【陪你学·生信】十三、蛋白质3D结构简单预测

我们关注蛋白质的功能，而结构和功能联系紧密。一旦在氨基酸序列水平发现有趣的序列（比如一个模体（motif）或者进化上保守的片段），下一步往往就是研究这段序列的3-D结构。（试图解决以下问题：这段氨基酸序列是否有助于蛋白质结构的稳定？为什么这段序列是保守的（或多变的）？它们在蛋白质表面吗？直接参与蛋白质功能吗？与结合其他分子有关吗？）

蛋白质结构的预测不算一件容易的事，因此还有两年一次的国际蛋白质结构预测竞赛-CASP。今年的第十四届CASP上，AI又赢得了关注，关于这些可以看我之前写的小科普【野生小科普】人工智能Alpha AI。AI的加入给结构生物学带来了新的技术，不过就算是AI也要基于已知的数据训练，完全基于物理学和化学原理的结构预测还没有出现。本篇推送即是对基于计算模拟分析蛋白质结构的简单介绍。

一、从序列到二级结构

当晶体学家第一次观测蛋白质结构时，他们推测氨基酸序列可通过自身折叠形成具有生物活性的分子。相邻的氨基酸形成基础结构骨干，序列上距离较远的残基也可能在空间上直接接触，形成最终的3-D结构。

二级结构主要有螺旋（Helices）、折叠（extended or Beta-strands）和无规则卷曲（Random coils），这些结构往往通过转角（Turns）相连接。

1. 预测一段蛋白质序列的二级结构

目前有一些很不错的服务器，基于隐马尔科夫模型和神经网络可以准确的预测蛋白质序列的二级结构。

比如下面介绍的PSIPRED

http://bioinf.cs.ucl.ac.uk/psipred/

（还有其他功能，不止是预测二级结构）

这里举例序列是：

>NP_360043MRNIIYFILSLLFSVTSYALETINIEHGRADPTPIAVNKFDADNSAADVLGHDMVKVISNDLKLSGLFRPISAASFIEEKTGIEYKPLFAAWRQINASLLVNGEVKKLESGKFKVSFILWDTLLEKQLAGEMLEVPKNLWRRAAHKIADKIYEKITGDAGYFDTKIVYVSESSSLPKIKRIALMDYDGANNKYLTNGKSLVLTPRFARSADKIFYVSYATKRRVLVYEKDLKTGKESVVGDFPGISFAPRFSPDGRKAVMSIAKNGSTHIYEIDLATKQLHKLTDGFGINTSPSYSPDGKKIVYNSDRNGVPQLYIMNSDGSDVQRISFGGGSYAAPSWSPRGDYIAFTKITKGDGGKTFNIGIMKACPQDDENSERIITSGYLVESPCWSPNGRVIMFAKGWPSSAKAPGKNKIFAIDLTGHNEREIMTPADASDPEWSGVLN

返回结果：

不得不提我学习生信过程中最快乐的一点，就是结果图都够花，哈哈哈哈。页面好看，很想放图。

2. 预测其他结构特征

PSIPRED是针对主要二级结构的预测，而PredictProtein无疑更全面一点：

https://predictprotein.org/

包括：前面提到的主要二级结构预测；蛋白溶剂可及性（Solvent Accessibility）预测；跨膜螺旋即拓扑结构预测；结合位点预测；保守区域分析；PSI-BLAST结果等。

如果通过PredictProtein发现了什么有趣的特征，可用更专业的软件或网站进行进一步分析。

二、从序列到3-D结构

1. 在PDB网站检索和显示3-D结构

PDB网址：

https://www.rcsb.org/

已知一个有结构信息的蛋白，并且知道它的ID。可以在网站进行简单搜索，查看结构等信息。

2. 推测目标蛋白的3-D结构

如果要推测感兴趣的一段氨基酸序列的3-D结构，一个简单直接的方法是通过与已知结构的蛋白质的序列比对，即在blastp中选择PDB数据库，进行blast。

3. 序列与3-D结构的对应

在操作2后，选择一组序列如下（NP_360043，NP_415268，NP_404737，NP_249663，NP_438543），进行多序列比对后可以找到这组序列的保守区域。通过已知结构的蛋白质与序列的对应关系，推测保守序列可能的功能。例如我们发现了一段蛋白的保守序列，它对应蛋白质凹陷部位或者表面，那么可以推测这段序列可能是酶的活性位点或者与其他分子互作有关。

（1）下载序列FASTA格式：

用于举例的5条序列：在NCBI-protein数据库中导出fasta文件NP_360043NP_415268NP_404737NP_249663NP_438543

（2）用多序列fasta文件进行多序列比对，选择保守区域：

（3）分析蛋白模型：

打开NCBI-Structure，检索上述蛋白序列中分辨率最高的（PDB数据库页面有显示resolution，1CRZ是1.95 Angstroms）。得到结果页面如下图：

https://www.ncbi.nlm.nih.gov/Structure/index.shtml

可以看到上图标了黄色的部分，下载Cn3D软件，然后再下载这个蛋白的结构文件，就可以用Cn3D软件打开。操作非常方便，可以直接选中序列，或者在window→show sequence viewer→view→find patterns里，直接输入想要了解的pattern。

三、更多工具和网站

1. 寻找相似结构的蛋白质-Finding proteins with similar shapes

这是一个上传蛋白质结构文件，在Molecular Modeling Database（MMDB）中检索相似结构的网站。当确认蛋白质结构后，若想知道这个结构是否是新的，可以用VAST检索。

（1）NCBI’s structure-structure similarity search service (VAST)

https://www.ncbi.nlm.nih.gov/Structure/VAST/vastsearch.html

2. PDB viewers-Finding other PDB viewers

以下是类似Cn3D软件的PDB结构查看软件：

（1）RasMol

http://www.rasmol.org/

（2）DeepView, Swiss-PdbViewer

https://spdbv.vital-it.ch/

3. 对结构进行分类-Classifying your PDB structure

（1）The CATH classification

http://www.cathdb.info/

（2）The Dali 3D neighbor finding server

https://www.ebi.ac.uk/msd-srv/ssm/

（3）The SCOP classification

http://scop.mrc-lmb.cam.ac.uk/

4. 蛋白结构预测之同源性建模-Doing homology modeling

同源建模是一种依赖模板的预测方法，具体原理是相似序列拥有相似结构。以与未知结构蛋白具有同源性的已知结构的蛋白作为模版，用生物信息学的方法通过计算机模拟和计算，根据一级序列预测其三维空间结构。这个方法适用于目标序列与模板序列一致度高的情况（一致性>30%，模型准确度可达80%），当同源性低，则考虑下面两种。

（1）Modeller

https://salilab.org/modeller/

（2）SWISS-MODEL

https://swissmodel.expasy.org/