蛋白质结构预测(proteinstructureprediction)
一种生物体的基因组规定了所有构成该生物体的蛋白质，基因规定了组成蛋白质的氨基酸序列。虽然蛋白质由氨基酸的线性序列组成，但是，它们只有折叠成特定的空间构象才能具有相应的活性和相应的生物学功能。了解蛋白质的空间结构不仅有利于认识蛋白质的功能，也有利于认识蛋白质是如何执行其功能的。确定蛋白质的结构对于生物学研究是非常重要的。目前，蛋白质序列数据库的数据积累的速度非常快，但是，已知结构的蛋白质相对比较少。尽管蛋白质结构测定技术有了较为显著的进展，但是，通过实验方法确定蛋白质结构的过程仍然非常复杂，代价较高。因此，实验测定的蛋白质结构比已知的蛋白质序列要少得多。另一方面，随着DNA测序技术的发展，人类基因组及更多的模式生物基因组已经或将要被完全测序，DNA序列数量将会急增，而由于DNA序列分析技术和基因识别方法的进步，我们可以从DNA推导出大量的蛋白质序列。这意味着已知序列的蛋白质数量和已测定结构的蛋白质数量（如蛋白质结构数据库PDB中的......阅读全文
蛋白质结构预测(protein－structure－prediction)
一种生物体的基因组规定了所有构成该生物体的蛋白质，基因规定了组成蛋白质的氨基酸序列。虽然蛋白质由氨基酸的线性序列组成，但是，它们只有折叠成特定的空间构象才能具有相应的活性和相应的生物学功能。了解蛋白质的空间结构不仅有利于认识蛋白质的功能，也有利于认识蛋白质是如何执行其功能的。确定蛋白质的结构对于生物
蛋白质二级结构预测(protein－secondary－structure－prediction)
蛋白质二级结构的预测开始于20世纪60年代中期。二级结构预测的方法大体分为三代，第一代是基于单个氨基酸残基统计分析，从有限的数据集中提取各种残基形成特定二级结构的倾向，以此作为二级结构预测的依据。第二代预测方法是基于氨基酸片段的统计分析，使用大量的数据作为统计基础，统计的对象不再是单个氨基酸残基，而
蛋白质二级结构(protein－secondary－structure)预测软件
蛋白质二级结构的预测通常被认为是蛋白结构预测的第一步，二级结构是指α螺旋和β折叠等规则的蛋白质局部结构元件。不同的氨基酸残基对于形成不同的二级结构元件具有不同的倾向性。按蛋白质中二级结构的成分可以把球形蛋白分为全α蛋白、全β蛋白、α＋β蛋白和α/β蛋白等四个折叠类型。预测蛋白质二级结构的算法大多以已
蛋白质三级结构(tertiary－structure－of－protein)的预测软件
由于用X光晶体衍射和NMR核磁共振技术测定蛋白质的三维结构，以及用生化方法研究蛋白质的功能效率不高，无法适应蛋白质序列数量飞速增长的需要，因此近几十年来许多科学家致力于研究用理论计算的方法预测蛋白质的三维结构和功能，经过多年努力取得了一定的成果。蛋白质三维结构的预测方法通常包括：同源性建模和从头开始
Nature、Science齐发：两款新型AI精准预测蛋白结构
去年，DeepMind公司开发的AlphaFold2人工智能系统，基于氨基酸序列，精确预测了蛋白质的3D结构。它的准确性与使用冷冻电子显微镜（CryoEM）、核磁共振或 X 射线晶体学等实验技术解析的3D结构相媲美。这一突破被誉为“变革生命科学和生物医学”的突破。 今日，DeepMind公司在
抗体结构（antibody－structure）
抗体（antibody，Ab）是机体免疫细胞被抗原激活后，由分化成熟的终末B细胞--浆细胞合成、分泌的一类能与相应抗原特异性结合的具有免疫功能的球蛋白。 抗体是具有4条多肽链的对称结构，其中2条较长、相对分子量较大的相同的重链（H链），含450?550个氨基酸残基，相对分子质量在 55000?7
二级结构预测的
中文名称二级结构预测英文名称secondary structure prediction定 义预测大分子(核酸、蛋白质)可能具有的二级结构。现在已有多种计算机软件可以进行这类预测，如nnPREDICT、ZPRED Server等。应用学科生物化学与分子生物学（一级学科），方法与技术（二级学科）
蛋白质序列分析和结构预测
【实验目的】1、掌握蛋白质序列检索的操作方法；2、熟悉蛋白质基本性质分析；3、熟悉基于序列同源性分析的蛋白质功能预测，了解基于motif、 结构位点、结构功能域数据库的蛋白质功能预测；4、了解蛋白质结构预测。【实验内容】1、使用Entrez或SRS信息查询系统检索人脂联素 (adiponectin)
