丁德武, 夏啟壽, 殷小玲

(池州學(xué)院 數(shù)學(xué)與計(jì)算機(jī)學(xué)院， 池州 247000)

蛋白質(zhì)螺線管域檢測(cè)的序列和結(jié)構(gòu)方法綜述

丁德武, 夏啟壽, 殷小玲

(池州學(xué)院 數(shù)學(xué)與計(jì)算機(jī)學(xué)院， 池州 247000)

螺線管蛋白質(zhì)在人類健康和蛋白工程領(lǐng)域的研究日益增多。螺線管域的識(shí)別有助于推斷蛋白的功能和機(jī)制，研究蛋白的起源和進(jìn)化，了解蛋白與蛋白的相互作用。當(dāng)前，研究人員已經(jīng)發(fā)展了從序列特征和結(jié)構(gòu)特征兩個(gè)角度識(shí)別蛋白質(zhì)螺線管域的方法，對(duì)這些方法進(jìn)行了概括總結(jié)。

螺旋管蛋白；螺旋管域；序列特征；結(jié)構(gòu)特征

蛋白質(zhì)的螺線管域(Solenoid domain)是一種由重復(fù)的蛋白質(zhì)序列構(gòu)成的特殊結(jié)構(gòu)(又稱螺線管結(jié)構(gòu))，包含這種結(jié)構(gòu)的蛋白質(zhì)一般稱為螺線管蛋白質(zhì)(Solenoid protein)[1]。早在20世紀(jì)90年代，Marcotte等[2]就發(fā)現(xiàn)蛋白序列中存在大量的重復(fù)序列。隨后，Andrade等[3]報(bào)道了這類序列會(huì)形成特定的重復(fù)性結(jié)構(gòu)，進(jìn)而促進(jìn)蛋白的綁定，拉開(kāi)了研究這類蛋白的序幕。 一般認(rèn)為，螺線管蛋白質(zhì)進(jìn)化的更快一些，這為復(fù)制并進(jìn)化出新的蛋白功能提供了重要的基礎(chǔ)。此外，相連的重復(fù)序列也是形成蛋白-蛋白相互作用的重要結(jié)構(gòu)基礎(chǔ)[4]。據(jù)估計(jì)，大約三分之一的人類細(xì)胞蛋白質(zhì)含有螺線管結(jié)構(gòu)[5]，因而螺線管蛋白質(zhì)在人類健康[6]和蛋白工程[7]領(lǐng)域的研究日益增多。例如：人們發(fā)現(xiàn)細(xì)胞穩(wěn)態(tài)平衡調(diào)控的mTOR可以通過(guò)N-端的螺旋管域相互作用形成二聚體，進(jìn)而構(gòu)成一個(gè)TOR調(diào)控單元[8]。在生物材料的應(yīng)用方面，Peralta等[9]人論證了可以通過(guò)對(duì)β-螺旋管蛋白的修飾控制淀粉樣蛋白的自組裝。圖1給出了幾種常見(jiàn)的螺線管蛋白質(zhì)。

圖 1 幾種常見(jiàn)的螺線管蛋白質(zhì)[10]Fig 1 Examples of solenoid proteins[10]

一般地，螺線管域往往對(duì)應(yīng)于蛋白質(zhì)的結(jié)構(gòu)單元或功能單元。因而，從序列層次上識(shí)別重復(fù)的序列片段有助于預(yù)測(cè)結(jié)構(gòu)域(例如，通過(guò)重復(fù)的序列來(lái)確定域的邊界)。對(duì)于沒(méi)有任何同源信息的蛋白，螺線管域的識(shí)別可能給出它們折疊或者家族信息的線索，這有助于推斷蛋白的功能和機(jī)制。此外，由于復(fù)制是產(chǎn)生新折疊結(jié)構(gòu)的重要基礎(chǔ)，確定重復(fù)的蛋白序列可能有助于了解蛋白折疊的起源，這有助于研究蛋白質(zhì)的進(jìn)化[11]。

識(shí)別螺線管域是理解它們的生理功能和進(jìn)化機(jī)制的關(guān)鍵一環(huán)。研究人員已經(jīng)發(fā)現(xiàn)了一些識(shí)別螺線管域的方法，這些方法主要包括序列特征和結(jié)構(gòu)特征兩個(gè)方面。表1給出了識(shí)別螺線管域的算法和在線工具。本文將對(duì)各方法進(jìn)行簡(jiǎn)單的概括介紹。

