋白质,同样也可以分析已知蛋白质的物化性质。AACompident。它与把氨基酸序列在SWISS -PROT库中搜索不同,AACompident利用未知蛋白的氨基酸组成去确认具有相同组成的已知蛋白。这个程序需要的信息比较多,包括有氨基酸组成蛋白质的名称、pI和Mw( 如果已知)以及它们的估算误差、所属物种、标准蛋白的氨基酸组成、标准蛋白的SWISS-PROT编号等,用户还需要在 6种氨基酸“组合”中作出选择。然后在SWISS-PROT或TrEM -BL数据库中搜索组成相似蛋白[8]。

2.2.2 蛋白质二级结构预测二级结构是指A螺旋和B折叠等规则的蛋白质局部结构元件。蛋白质的二级结构预测的基本依据是每一段相邻的氨基酸残基具有形成一定二级结构的倾向。因此,进行二级结构预测需要通过统计和分析发现这些倾向或者规律。蛋白质二级结构预测的方法有 3 种。一是由已知结构统计各种氨基酸残基形成二级结构的构象趋势, 其中最常用的是Chou和Fasman法; 二是基于氨基酸的物理化学性质,包括堆积性、疏水性、电荷性、氢键形成能力等;

三是通过序列比对,由已知三维结构的同源蛋白推断未知蛋白的二级结构。各种方法预测的准确率随蛋白质类型的不同而变化。一般对于 A螺旋预测精度较好,对B折叠差些, 而对除 A螺旋和B折叠等之外的无规则二级结构则效果很差。2.2.3 蛋白质物理性质的预测蛋白质的一些功能特征可以通过蛋白序列直接推算出来,通过组成蛋白质的 20 种氨基酸的物理和化学性质,分析已知或未知蛋白质的性质, 如等电点、分子量、疏水性、跨膜螺旋、卷曲螺旋及信号肽等[9]。

2.2.4蛋白质的三维结构蛋白质三维结构是预测时最复杂和最困难的预测技术。序列差异较大的蛋白质序列也可能折叠成类似的三维构象。由于蛋白质的折叠过程并不十分清晰,从理论上解决蛋白质折叠的问题还有待进一步的科学发展, 目前三维空间结构预测的主要方法有同源模建、折叠类型识别和从头预测[10]。预测过程中，一般先将目标序列（模建序列）与结构数据库中的数据匹配，寻找与已知结构有无明显同源性的序列，如模建序列与模板序列匹配后的序列同源性在30%以上，则可以用同源蛋白模建的方法预测其三维结构。如序列同源性小于30%，建立理想的同源模建模型比较困难，则利用折叠模式识别方法来寻找远源的同源性或类似的折叠模式；如果找不到同源或类似结构，对于小分子蛋白则可尝试二级结构堆积计算或简化模型的从头预测方法。同源模建是目前最为成功及实用的蛋白质结构预测方法，可在一定程度上用于解释实验数据、进行突变体设计和药物设计等。

2.3 生物信息学与蛋白质功能

生物信息学最常用的分析方法是模式识别。主要是利用存在于蛋白质序列结构中的某些特殊的特征模体来识别相关蛋白质性质。换而言之, 就是从新的蛋白序列中发现标志性的序列或者结构, 以此建立模式,然后在已经建立好的已知蛋白质数据库中, 搜集与此相似的模式, 来确定未知蛋白质的归属,从而预测它的功能[ 17]。许多基因是在特定时期和条件下被激活, 才能表达出来, 在正常人工模拟的环境下根本无法表达。类似于这样的未知蛋白质也需要通过生物信息学的方法计算分析预测,以获得它的功能信息[11]。

3 结语

2002 年的诺贝尔化学奖,分别授予了发明生物大分子进行确认和结构分析方法的美国科学家约翰?芬恩、发明生物大分子的质谱分析法的日本科学家田中耕一、发明利用核磁共振技术测定溶液中生物大分子三维结构的方法瑞士科学家库尔特?维特里希,这是对蛋白质组学研究的重视和肯定。信息技术的创新和提升,必将为蛋白质组学的深入探究开启一扇希望的明窗。我们有理由相信, 与生物信息学携手前行的蛋白质组学必将为人类揭开生命科学的奥秘。

参考文献

[1] 张宏一. 蛋白质组学研究技术及其进展. 生物技术通报 2005, 4: 31.

[2] 陈铭. 后基因组时代的生物信息学. 生物信息学 2004, 2( 2) : 29.

[3] 焦炳华, 孙树汉主编. 现代生物工程. 北京:科学出版社, 2006.

[4] 何大澄, 赵和平. 从基因组学到蛋白质组学[ J] . 生物学通报, 2002, 37(9) :9- 11.

[5] 陈永对.生物信息学在基因组和蛋白质研究中的应用. 中国临床康复，2006,10（41）：136-139.

[6] 吴西梅, 朱杰民, 朱炳辉.蛋白质组学研究方法进展及在卫生防疫中的应用前景[ J]. 中国预防医学杂志, 2006(2): 159- 162.

[7] 徐建华，朱家勇.生物信息学在蛋白质结构与功能预测中的应用.医学分子生物学杂志，2005,2（3）：227-232.

[8] 黄啸.生物信息学在蛋白质组学中的应用.安徽农业科学，2006,34（23）：6142-6144.

[9] 贺光，孙开来.生物信息学在蛋白质研究中的应用.国外医学遗传学分册，2002,25（3）：156-158.

[10] 杨啸林，张国正.蛋白质分析中生物信息学的应用.医学研究通讯，2002,31（9）：26-29.

[11] 黄丽俊, 王建华. 蛋白质组研究技术及其进展[ J]. 生物学通报, 2005(8) :4- 6.