[发明专利]结合蛋白质序列与结构信息的ATP绑定位点预测方法

说明书

技术领域

本发明涉及生物信息学预测蛋白质-ATP相互作用领域，具体是一种结合蛋白质序列与结构信息的ATP绑定位点预测方法。

背景技术

蛋白质与ATP之间的交互作用在生命活动中是屡见不鲜的，它广泛存在于大量的生命体中。这种交互作用通常表现为ATP绑定蛋白质中的某些固定残基 (即ATP绑定位点)，使得ATP可以与蛋白质共同协作为生命活动提供必需的能量。蛋白质中的ATP绑定位点通常也是化学药物的重要靶点。想要彻底弄清楚生命活动的过程，尤其是有关蛋白质与ATP生命活动的细节，精确地定位蛋白质中的ATP绑定位点具有重要生物学意义。

然而，通过生物实验的方法来确定蛋白质中的ATP绑定位点需要耗费大量的时间和资金，并且效率较低；而且，随着测序技术的飞速发展和蛋白质结晶技术的不断推进，蛋白质组学中已经累积了大量未进行ATP绑定位点标定的蛋白质信息。因此应用生物信息学的相关知识，直接从蛋白质序列与结构出发，研发一种能够准确预测蛋白质中的ATP绑定位点的智能计算方法有着迫切需求，且对于发现和认识蛋白质结构、生理功能以及有关ATP生命活动的细节都有着重大的研究意义。

目前，针对基于蛋白质信息的ATP绑定位点的高精度预测模型还很欠缺。通过查阅相关文献，可以发现，目前专门设计来预测蛋白质中ATP绑定位点的计算模型都是从蛋白质序列信息出发的，它们包括：ATPint(Chauhan,Jagat S., Nitish K.Mishra,and Gajendra PS Raghava."Identification of ATP binding residues of a protein from its primary sequence."BMC bioinformatics 10.1(2009):434.)、 ATPsite(Chen,Ke,Marcin J.Mizianty,and Lukasz Kurgan."ATPsite: sequence-based prediction of ATP-binding residues."Proteome science 9.1(2011): S4.)、targetATP(Yu,Dong-Jun,et al."Improving protein-ATP binding residues prediction by boosting SVMs with random under-sampling."Neurocomputing 104 (2013):180-190.),以及TargetATPsite(Yu,Dong‐Jun,et al."TargetATPsite:A template‐free method for ATP‐binding sites prediction with residue evolution image sparse representation and classifier ensemble."Journal of computational chemistry 34.11(2013):974-985.)等。它们通过使用不同的蛋白质序列特征信息 (如：蛋白质进化信息、蛋白质二级结构信息、蛋白质溶剂可及性信息等)结合支持向量机(SVM)算法在不同的数据集合上来训练预测模型，取得了一定的预测精度。

尽管在基于蛋白质信息的ATP绑定位点预测研究中已经取得部分成果，但该项研究任务还远远没有结束。已有的研究成果都是从蛋白质序列信息出发的，并没有使用蛋白质的结构信息。事实上，蛋白质结构中包含的信息量远远大于序列中的。结合蛋白质序列与结构信息是提高ATP绑定位点预测精度的有效途径。此外，蛋白质序列信息无法给出ATP绑定位点预测结果的直观展示，从而导致现有的基于蛋白质序列的ATP绑定位点预测模型的可解释性差。因此ATP绑定位点预测任务迫切需要进一步研究。

发明内容

本发明的目的在于提供一种结合蛋白质序列与结构信息的ATP绑定位点预测方法，用于解决上述基于蛋白质信息的ATP绑定位点预测问题中由于未使用蛋白质结构信息而导致的预测精度距离实际应用差距较大且可解释性较差的缺点。

实现本发明目的的技术解决方案为：一种结合蛋白质序列与结构信息的ATP 绑定位点预测方法，包括以下步骤：

步骤1：特征提取，根据待预测蛋白质序列与结构信息，使用PSI-BLAST、 PSIPRED、SANN、SSITE以及TMSITE程序分别提取该蛋白质进化信息、二级结构信息、溶剂可及性信息、序列模板匹配信息以及结构模板匹配信息，在此基础上使用滑动窗口技术构建每个氨基酸残基的特征向量；