氨基酸突变对赖氨酸翻译后修饰影响的生物信息学研究

Based on the inner relation and the current research status between major disease-associated amino acid mutations and lysine posttranslational modification, the project intends to develop a new simple and efficient method of protein translation modified peptide set enrichment analysis on the basis of evolutionary conservation, and build the classification prediction model of lysine posttranslational modification sites; combined network technology, we further establish the online predictive analytics platform that can label a variety of posttranslational modification sites of lysine on the complete protein sequence simultaneously; the amino acid mutations data that influenced lysine posttranslational modification can be obtained from the above predictive analytics platform, and the deep information hidden behind the mutation data can be attained by using some related bioinformatics analysis tools, and then the annotation information database of the amino acid mutations that influenced lysine posttranslational modification can be build on the above informations to explore the possible pathogenesis of related disease and provide new ideas and new perspective for a potential drug target screening and drug design.

针对重大疾病相关氨基酸突变与赖氨酸翻译后修饰的内在关联及研究现状，本项目拟基于生物分析中的进化保守信息，开发一种新的简洁高效的预测分析方法蛋白翻译后修饰肽段富集方法PSEA，构建赖氨酸翻译后各种修饰位点的分类预测模型；再结合网络技术进一步建立仅需输入氨基酸序列即可对完整蛋白序列上赖氨酸的各种翻译后修饰位点同时进行快速、精确标示的在线预测分析平台；利用该分析平台获取影响赖氨酸翻译后修饰的氨基酸突变数据，并采用相关生物信息分析工具进一步挖掘突变数据背后隐藏的深层信息，构建影响赖氨酸翻译后修饰的氨基酸突变注释信息数据库，探讨赖氨酸翻译后修饰相关的氨基酸突变引起疾病的可能发病机制，为潜在药物靶标筛选和药物设计提供新思路和新角度。

本项目组基于生物分析中最重要的进化保守信息，发展了蛋白翻译后修饰肽段富集方法PSEA。该方法简单易行，无需平衡正负样本集，能充分利用正负样本的全部信息。将PSEA方法成功用于构建不同类型激酶特异性磷酸化位点预测模型。采用上述模型预测所有收集到的疾病相关磷酸化底物对应的激酶类型，对疾病和非疾病的磷酸化底物与激酶进行了功能富集分析和统计分析，结果显示促分裂原活化蛋白激酶家族和糖原合成酶激酶家族更倾向于引发异常磷酸化导致相关疾病的发生。识别赖氨酸翻译后修饰位点是阐述活细胞中赖氨酸翻译后修饰调控机制和理解其在相关病理过程中生理功能的先决条件。从蛋白序列信息、物化属性、进化信息和功能信息出发，采用信息增益或F打分筛选特征向量，分别构建了赖氨酸小泛素化、琥珀酰化、羟基化、物种特异性甲基化和丙二酰化位点预测模型。与其他方法比较的独立测试结果表明我们构建的预测模型具有较好的预测性能。项目组同步开发了上述模型的在线预测分析公共服务平台（http://bioinfo.ncu.edu. cn/Webserver.aspx），为蛋白质翻译后修饰研究提供方便、快捷、准确的生物信息学工具。同时运用琥珀酰化预测平台识别乙酰化蛋白底物上潜在赖氨酸琥珀酰化位点，发现17.80%的乙酰化位点可能发生琥珀酰化，显示琥珀酰化倾向与乙酰化在同位置发生原位共修饰。基于小泛素化预测平台，系统分析氨基酸突变对小泛素化位点的影响，定义了四种与小泛素化相关的氨基酸变异SUMOAMVR。探究多态性变异和与疾病有关的变异，发现4.83%的与疾病有关的突变和9.58%与多态性有关的突变是潜在的SUMOAMVR，氨基酸突变导致新增一个小泛素化位点更有可能导致疾病的发生。疾病相关与正常小泛素化蛋白的功能富集分析表明疾病有关的小泛素化底物显著富集在癌症通路中。这些详细分析将为揭示相关疾病的发病机制以及筛选潜在药物靶标提供重要参考。项目已按计划完成，在本项目的资助下，在Bioinformatics等国际重要学术刊物上发表SCI论文10篇，申请发明专利1项。