蛋白质序列分析和结构预测
【实验目的】 1、掌握蛋白质序列检索的操作方法； 2、熟悉蛋白质基本性质分析； 3、熟悉基于序列同源性分析的蛋白质功能预测，了解基于motif、结构位点、结构功能域数据库的蛋白质功能预测； 4、了解蛋白质结构预测。【实验内容】 1、使用Entrez或SRS信息查询系统检索人脂联素（ad
蛋白质（protein）概述
蛋白质是一种复杂的有机化合物，旧称“朊”。蛋白质这一概念最早是由瑞典化学家永斯·贝采利乌斯于1838年提出，但当时人们对于蛋白质在机体中的核心作用并不了解。1926年，詹姆斯·B·萨姆纳揭示尿素酶是蛋白质，首次证明了酶是蛋白质。第一个被测序的抗原肽蛋白质是胰岛素，由弗雷德里克·桑格完成，他也因此获得
蛋白质二级结构预测－综合各种分析方法预测
综合各种分析方法预测在实际进行蛋白质二级结构预测时，往往会综合应用各种分析方法和相关数据。综合方法不仅包括各种预测方法的综合，而且也包括结构实验结果、序列对比结果、蛋白质结构分类预测结果等信息的综合。实际应用中最常见的综合方法是同时使用多个软件进行预测，通过分析各个软件的特点以及各个软件预测结果，最
ChouFasman预测方法预测蛋白质二级结构
Chou-Fasman方法是一种基于单个氨基酸残基统计的经验参数方法，由Chou和Fasman在20世纪70年代提出来。通过统计分析，获得的每个残基出现于特定二级结构构象的倾向性因子，进而利用这些倾向性因子预测蛋白质的二级结构。每种氨基酸残基出现在各种二级结构中倾向或者频率是不同的，例如Glu主要出
蛋白质序列分析和结构预测实验
实验步骤1. 人脂联素蛋白质序列的检索（1）调用Internet浏览器并在其地址栏输入Entrez网址（http://www.ncbi.nlm.nih.gov/Entrez）；（2）在Search后的选择栏中选择protein；（3）在输入栏输入homo sapiens adiponectin；（
蛋白质序列分析和结构预测实验
实验步骤 1. 人脂联素蛋白质序列的检索（1）调用Internet浏览器并在其地址栏输入Entrez网址（http://www.ncbi.nlm.nih.gov/Entrez）；（2）在Search后的选择栏中选择protein；（3）在输入栏输入homo sapiens adiponectin；
蛋白质序列分析和结构预测实验
蛋白质序列分析和结构预测实验 实验步骤 1. 人脂联素蛋白质序列的检索（1）调用Internet浏览器并在其
蛋白质抽取(protein－extraction)
蛋白质在细菌中表现后，以反复的冷冻-解冻方法打破细胞，再用硫酸铵把蛋白质沉淀下来，此步骤可以去除大部份核酸、多醣、脂质等杂物。仪器用具：恒温震荡培养箱37℃；高速冷冻离心机及离心管 （使用20,000 rpm离心陀）使用高速离心机要注意： 离心机及离心陀的温度要预冷完全，相对位置的两只离心管要平衡好
Peptide－map－prediction
Peptide map prediction In identifying peptides from proteins with a known sequence, it is often useful to be able to predict how a peptide will migr
Peptide－map－prediction
In identifying peptides from proteins with a known sequence, it is often useful to be able to predict how a peptide will migrate during electrophoresi
蛋白质三级机构（空间结构）预测－从头预测法
H-P模型是基于三种简化的，即蛋白质中各个氨基酸残基的α碳原子都位于二维网格或三维网格的格点上，疏水作用是蛋白折叠中唯一的重要因素，同时通过计算疏水残基接触的数目代替构象的能量计算。虽然这样的处理非常简单，但是，通过H-P模型的计算分析，能够发现蛋白质折叠的一些机制。如果在蛋白质模型中取消氨基酸定位
Meta公司AI预测6亿蛋白质结构
