论文部分内容阅读
G蛋白偶联受体(GPCR)的结构特征及其在信号传导中的重要作用，决定了其可以作为重要的药物靶标， GPCR在制药领域中占有极其重要的地位。由于生化实验方法很难得到其三维结构，所以通过计算机方法预测其结构具有重大意义。本文在GPCR结构预测中引入并行技术，研究GPCR骨架和侧链结构预测问题。考虑到GPCR跨膜螺旋区域（TMH）同源性较高，而连接TMH的loop区域同源性很低，本文基于当前主流的GPCR蛋白质结构预测方法提出了一种并行化的GPCR骨架结构预测方法pGPCR。该方法在构建TMH区域时采用基于模板的方法，在构建loop时采用从头预测的方法。将并行技术引入到loop预测中，在loop并行折叠过程中考虑到loop之间的相互影响，使得整个预测过程更加符合自然的折叠过程。用pGPCR对最新的权威测试中两个案例的三维结构进行了预测，从整体结果集的质量上来看，本文方法不仅在TMH部分能够取得好的结果，而且结果集中ECL2部分质量也较高。实验结果还表明，对于具有β折叠这种loop之间存在强烈相互影响的loop区域，本文预测的结果也更加接近天然结构。在GPCR侧链预测研究方面，本文首先改进了GPCR侧链搜索空间生成方法，考虑了侧链之间的相互影响，提出了一种基于四层推理模型的旋转异构体库构造方法，并对3种GPCR蛋白质进行了侧链预测实验，验证了本文生成的旋转异构体库质量接近于流行的方法。本文又采用了新的侧链预测并行搜索方法，在共享信息素矩阵的基础上，并行化多个蚁群，并多样化各个蚁群的能量函数和参数。然后用该方法对pGPCR生成的最好的5个结果进行了侧链预测，结果表明本文方法具有一定的竞争力。