[发明专利]用于预测蛋白质－配体偶联特异性的方法和系统

摘要

本发明提供了用于预测或评估蛋白－配体偶联特异性的方法和系统。可以通过具有特定配体偶联特异性的训练蛋白质的所选择的序列区段训练模式识别模型。每个选择的序列区段被认为包括可以对相应的训练蛋白质的配体偶联特异性有贡献的氨基酸残基。目标蛋白质中的序列区段可以被类似地选择和用于查询经训练的模型以确定目标蛋白质是否具有与训练蛋白质相同的配体偶联特异性。在一个实施方案中，使用的模式识别模型是隐蔽马尔科夫模型，其通过偏爱与特定类的G蛋白相互作用的GPCR的串联的胞质结构域训练。该经训练的模型可以用于评估孤独GPCR的G蛋白偶联特异性。

主权项

1.用于评估目标G蛋白偶联受体(GPCR)的G蛋白偶联特异性的方法，所述方法包括：用多个训练序列训练模式识别模型，所述训练序列来自能够与特定类的G蛋白相互作用的训练GPCR组，每个所述训练序列包含选自所述组的训练GPCR的两个或更多的非连续序列区段的串联，并且每个所述非连续序列区段包含所述训练GPCR的细胞内序列；和用查询序列查询经训练的模型，所述查询序列包含目标GPCR的两个或更多非连续序列区段的串联，每个所述目标GPCR的非连续序列区段包含目标GPCR的细胞内序列，其中所述查询序列与经训练的模型的匹配或不匹配指出目标GPCR是否能够与所述特定类的G蛋白相互作用。