靳佩軒， 高 潔

（江南大學(xué) 理學(xué)院，江蘇 無(wú)錫 214122）

流感病毒具有多樣的變異性，歷史上每一次流感大流行多是由流感病毒新亞型和以往出現(xiàn)過的亞型的再次出現(xiàn)，人類絕大多數(shù)對(duì)其缺乏相應(yīng)的免疫力，并且現(xiàn)有的流感疫苗起不到有效作用，從而造成流感病毒在人群中快速?gòu)V泛的傳播，最終出現(xiàn)流感大流行[1-2]。面對(duì)流感病毒表面抗原蛋白結(jié)構(gòu)復(fù)雜多變的性狀和變異的突發(fā)性，研究流感病毒蛋白的三維空間結(jié)構(gòu)顯得特別重要。

近年來(lái)，關(guān)于蛋白質(zhì)三維空間結(jié)構(gòu)的研究已有不少。1989年，Dill and Lau[3]建立蛋白質(zhì)空間結(jié)構(gòu)的HP模型，忽視側(cè)鏈的影響，將氨基酸分為親水性（P）和疏水性（H）兩類，從而使氨基酸序列抽象成一個(gè)二進(jìn)制的序列，來(lái)構(gòu)建一個(gè)存在疏水核的二維或三維蛋白質(zhì)結(jié)構(gòu)模型。2006年，陳鳳飛[4]又衍生出關(guān)于HP模型的修正模型，即三角化的HP格點(diǎn)模型。2004年，Custodio等[5]提出用遺傳算法去優(yōu)化三維蛋白質(zhì)HP格點(diǎn)模型，得到結(jié)構(gòu)最優(yōu)的三維結(jié)構(gòu)。2010年，Vincent等[6]用從頭計(jì)算的思想，利用分子動(dòng)力學(xué)方法深入研究蛋白質(zhì)三維空間結(jié)構(gòu)折疊的原理，為從頭計(jì)算建立三維空間模型進(jìn)行相關(guān)因素分析。2011年，Ivan Dotu等[7]提到將格點(diǎn)模型和非格點(diǎn)模型用 LNS（Large Neighborhood Search）去找到HP模型的自然態(tài)。2011年，Islam[8]對(duì)蛋白質(zhì)結(jié)構(gòu)的三維HP格點(diǎn)模型用MA（memetic algorithm）搜索算法進(jìn)行優(yōu)化。2013年，張玲等[9]運(yùn)用ARFIMA模型對(duì)甲型H1N1流感病毒的HA蛋白質(zhì)的序列進(jìn)行預(yù)測(cè)分析。2009年，Manabu Igarashi等[10]運(yùn)用已經(jīng)很成熟的比較建模的方法對(duì)2009年甲型H1N1流感病毒的結(jié)構(gòu)進(jìn)行了模建分析。

作者基于蛋白質(zhì)空間結(jié)構(gòu)的HP模型，將蛋白質(zhì)結(jié)構(gòu)中氨基酸種類分成兩類，構(gòu)建了甲型H1N1流感病毒蛋白質(zhì)空間結(jié)構(gòu)的3DHP模型，利用改良的遺傳算法找到最小自由能結(jié)構(gòu)，從而預(yù)測(cè)了甲型H1N1流感病毒蛋白質(zhì)三維空間結(jié)構(gòu)，并在PDB數(shù)據(jù)庫(kù)中取了8條已測(cè)得的甲型H1N1流感病毒的蛋白質(zhì)空間結(jié)構(gòu)中心碳原子坐標(biāo)數(shù)據(jù)，將甲型流感病毒蛋白的空間坐標(biāo)轉(zhuǎn)換為距離矩陣量化表示，對(duì)預(yù)測(cè)結(jié)構(gòu)與實(shí)際測(cè)得的結(jié)構(gòu)進(jìn)行比較，通過相關(guān)性分析和顯著性檢驗(yàn)，表明預(yù)測(cè)結(jié)構(gòu)與已知結(jié)構(gòu)存在高度的一致性。

