近日,，德國慕尼黑大學的研究人員發(fā)表論文介紹一種能提高蛋白序列比對分析的新工具：HHblits。相關成果公布在《自然—方法學》（Nature Methods）雜志上,。
HHblits是一種能極大增加蛋白功能性分析技術的軟件，能通過新穎的序列尋找方法,，更快更準確的識別數(shù)據(jù)庫中具有相似序列的蛋白,，比現(xiàn)有的方法能快2500倍,！領導這一研究的是慕尼黑大學基因中心的Johannes Soding博士，他表示,，“我們的方法能延伸序列分析的廣度和力度,，從而能方便之后的蛋白結構和功能的解析。”
蛋白存在于生命中幾乎所有生化過程中,，一個蛋白的功能很大程度上依賴于其20種氨基酸排列組合的順序,，以及氨基酸序列組成的三維空間結構。因此對于序列相似的蛋白來說,，生物信息學方法能預測出其進化相關性,，從而預測出相似的結構和功能。
所以蛋白結構分析是蛋白研究的一個重要方面,，蛋白結構比對也成為了常規(guī)手段之一,，研究人員常常在公眾數(shù)據(jù)庫中比對蛋白結構，通過分析這些相似的已知結構來分析蛋白的功能,，S,？ding博士說，“這種序列分析方法是生物信息學領域的一種基礎研究手段,。”
序列尋找程序能通過計算配對方式來評估序列相似性——兩個氨基酸序列被按照先后順序排列,，這是根據(jù)常見識別，或者同樣方式的氨基酸配對,。“也許比配對序列相似性更加重要的是,，所謂的多序列比對，在這種情況下,，研究人員可以尋找許多相關蛋白中的相似序列,，或者將其安排進矩陣中——矩陣是指每個序列排列一行，相同單元中具有相同氨基酸”,，S,？ding博士說。因為進化上相關蛋白的功能和結構都通常是保守的,，比如說即使進化過程中出現(xiàn)突變,，序列改變了，但是多序列比對能找到未知蛋白的結構和分子功能,。
在過去的15年間,，最流行的比對蛋白質序列的工具是PSI-BLAST，這是由于這一程序兼具速度和高靈敏度,，以及精確度,。
但這一新成果,，S,？ding博士的這一最新HHblits方法在各方面更勝一籌,，這主要體現(xiàn)在兩個方面，首先研究人員能將興趣蛋白的序列,，與數(shù)據(jù)庫中蛋白的序列相互轉換,，進入Hidden Markov Models (HMMs)模式，HMMs是一種能配合序列比對過程中出現(xiàn)的突變可能的統(tǒng)計模型,，因此這一步能提升亞序列相似搜索的靈敏度和準確性,。
其次，這一研究組還研發(fā)了一種能幫助降低篩選量,，而又不損害搜索靈敏性的過濾成像,，這種方法能將搜索時間提高2500倍，S,？ding博士強調這種HHblits方法,，比較于之前的方法，能更快更精確預測蛋白功能和結構,，其研究組已經(jīng)著手更深入提升這一方法,，這包括協(xié)同蛋白三維結構數(shù)據(jù)進行分析。(生物谷Bioon.com)
doi:10.1038/nmeth.1818
PMC:
PMID:
HHblits: lightning-fast iterative protein sequence searching by HMM-HMM alignment
Michael Remmert, Andreas Biegert, Andreas Hauser & Johannes S?ding
Sequence-based protein function and structure prediction depends crucially on sequence-search sensitivity and accuracy of the resulting sequence alignments. We present an open-source, general-purpose tool that represents both query and database sequences by profile hidden Markov models (HMMs): 'HMM-HMM–based lightning-fast iterative sequence search. Compared to the sequence-search tool PSI-BLAST, HHblits is faster owing to its discretized-profile prefilter, has 50–100% higher sensitivity and generates more accurate alignments.