表1 螺旋管域檢測(cè)算法Table 1 Solenoid domain detection algorithms

1 序列方法

短的重復(fù)序列一般具有保守的序列模式，因而可以依據(jù)常規(guī)的數(shù)據(jù)庫(kù)搜索(如：PSI-BLAST)識(shí)別。然而，較長(zhǎng)的螺線管域非常復(fù)雜。人們先后改進(jìn)了基于序列比對(duì)、基于信號(hào)處理(如傅里葉變換)等方法來(lái)從序列層次上識(shí)別蛋白質(zhì)的螺線管域。

1.1 基于序列比對(duì)的算法

人們先后發(fā)展了幾種基于序列-序列比較來(lái)挖掘次優(yōu)自比對(duì)的方法，如：REPRO[12], RADAR[13], TRUST[14]，等等。這些方法從序列比對(duì)的角度出發(fā)，簡(jiǎn)單有效，可以檢測(cè)基本的重復(fù)單元，并從序列中定位這些單元。近年來(lái)，人們也采用了基于蛋白序列HMM模型比較的方法，開(kāi)發(fā)了HHrep[15]和HHrepID[16]。一般認(rèn)為，HHrepID方法是所有基于序列比對(duì)的算法中性能最佳的，該方法從多序列同源比對(duì)的角度，使用HMM模型-HMM模型比較來(lái)探索進(jìn)化信息(圖2)。HHrepID方法可以產(chǎn)生重復(fù)序列的多重比對(duì)，也可以識(shí)別不同類型的重復(fù)序列，具有較高的準(zhǔn)確性和靈敏度。例如：為了理解葉綠體蛋白的轉(zhuǎn)運(yùn)機(jī)制，Tsai等[17]最近使用HHrepID方法分析了豌豆的Tic110和紅藻的CmTic110蛋白，分別得到了8個(gè)和12個(gè)重復(fù)的螺線管序列；這些重復(fù)的螺旋管域構(gòu)成了蛋白相互作用的骨架結(jié)構(gòu)。

最近，F(xiàn)ournier等[18]發(fā)現(xiàn)了一種通過(guò)神經(jīng)網(wǎng)絡(luò)識(shí)別alpha-螺線管域的方法，通過(guò)對(duì)一組包含alpha-螺線管域的典型序列進(jìn)行訓(xùn)練，該方法(ARD2)可以高效地識(shí)別質(zhì)詢序列中的alpha-螺線管域。對(duì)PI3KC催化亞基的核心區(qū)域，RNA綁定蛋白，脂類綁定蛋白，TPR重復(fù)蛋白等分析證實(shí)了方法的高效性。此外，他們還發(fā)現(xiàn)檢測(cè)到的alpha-螺線管域顯著地富集在蛋白質(zhì)相互作用位點(diǎn)附近，進(jìn)一步確認(rèn)了這種螺線管域結(jié)構(gòu)的功能；并借助ARD2對(duì)不同物種間alpha-螺線管域的趨同進(jìn)化進(jìn)行了分析討論。

但是，蛋白質(zhì)螺線管域的序列差異性可能很大，所有基于序列比對(duì)的算法(包括HHrepID和ARD2等方法)都很難檢測(cè)相似性較低的重復(fù)序列。

圖 2 螺線管域檢測(cè)方法HHrepID的主要步驟Fig 2 The main steps of the HHrepID solenoid domain detection algorithm

1.2 基于信號(hào)處理的算法

基于信號(hào)處理的蛋白螺線管域識(shí)別方法主要可分為利用傅里葉變換和小波變換兩大類，其主要分析流程圖3所示。

Biegert等最初嘗試使用序列的傅里葉變換來(lái)搜索用戶定義的特定周期性重復(fù)序列，開(kāi)發(fā)了REPPER方法[19]。但是，REPPER方法的主要任務(wù)是分析纖維狀蛋白質(zhì)，且不容許在重復(fù)單元間有插入的氨基酸。隨后發(fā)展的REPETITA方法利用5種重要的氨基酸特征(極性、二級(jí)結(jié)構(gòu)、分子量、密碼子多樣性、電荷)，采用離散傅里葉變換來(lái)檢測(cè)重復(fù)序列，也具有很高的靈敏性[20]。Vlassi等[21]利用REPETITA方法識(shí)別了鹽皮質(zhì)激素受體中的蛋白質(zhì)螺線管結(jié)構(gòu)。鹽皮質(zhì)激素受體是人類的腎素-血管緊張素-醛固酮系統(tǒng)的一種主要組成部分，它具有3個(gè)不同的功能域。結(jié)合對(duì)蛋白質(zhì)螺線管域的結(jié)構(gòu)預(yù)測(cè)和分子動(dòng)力學(xué)模擬表明這些功能域中的串聯(lián)重復(fù)序列構(gòu)成了β-螺線管域，進(jìn)而形成了分子內(nèi)和分子間相互作用的一個(gè)支架。但是與HHrepID等基于序列比對(duì)的算法一樣，上述方法依賴螺線管域的序列相似性，也難以檢測(cè)相似性較低的重復(fù)序列。

