基于三维结构信息预测蛋白质相互作用及其位点的计算研究

With fast growth of protein structural data, prediction of protein-protein interactions and protein interaction sites using 3D structural information has become a problem of increasing importance in structural bioinformatics. First, we will build machine learning and template-based methods to identify protein interaction sites, evaluate the advantages and limitations as the individual method will be used, and improve the prediction using the complementarity between them. Second, we will develop the local structural alignment methods based on graph model and surface shape, which will be used to show the structural similarity between different binding interfaces. Based on this, we will develop structure-based method for predicting protein-protein interactions and incorporate non-structural information to enhance the performance. Last, considering that structural information has not been used to identify protein interactions in rice,we will apply the above computational pipeline to rice genome and validate the prediction results by experiments. This project will enhance our understanding of the mechanisms of protein-protein interactions at the atomic level and provide automatic and efficient methods for predicting protein interactions and their binding sites. The prediction of rice interactome will be not only beneficial for uncovering the mechanisms of rice growth, but also provide new insights into rice breeding.

随着蛋白质结构数据的快速增长，利用三维结构信息预测蛋白质相互作用及其位点已成为结构生物信息学中的热点问题。本项目将分别构建基于机器学习和模板的相互作用位点预测模型，系统评价独立使用它们时的利弊，利用其互补性改善预测效果。其次，将开发以图模型和表面形态为基础的局部结构比对算法，用于评价相互作用界面间及模拟界面与真实界面间的结构差异。据此开发结构信息驱动的蛋白质相互作用关系预测算法，并整合其他非结构数据构建多信息融合的计算分析平台。最后，考虑到结构信息尚未被用于水稻蛋白的相互作用预测，将把上述流程运用于水稻基因组，并对预测结果进行实验验证。本项目的顺利开展将深化从原子层面对蛋白质相互作用与识别机制的认识，提供自动的、高效的蛋白质相互作用及其位点的预测方法，在水稻中的应用不仅可以进一步揭示其生命活动规律，还可以为新型水稻的培育提供线索，因此具有重要基础科学意义和重大潜在应用价值。

蛋白质在细胞中不是孤立存在的。大多数蛋白质通过与其他分子发生相互作用来完成特定的生物学功能。本项目充分利用蛋白质三维结构信息，开发了多个用于识别蛋白质功能位点和蛋白质相互作用关系的计算方法。首先，采用机器学习方法和模板方法相联合的策略，分别开发了基于结构信息和序列信息的核酸绑定残基预测算法，实验结果表明混合算法可以显著地提高预测精度。在此基础上，同时利用上述两种策略的互补性以及结构信息与序列信息的互补性，开发了准确预测酶催化残基的混合算法。其次，针对蛋白质相互作用界面，利用残基间共进化信息反映其发生物理相互作用的可能性，同时设计了一系列基于跨界面残基对的结构特征，联合上述信息开发了能有效区分生物学界面与晶体学界面的预测方法。与现有算法进行比较，该方法不仅可以达到更好或相当的预测效果，还可以提供互补信息。最后，开发了基于结构相似性的蛋白质相互作用预测算法，将其应用于跨物种的病原体与人类蛋白相互作用研究，并对预测的蛋白相互作用网络进行了初步的分析，相关研究在进一步深入过程中。本项目的完成不仅深化了对蛋白质功能位点的结构特异性认识，而且为从结构层面阐明病原体侵染宿主的机制提供了新的线索。