[论文解读] Predicting Residue-wise Contact Orders of Native Protein Structure from Amino Acid Sequence

Akira R. Kinjo, Ken Nishikawa|ArXiv.org|Jan 12, 2005

Protein Structure and Dynamics参考文献 14被引用 4

一句话总结

本文提出了一种基于线性回归的方法，仅从氨基酸序列预测残基接触序数（RWCO），预测值与天然RWCO值之间的平均相关系数达到0.59。该方法采用26个残基的最优半窗口大小，识别疏水性模式为RWCO的主要决定因素，为蛋白质折叠中的序列-结构关系提供了新见解。

ABSTRACT

Residue-wise contact order (RWCO) is a new kind of one-dimensional protein structures which represents the extent of long-range contacts. We have recently shown that a set of three types of one-dimensional structures (secondary structure, contact number, and RWCO) contains sufficient information for reconstructing the three-dimensional structure of proteins. Currently, there exist prediction methods for secondary structure and contact number from amino acid sequence, but none exists for RWCO. Also, the properties of amino acids that affect RWCO is not clearly understood. Here, we present a linear regression-based method to predict RWCO from amino acid sequence, and analyze the regression parameters to identify the properties that correlates with the RWCO. The present method achieves the significant correlation of 0.59 between the native and predicted RWCOs on average. An unusual feature of the RWCO prediction is the remarkably large optimal half window size of 26 residues. The regression parameters for the central and near-central residues of the local sequence segment highly correlate with those of the contact number prediction, and hence with hydrophobicity.

研究动机与目标

• 开发一种从氨基酸序列预测残基接触序数（RWCO）的方法，因为此前尚无此类方法。
• 识别影响RWCO的氨基酸性质，特别是与长程结构接触的关系。
• 评估从一维表示（包括RWCO、二级结构和接触数）重建三维蛋白质结构的可行性。
• 比较RWCO与接触数的预测能力，并评估其在局部序列窗口中的相互依赖性。

提出的方法

• 使用可变大小的滑动窗口，训练线性回归模型，从局部氨基酸序列预测RWCO值。
• 该方法采用全局归一化的RWCO，定义为某残基与其接触残基之间序列距离的总和，按接触存在性加权。
• 通过实验确定预测的最优半窗口大小，发现26个残基可实现最高相关系数。
• 分析回归系数以识别影响RWCO的氨基酸性质，特别是疏水性。
• 使用SCOP结构域数据集对模型进行评估，通过相关系数和偏差指标比较预测RWCO与天然值。
• 与接触数预测方法进行比较，以评估交叉预测性能并识别共享的序列模式。

实验结果

研究问题

• RQ1 仅从氨基酸序列能否可靠预测残基接触序数（RWCO）？
• RQ2 哪些氨基酸性质，特别是疏水性，与RWCO相关性最强？
• RQ3 RWCO预测的最优局部窗口大小与接触数预测的最优窗口大小相比如何？
• RQ4 在不同序列窗口中，接触数与RWCO预测的相关性达到何种程度？
• RQ5 通过引入非线性模型或处理RWCO值中的大范围局部偏差，能否改善RWCO的预测性能？

主要发现

• 所提出的线性回归方法在预测值与天然残基接触序数（RWCO）之间实现了0.59的平均相关系数。
• RWCO预测的最优半窗口大小为26个残基，显著大于其他蛋白质结构预测中常用的窗口大小。
• 窗口中中心及近中心残基的回归系数与接触数预测的回归系数高度相关，表明疏水性起主导作用。
• 预测RWCO与天然接触数之间的相关系数为0.50（M=4），而反向相关（从RWCO预测接触数）达到0.62，表明两者具有强烈相互依赖性。
• 该方法表明，RWCO预测对长程序列模式更敏感，这由较大的最优窗口大小所证实。
• 尽管相关系数中等，但该方法揭示RWCO主要由局部序列片段的疏水性模式决定，尤其在中心位置。