ESM宏基因组图谱数据库包含6.17亿个蛋白质的结构预测。图片来源：ESM宏基因组图谱 谷歌旗下人工智能（AI）公司Deep Mind今年公布了2.2亿个蛋白质的预测结构，几乎涵盖了DNA数据库中已知生物的所有蛋白质。现在，另一个科技巨头正在填补蛋白质宇宙中的暗物质。 Meta公司（前
蛋白质结构预测和分子动力学
作为结构基因组研究的互补，蛋白质结构预测的目标是发展出有效的能够提供未知结构（未通过实验方法得到）蛋白质的可信的结构模型。目前最为成功的结构预测方法是同源建模；这一方法是利用序列相似的蛋白质（已知结构）的结构作为“模板”。而结构基因组的目标正是通过解析大量蛋白质的结构来为同源建模提供足够的模板
蛋白质三级机构（空间结构）预测－从头预测法...1
从头预测模型的基本思想在既没有已知结构的同源蛋白质、也没有已知结构的远程同源蛋白质的情况下，上述两种蛋白质结构预测的方法都不能用，这时只能采用从头预测方法（Abinitio），即（直接）仅仅根据序列本身来预测其结构。在1994年之前，还没有一个从头算方法能够预测蛋白质的空间结构。从那以后，人们陆续提
Structure－of－Mitochondria
The cytoplasm of nearly all eukaryotic cells contain mitochondria, although there is at least one exception, the protist Chaos (Pelomyxa) carolinensis
谷歌DeepMind:已发现科学界几乎所有已知的蛋白质结构
“从今天起，预测几乎所有已知蛋白质的结构，都如同使用搜索引擎一样简单。”7月28日，DeepMind公司与欧洲生物信息研究所（EMBL-EBI）的合作团队公布了生物学领域的一项重大飞跃。他们利用人工智能（AI）系统AlphaFold预测出超过100万个物种的2.14亿个蛋白质结构，几乎涵盖了地球上所
PAM:－Prediction－Analysis－for－Microarrays
PAM: Prediction Analysis for MicroarraysClass Prediction and Survival Analysis for Genomic Expression Data Mining Features:Performs sample classificat
JCIM：计算提升蛋白质蛋白质相互作用的预测精度
蛋白质-蛋白质相互作用和识别在生物学过程中有着非常重要的作用。尽管结构生物学已经取得了较大的进展，但直接采用实验方法确定蛋白质-蛋白质复合物结构仍然非常困难。分子对接技术是预测蛋白质-蛋白质复合物结构的有效方法。蛋白质-小分子之间的相互作用一般蛋白质受体有结合口袋，相互作用区域比较明确，而蛋白质
生物物理所专家第九届全球蛋白质结构预测比赛中获佳绩
12月8日，2010年第九届全球蛋白结构预测比赛结果揭晓，中国科学院生物物理研究所蒋太交研究组发展的Jiang_Assembly蛋白质结构预测服务器进入了前二十名。这标志着我国在蛋白质三维结构预测领域中进入了世界上游水平。 众所周知，蛋白质三维结构预测是计算生物学领域中最
从预测进化－AI能“构想”新蛋白质结构
半个世纪以来，科学家一直在寻找解决“蛋白质折叠问题”的方法。这是生物学领域的一项重大挑战，难倒了几代科学家。但现在，人工智能（AI）解决了这一问题。据《自然》杂志1日发表的论文，包括美国华盛顿大学、伦斯勒理工学院和哈佛大学的研究人员在内的研究小组描述了一种升级的阿尔法折叠系统，该系统由深度思维（
蛋白质三级结构预测－线索化法
线索化模型产生的背景及发展上面已经提到，两个自然进化的蛋白质如果具有30%的等同序列，则它们是同源的蛋白质，具有基本相同的三维结构。那么，其余的是否就不是同源的呢？实际并非如此。在最新的蛋白质数据库PDB中，有上千对蛋白质具有同源的空间结构，但它们的序列等同部分小于25%，即远程同源。许多结构相似的
张强峰博士Nature解析全基因组蛋白互作
来自美国哥伦比亚大学，同济大学等处的研究人员发表了题为“Structure-based prediction of proteinCprotein interactions on a genome-wide scale”的文章，提出了一种基于三维结构信息的全基因组蛋白质相互作用计算预测方