1 材料與方法

1.1 基于蛋白質(zhì)空間結(jié)構(gòu)的3DHP模型

將氨基酸按親疏水性分類，即將20種氨基酸分兩類： 疏水性 H={A，I，L，M，F(xiàn)，P，W，V}， 親水性P={N，C，Q，G，S，T，Y，D，E，R，H，K}， 又令：H=1 和P=0，蛋白質(zhì)的氨基酸序列即可轉(zhuǎn)換為由0和1組成的序列。由蛋白質(zhì)三維空間結(jié)構(gòu)產(chǎn)生的主要驅(qū)動(dòng)力是氨基酸的疏水效應(yīng)[11]，則在蛋白質(zhì)結(jié)構(gòu)中疏水殘基間相互作用在蛋白質(zhì)的中心形成一個(gè)疏水核，親水殘基包圍在這個(gè)核的外面形成了一個(gè)穩(wěn)定的蛋白質(zhì)空間結(jié)構(gòu)。

HP格點(diǎn)模型在三維空間中的折疊簡(jiǎn)稱3DHP模型，將氨基酸看作一個(gè)節(jié)點(diǎn)，定義在模型中各節(jié)點(diǎn)間最小距離為單位1，在折疊過程中各節(jié)點(diǎn)位置不能重疊，每個(gè)節(jié)點(diǎn)的折疊方向在空間中有六個(gè)，即在立體方格中每個(gè)氨基酸節(jié)點(diǎn)可分別進(jìn)行90°的向上（u）、下（d）、左（l）、右（r）、前（f）和后（b）六個(gè)方向的折疊（見圖1a）。由于每個(gè)節(jié)點(diǎn)不能重復(fù)，確定前一個(gè)節(jié)點(diǎn)的位置后，下一個(gè)節(jié)點(diǎn)最多有5個(gè)折疊方向（見圖1b）。此模型中任意兩個(gè)節(jié)點(diǎn)不重合，并忽略折疊中側(cè)鏈的影響，雖將蛋白質(zhì)的空間結(jié)構(gòu)簡(jiǎn)化，但是整體的蛋白質(zhì)空間結(jié)構(gòu)骨架符合真實(shí)蛋白質(zhì)結(jié)構(gòu)的基本特征，能很好地模擬真實(shí)蛋白的折疊行為，且計(jì)算簡(jiǎn)單，有利于對(duì)比不同折疊搜索算法。

圖1 3DHP結(jié)構(gòu)中氨基酸節(jié)點(diǎn)的折疊方向Fig.1 Folding direction about amino acid nodes in the 3DHP structure

1.2 能量函數(shù)

1973年Anfinsen提出了蛋白質(zhì)的天然構(gòu)象對(duì)應(yīng)其能量最低的結(jié)構(gòu)這一熱力學(xué)假說(shuō)。為搜索到3DHP模型構(gòu)建的能量最小的蛋白質(zhì)三維空間結(jié)構(gòu)，在此定義其能量函數(shù)。

圖2 序列PHPHHHPHHP的3DPH模型Fig.2Model of PHPHHHPHHP

圖3 空間結(jié)構(gòu)中空間相鄰的節(jié)點(diǎn)間的能量表Fig.3 Energy value table about the space of the adjacent nodes in the structure

由圖3可知，蛋白質(zhì)空間結(jié)構(gòu)中空間相鄰的三種情況 1-1、0-1、0-0的能量值分別為 E11=-1，E01=0，E00=0，則具有最小自由能的蛋白質(zhì)空間結(jié)構(gòu)就是搜索得到空間相鄰1-1個(gè)數(shù)最多的空間結(jié)構(gòu)。

1.3 改良的遺傳算法

改良的遺傳（GA）算法主要引入局部?jī)?yōu)化策略，將GA算法和模擬退火（SA）算法結(jié)合，既有效地克服了SA算法求最優(yōu)解耗時(shí)大的缺點(diǎn)，又有效地避免了GA算法因?yàn)槠湓缡焓諗慷玫椒侨肿顑?yōu)解的問題。