小波變換可以檢測(cè)具有弱相似性的蛋白螺線管域中的重復(fù)序列。相對(duì)于傅里葉變換，小波變換的一個(gè)優(yōu)勢(shì)是可以同時(shí)獲取光譜和時(shí)間信息。Murray等[22]最初使用連續(xù)的小波變換分析了多種蛋白重復(fù)序列模體，如：卷曲螺旋、亮氨酸重復(fù)序列，等等，并用以識(shí)別蛋白螺線管域。Vo等[10]認(rèn)為小波分析可以自然地表示蛋白質(zhì)結(jié)構(gòu)和性質(zhì)的5個(gè)主要因素，從而可以提取新穎的小波特征，從重復(fù)序列的相似性及它們與整個(gè)蛋白序列的差異來(lái)捕獲隱藏的成分，最終獲取重復(fù)序列的統(tǒng)計(jì)特征。

圖 3 螺線管域檢測(cè)信號(hào)處理方法的主要步驟Fig 3 The main steps of the signal processing solenoid domain detection algorithm

信號(hào)處理方法可以用于識(shí)別蛋白的螺線管域，而且小波變換克服了難以檢測(cè)相似性較低重復(fù)序列的缺點(diǎn)，但是這一類方法難以處理含有連續(xù)插入的序列。

2 結(jié)構(gòu)方法

螺線管蛋白質(zhì)進(jìn)化較快，插入、刪除或者突變?cè)斐傻挠绊懯沟盟鼈兊闹貜?fù)周期在序列層次上迅速退化，造成序列的差異性可能很大，因而很難從序列層次上識(shí)別螺線管蛋白質(zhì)中的所有螺線管域。例如，HMM模型比較只能識(shí)別出TLR蛋白質(zhì)中不到一半的螺線管域。此外，由于蛋白質(zhì)的結(jié)構(gòu)比序列更保守。因此，從結(jié)構(gòu)的層次上檢測(cè)、分析這些重復(fù)序列更可靠。

當(dāng)前，從蛋白結(jié)構(gòu)的層次檢測(cè)蛋白重復(fù)序列的方法主要有：DAVROS[23]和ProSTRIP[24]，它們是最早提出從蛋白結(jié)構(gòu)的層次檢查重復(fù)的蛋白序列的檢測(cè)方法，然而這些方法均是為檢測(cè)所有類型的蛋白質(zhì)結(jié)構(gòu)重復(fù)序列而開(kāi)發(fā)的，對(duì)蛋白質(zhì)螺線管域的檢測(cè)效果不佳，均不及特異性的螺線管域檢測(cè)方法RAPHAEL和ConSole。

Walsh等[25]發(fā)展了RAPHAEL方法，首次從蛋白質(zhì)結(jié)構(gòu)的層次開(kāi)展識(shí)別螺線管蛋白重復(fù)序列的研究。該方法結(jié)合傅里葉變換和機(jī)器學(xué)習(xí)分類，首先從蛋白結(jié)構(gòu)中提取距離和重復(fù)周期特征，通過(guò)識(shí)別螺線管域、確定重復(fù)的周期、確定序列中的插入等步驟完成對(duì)螺線管蛋白重復(fù)序列的識(shí)別，識(shí)別螺線管蛋白的準(zhǔn)確率可達(dá)到89.5%。該方法的一個(gè)突出特點(diǎn)就是可以識(shí)別含有連續(xù)插入的序列。RAPHAEL方法從PDB數(shù)據(jù)庫(kù)中識(shí)別了1931個(gè)之前未發(fā)現(xiàn)的螺線管結(jié)構(gòu)。隨后，在RAPHAEL方法的基礎(chǔ)上，Di Domenico等[26]收集、整理了PDB數(shù)據(jù)庫(kù)中預(yù)測(cè)的重復(fù)單元，做了系統(tǒng)的注釋，并對(duì)重復(fù)性的結(jié)構(gòu)進(jìn)行了分類。Hirsh等[27]進(jìn)一步開(kāi)發(fā)了重復(fù)蛋白單元預(yù)測(cè)(ReUPred)方法，他們利用RepeatsDB數(shù)據(jù)庫(kù)構(gòu)建了一個(gè)結(jié)構(gòu)重復(fù)單元庫(kù)，在此基礎(chǔ)上發(fā)展了一個(gè)對(duì)重復(fù)單元快速識(shí)別和分類的工具。