算法的基本步驟設(shè)計(jì)如下：1）由3DHP模型隨機(jī)產(chǎn)生100個(gè)合法的蛋白質(zhì)空間結(jié)構(gòu)，計(jì)算其個(gè)體適應(yīng)度，即每個(gè)空間結(jié)構(gòu)的能量值；2）選擇過程，采用隨機(jī)選擇思想在100個(gè)結(jié)構(gòu)中隨機(jī)選擇兩個(gè)結(jié)構(gòu)作為算法優(yōu)化目標(biāo)，并計(jì)算各自能量值；3）單點(diǎn)交叉過程，針對(duì)步驟2中選出的兩個(gè)結(jié)構(gòu)，由前面可知這兩個(gè)結(jié)構(gòu)為同一個(gè)序列得到的不同的空間結(jié)構(gòu)，則在這兩個(gè)結(jié)構(gòu)中分別隨機(jī)選擇其對(duì)應(yīng)氨基酸序列上的同一個(gè)位置的氨基酸作為交叉位點(diǎn)，將兩個(gè)結(jié)構(gòu)中位于這個(gè)交叉位點(diǎn)后的結(jié)構(gòu)進(jìn)行互換得到兩個(gè)新的空間結(jié)構(gòu)，并讀取兩個(gè)新結(jié)構(gòu)的節(jié)點(diǎn)坐標(biāo)；4）變異過程，在進(jìn)行交叉過程后形成的兩個(gè)新的個(gè)體會(huì)發(fā)生結(jié)構(gòu)中節(jié)點(diǎn)坐標(biāo)重疊的現(xiàn)象，對(duì)重疊的節(jié)點(diǎn)進(jìn)行變異操作，即依次改變交叉點(diǎn)后出現(xiàn)重疊的節(jié)點(diǎn)的折疊方向來(lái)保證新的個(gè)體為合法的蛋白質(zhì)空間結(jié)構(gòu)，并計(jì)算其各自的自由能；5）對(duì)得到的四個(gè)結(jié)構(gòu)進(jìn)行篩選，即從這四個(gè)結(jié)構(gòu)中先選出一個(gè)自由能最低的結(jié)構(gòu)作為下一個(gè)優(yōu)化的目標(biāo)，同時(shí)剔除自由能最高的一個(gè)結(jié)構(gòu)，對(duì)剩下的兩個(gè)結(jié)構(gòu)根據(jù)其自由能大小，按照SA算法進(jìn)行概率篩選；6）經(jīng)過以上過程對(duì)蛋白質(zhì)空間結(jié)構(gòu)進(jìn)行優(yōu)化，重復(fù)步驟3～5直到產(chǎn)生自由能最低的空間結(jié)構(gòu)，即視作自然狀態(tài)下穩(wěn)定的蛋白質(zhì)空間結(jié)構(gòu)。

2 甲型H1N1流感病毒的蛋白質(zhì)空間結(jié)構(gòu)

2.1 預(yù)測(cè)蛋白質(zhì)空間結(jié)構(gòu)

基于3DHP模型運(yùn)用優(yōu)化的遺傳算法，分別以長(zhǎng)度為13的HPPHPPHPHPPHP序列、長(zhǎng)度為17的HHHHPPHHHHHHHPPPH序列、長(zhǎng)度為20的PHHHHHHPHHHHPHHPHHPP序列和長(zhǎng)度為21的PHPHPPHPHPPHPPHPHPPHP序列為例，并與文獻(xiàn)[12]所得最低能量進(jìn)行比較，比較結(jié)果見表1。圖4～5給出長(zhǎng)度分別為13和17的蛋白質(zhì)序列的空間結(jié)構(gòu)。

圖4 長(zhǎng)度為13的氨基酸序列3DHP模型（其能量E=-5）Fig.4 Sequence model about the length of the size for 13（the energy value E=-5）

圖5 長(zhǎng)度為17的氨基酸序列3DHP模型（其能量E=-9）Fig.5 Sequence model about the length of the size for 17（the energy value E=-5）

表1 3DHP預(yù)測(cè)模型最小能量比較Table 1 Minimum energy comparison on the 3DHP

2.2 預(yù)測(cè)甲型H1N1流感病毒蛋白質(zhì)空間結(jié)構(gòu)

選取8條甲型H1N1流感病毒HA蛋白質(zhì)序列，編號(hào)分別為：1RUZ、1RUY、1RU7、3HTO、2WRH、3SM5、3UYW、4B7M （序列來(lái)源于pdb網(wǎng)站，網(wǎng)址：http：//www.rcsb.org/pdb/home）。運(yùn)用 3DHP 模型分別對(duì) 1RUZ的 H鏈、1RUY的 H鏈、1RU7的 H鏈、3HTO的 A鏈、2WRH的 H鏈、3SM5的 A鏈、3UYW的A鏈、4B7M的A鏈進(jìn)行空間結(jié)構(gòu)預(yù)測(cè)，獲得每個(gè)氨基酸節(jié)點(diǎn)的空間坐標(biāo)，并從PDB數(shù)據(jù)庫(kù)中取相應(yīng)的已知空間結(jié)構(gòu)的中心碳原子的坐標(biāo)，將其視為所在氨基酸的空間坐標(biāo)，由此得到實(shí)際測(cè)得的蛋白質(zhì)空間結(jié)構(gòu)骨架，與預(yù)測(cè)所得的結(jié)構(gòu)進(jìn)行比較。