ConSole則利用蛋白交互網(wǎng)絡(luò)的模塊化結(jié)構(gòu)，首先提取螺線管域結(jié)構(gòu)的范式，隨后通過(guò)模板匹配確定單個(gè)的殘基是否屬于某個(gè)螺線管域，進(jìn)而精確地識(shí)別螺線管蛋白的重復(fù)序列。此外，通過(guò)對(duì)精確預(yù)測(cè)得到的螺線管域的結(jié)構(gòu)比對(duì)，ConSole有助于挖掘螺旋管域的序列模體[28]。Chakrabarty等[29]通過(guò)分析蛋白質(zhì)結(jié)構(gòu)圖的特征譜和蛋白的二級(jí)結(jié)構(gòu)信息，發(fā)展了一個(gè)與ConSole類似的蛋白重復(fù)結(jié)構(gòu)識(shí)別方法AnkPred，借助這個(gè)工具，他們分析了蛋白結(jié)構(gòu)數(shù)據(jù)庫(kù)PDB中的所有蛋白，識(shí)別了641個(gè)之前未知的重復(fù)結(jié)構(gòu)蛋白。

3 小結(jié)

識(shí)別重復(fù)序列是理解它們的生理功能和進(jìn)化機(jī)制的關(guān)鍵一環(huán)。在進(jìn)化的過(guò)程中，重復(fù)序列的模式演變的異常復(fù)雜。因而，某種特定的算法很難識(shí)別所有的重復(fù)序列，針對(duì)不同的模式，可能需要選擇合適的算法。此外，對(duì)重復(fù)序列的理解不僅要求高效地識(shí)別它們，還需要對(duì)識(shí)別出的重復(fù)序列進(jìn)行整合以及比較分析等等。

[1]DERYUSHEVA E I, SELIVANOVA O M, SERDYUK I N. Loops and repeats in proteins as footprints of molecular evolution[J]. Biochemistry(Mosc), 2012, 77(13): 1487-1499.

[2]MARCOTTE E M, PELLEGRINI M, YEATES T O, et al. A census of protein repeats[J]. Journal of Molecular Biology, 1998, 293(1): 151-160.

[3]ANDRADE M A, PEREZ-IRATXETA C, PONTING C P. Protein repeats: structures, functions, and evolution[J]. Journal of Structural Biology, 2001, 134(2-3): 117-131.

[4]LI J, MAHAJAN A, TSAI M D. Ankyrin repeat: a unique motif mediating protein-protein interactions[J]. Biochemistry, 2006, 45(51): 15168-15178.

[5]KAJAVA A V. Tandem repeats in proteins: from sequence to structure[J]. Journal of Structural Biology, 2011, 179(3): 279-288.

[6]DE WIT J, HONG W, LUO L, et al. Role of leucine-rich repeat proteins in the development and function of neural circuits[J]. Annual Review of Cell and Developmental Biology, 2011, 27: 697-729.

[7]STEFAN N, MARTIN-KILLIAS P, WYSS-STOECKLE S, et al. DARPins recognizing the tumor-associated antigen EpCAM selected by phage and ribosome display and engineered for multivalency[J]. Journal of Molecular Biology, 2011, 413(4): 826-843.

[8]BARETIC D, BERNDT A, OHASHI Y, et al. Tor forms a dimer through an N-terminal helical solenoid with a complex topology[J]. Nature Communications, 2016, 7(1):11016.

[9]PERALTA M D, KARSAI A, NGO A, et al. Engineering amyloid fibrils from β-solenoid proteins for biomaterials applications[J]. ACS Nano, 2015, 9(1): 449-463.

[10]VO A, NGUYEN N, HUANG H. Solenoid and non-solenoid protein recognition using stationary wavelet packet transform[J]. Bioinformatics, 2010, 26(18): i467-i473.

[11]S?DING J, LUPAS A N. More than the sum of their parts: on the evolution of proteins from peptides[J]. Bioessays, 2003, 25(9): 837-846.

[12]GEORGE R A, HERINGA J. The REPRO server: finding protein internal sequence repeats through the Web[J]. Trends in Biochemical Sciences, 2000, 25(10): 515-517.

[13]HEGER A, HOLM L. Rapid automatic detection and alignment of repeats in protein sequences[J]. Proteins, 2000, 41(2): 224-237.

[14]SZKLARCZYK R, HERINGA J. Tracking repeats using significance and transitivity[J]. Bioinformatics, 2004, 20(S1): i311-i317.