2.2.1 構(gòu)建距離矩陣 對(duì)結(jié)構(gòu)的比較采用將蛋白質(zhì)的空間坐標(biāo)轉(zhuǎn)換為距離矩陣形式量化表示的方法。對(duì)長(zhǎng)為n的序列，其中氨基酸節(jié)點(diǎn)的坐標(biāo)分別為（x1，y1，z1），…，（xn，yn，zn），i=1，2，…，n。

定義距離矩陣A：

其中αij為在矩陣A的第i行j列的元素。

由此建立關(guān)于兩個(gè)蛋白質(zhì)空間結(jié)構(gòu)的距離矩陣A中第i行、第j列的元素αij表示空間結(jié)構(gòu)中第i個(gè)氨基酸節(jié)點(diǎn)到第j個(gè)氨基酸節(jié)點(diǎn)間的歐氏距離。即得到由模型預(yù)測(cè)所得結(jié)構(gòu)和實(shí)驗(yàn)室測(cè)得結(jié)構(gòu)的兩個(gè)距離矩陣。

2.2.2 相關(guān)性分析 定義兩個(gè)距離矩陣A和B的相關(guān)系數(shù)：

相關(guān)系數(shù)值越接近1，檢驗(yàn)效果越顯著，表示兩距離矩陣越相似，即對(duì)應(yīng)的兩結(jié)構(gòu)越相近，以此評(píng)價(jià)建立模型的建模效果。

取 1RUZ的 H鏈、1RUY的 H鏈、1RU7的 H鏈、3HTO的A鏈、2WRH的H鏈、3SM5的 A鏈、3UYW的A鏈、4B7M的A鏈的前20個(gè)氨基酸為例進(jìn)行分析，運(yùn)用3DHP模型分別對(duì)8條氨基酸鏈進(jìn)行空間結(jié)構(gòu)預(yù)測(cè)獲得氨基酸節(jié)點(diǎn)空間坐標(biāo)，并在PDB數(shù)據(jù)庫(kù)中獲取相應(yīng)結(jié)構(gòu)的坐標(biāo)。

以 1RUZ的 H鏈 前 20個(gè) 氨 基 酸ATNADTICIGYHANNSTDTV為例，其在PDB數(shù)據(jù)庫(kù)中的坐標(biāo)見表2。運(yùn)用3DHP模型分別對(duì)1RUZ的H鏈前20個(gè)氨基酸序列進(jìn)行空間結(jié)構(gòu)預(yù)測(cè)得到其空間結(jié)構(gòu)，見圖6，對(duì)應(yīng)的氨基酸節(jié)點(diǎn)坐標(biāo)見表3。

表2 1RUZ的H鏈在PDB中中心碳原子Cα的坐標(biāo)（Ao）Table 2 Coordinates of center carbon atomsabout 1RUZ-H chain in the PDB

表3 1RUZ的H鏈模型氨基酸節(jié)點(diǎn)坐標(biāo)Table 3 Node coordinates of amino acids on the model of 1RUZ-H chain

圖6 1RUZ的H鏈結(jié)構(gòu)預(yù)測(cè)模型Fig.6 Prediction model about 1RUZ-H chain structure

根據(jù)距離矩陣定義，對(duì)1RUZ的H鏈通過3DHP模型所得結(jié)構(gòu)和PDB數(shù)據(jù)庫(kù)提供結(jié)構(gòu)分別構(gòu)造距離矩陣進(jìn)行相關(guān)性分析。求得兩個(gè)距離矩陣的相關(guān)系數(shù)，P值為，可知這兩個(gè)距離矩陣高度相關(guān)，即預(yù)測(cè)結(jié)構(gòu)與已知結(jié)構(gòu)存在高度的一致性。對(duì)另外7條：1RUY的H鏈、1RU7的H鏈、3HTO的A鏈、2WRH的H鏈、3SM5的A鏈、3UYW的 A鏈、4B7M的A鏈進(jìn)行結(jié)構(gòu)模建后空間結(jié)構(gòu)坐標(biāo)的距離矩陣相關(guān)性分析見表4，可知預(yù)測(cè)結(jié)構(gòu)與已知結(jié)構(gòu)也存在高度的一致性。

表4 其余7條序列的r值、p值Table 4 r value and p value of the rest of the 7 amino acids sequence

3 結(jié)語(yǔ)

目前來(lái)看，對(duì)流感病毒的研究大部分都是針對(duì)其一級(jí)結(jié)構(gòu)的分析，基于理論對(duì)流感病毒蛋白質(zhì)空間結(jié)構(gòu)的研究還很少，雖Manabu Igarashi等運(yùn)用比較建模的方法對(duì)2009年甲型H1N1流感病毒的結(jié)構(gòu)進(jìn)行了模建分析[9]，但還很少有運(yùn)用從頭計(jì)算來(lái)對(duì)流感病毒蛋白質(zhì)空間結(jié)構(gòu)進(jìn)行模建預(yù)測(cè)。作者采用3DHP模型和改良的遺傳算法獲取最小能量的空間構(gòu)象，預(yù)測(cè)甲型H1N1流感病毒蛋白質(zhì)空間結(jié)構(gòu)，直接由一級(jí)結(jié)構(gòu)預(yù)測(cè)甲型H1N1流感病毒的蛋白質(zhì)三維空間結(jié)構(gòu)，得到其空間結(jié)構(gòu)數(shù)據(jù)，與PDB數(shù)據(jù)庫(kù)中的實(shí)際結(jié)構(gòu)進(jìn)行比較分析得到了很好的檢驗(yàn)結(jié)果，這就提供了一種快速預(yù)測(cè)甲型H1N1流感病毒結(jié)構(gòu)的方法。

[1]Layne S P，Monto A S，Taubenberger J K.Pandemic influenza ：an inconvenient mutation[J].Science，2009，323（5921）：1560.

[2]Tokuriki N，Tawfik D S.Stability effects of mutations and protein evolvability[J].Current Opinion in Structural Biology，2009，19（5）：596-604.

[3]Lau K F，Dill K A.A lattice statistical mechanics model of the conformational and sequence spaces of proteins[J].Macromolecules，1989，22（10）：3986-3997.

[4]陳鳳飛.蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)的三角化模型和算法[D].武漢：華中科技大學(xué)，2006.

[5]Custódio F L，Barbosa H J C，Dardenne L E.Investigation of the three-dimensional lattice HP protein folding model using a genetic algorithm[J].Genetics and Molecular Biology，2004，27（4）：611-615.

[6]Voelz V A，Bowman G R，Beauchamp K，et al.Molecular simulation of ab initio protein folding for a millisecond folder NTL9（1-39）[J].Journal of the American Chemical Society，2010，132（5）：1526-1528.

[7]Dotu I，Cebrian M，Van Hentenryck P，et al.On lattice protein structure prediction revisited[J].Computational Biology and Bioinformatics，2011，8（6）：1620-1632.

[8]Islam M，Chetty M.Clustered memetic algorithm with local heuristics for ab initio protein structure prediction[J].2013，17（4）：558-576.

[9]張玲，高潔.甲型流感病毒HA蛋白質(zhì)序列的預(yù)測(cè)[J].食品與生物技術(shù)學(xué)報(bào)，2013，32（8）：828-831.ZHANG Ling，GAO Jie.Prediction for base of influenza virus A/HA protein sequence[J].Journal of Food Science Journal of Health Laboratory Technology，2013，32（8）：828-831.（in Chinese）

[10]Igarashi M，Ito K，Yoshida R，et al.Predicting the antigenic structure of the pandemic（H1N1）2009 influenza virus hemagglutinin[J].PLoS One，2010，5（1）：e8553.

[11]Dill K A，Bromberg S，Yue K，et al.Principles of protein folding—a perspective from simple exact models[J].Protein Science，1995，4（4）：561-602.

[12]ZHOU Changjun，HOU Caixia，ZHANG Qiang，et al.Enhanced hybrid search algorithm for protein structure prediction using the 3D-HP lattice model[J].Journal of Molecular Modeling，2013，19（9）：3883-3891.