[15]S?DING J, REMMERT M, BIEGERT A. HHrep: de novo protein repeat detection and the origin of TIM barrels[J]. Nucleic Acids Research, 2006, 34(Web Server issue): W137-W142.

[16]BIEGERT A, S?DING J. De novo identification of highly diverged protein repeats by probabilistic consistency[J]. Bioinformatics, 2008, 24(6): 807-814.

[17]TSAI J Y, CHU C C, YEH Y H, et al. Structural characterizations of the chloroplast translocon protein Tic110[J]. The Plant Journal, 2013, 75(5): 847-857.

[18]FOURNIER D, PALIDWOR G A, SHCHERBININ S, et al. Functional and genomic analysis of alpha-solenoid proteins[J]. PLoS ONE, 2013, 8(11): e79894.

[19]GRUBER M, S?DING J, LUPAS A N. REPPER--repeats and their periodicities in fibrous proteins[J]. Nucleic Acids Research, 2005, 33(Web Server issue): W239-W243.

[20]MARSELLA L, SIROCCO F, TROVATO A, et al. REPETITA: detection and discrimination of the periodicity of protein solenoid repeats by discrete Fourier transform[J]. Bioinformatics, 2009, 25(12): i289-i295.

[21]VLASSI M, BRAUNS K, ANDRADE-NAVARRO M A. Short tandem repeats in the inhibitory domain of the mineralocorticoid receptor: prediction of a β-solenoid structure[J]. BMC Structural Biology, 2013, 13:17.

[22]MURRAY K B, GORSE D, THORNTON J M. Wavelet transforms for the characterization and detection of repeating motifs[J]. Journal of Molecular Biology, 2002, 316(2): 341-363.

[23]MURRAY K B, TAYLOR W R, THORNTON J M. Toward the detection and validation of repeats in protein structure[J]. Proteins, 2004, 57(2): 365-380.

[24]SABARINATHAN R, BASU R, SEKAR K. ProSTRIP: A method to find similar structural repeats in three-dimensional protein structures[J]. Computational Biology and Chemistry, 2010, 34(2):126-130.

[25]WALSH I, SIROCCO F G, MINERVINI G, et al. RAPHAEL: recognition, periodicity and insertion assignment of solenoid protein structures[J]. Bioinformatics, 2012, 28(24): 3257-3264.

[26]DI DOMENICO T, POTENZA E, WALSH I, et al. RepeatsDB: a database of tandem repeat protein structures[J]. Nucleic Acids Res, 2014, 42(Database issue): D352-D357.

[27]HIRSH L, PIOVESAN D, PALADIN L, et al. Identification of repetitive units in protein structures with ReUPred[J]. Amino Acids, 2016, 48(6):1391-1400.

[28]HRABE T, GODZIK A. ConSole: using modularity of contact maps to locate solenoid domains in protein structures[J]. BMC Bioinformatics, 2014, 15:119.

[29]CHAKRABARTY B, PAREKH N. Identifying tandem Ankyrin repeats in protein structures[J]. BMC Bioinformatics, 2014, 15:6599.

Sequence and structure methods for detection of solenoid domain in proteins

DING De-wu, XIA Qi-shou, YIN Xiao-ling

(Department of Mathematics and Computer Science, Chizhou College, Chizhou 247000, China)

Research on solenoid proteins in human health and protein engineering are growing. Identification of the solenoid domain helps to infer protein function and mechanism, to study protein origin and evolution, and to understand the protein-protein interactions. Currently, researchers have developed solenoid domain recognition approaches from both sequence and structural features, which are summarized in this paper.

solenoid protein; solenoid domain; sequence feature; structural feature

2016-03-29；

2016-04-11

安徽省教育廳自然科學(xué)研究重點(diǎn)項(xiàng)目(KJ2015A264, KJ2015A290)

丁德武,碩士,講師,主要研究領(lǐng)域?yàn)橛?jì)算智能、生物信息學(xué)等，E-mail:dwding2008@aliyun.com

夏啟壽,碩士，副教授，主要研究領(lǐng)域?yàn)橛?jì)算機(jī)智能與計(jì)算機(jī)應(yīng)用技術(shù)，E-mail:qishouxia@126.com；殷小玲,碩士，副教授，主要研究領(lǐng)域?yàn)橛?jì)算機(jī)智能與計(jì)算機(jī)應(yīng)用技術(shù)，E-mail：89081489@qq.com

TP339;Q5

A

2095-1736(2017)01-0085-04

doi∶10.3969/j.issn.2095-1736.2017.01.085