G蛋白偶联受体结构及与药物配体结合的计算研究

G protein coupled receptors (GPCRs), also known as seven-transmembrane domain receptors, pass through the cellar membrane seven times and play important biological roles in cells such as signaling and transporting of molecules. GPCR is also a kind of important drug target proteins. However, there are very few structures and function information of GPCRs although they are very important. The main reason is that it is very difficult to obtain the structures and functions of GPCRs through wet experiments. In this project, we will develop a series of algorithms, which capable of identifying GPCRs from genomic sequences, locating their transmembrane regions, predicting three-dimensional structures and drug ligand binding patterns. Many novel encodings and state-of-the-art algorithms will be employed to constructed the corresponding bioinformatics models. The purpose of this study is to in-depth understand the molecular mechanism of GPCRs through their special three-dimension structures. These research achievements can be used in the data analysis of genomes, and new drug developments. Meanwhile, development of such novel methods will be helpful to accelerate the exploration of the sequence-structure-function landscape in GPCRs.

G蛋白偶联受体(GPCR)跨膜七次, 被称为七跨膜结构域受体。作为一种重要的受体蛋白，GPCR在细胞中起着重要的生物学作用，例如作为信号传导以及分子输送体等。GPCR同时是一种重要的药物靶标蛋白。然而，与GPCR的重要性形成强烈反差的是科学界对于其结构与功能了解非常贫乏。主要原因是通过实验手段来获得GPCR的结构和功能信息及其困难。在本项目中，我们研究组将开发一系列新算法，新算法能从基因组规模的数据中识别出GPCR蛋白，并定位其跨膜区，以及预测GPCR三维结构和药物配体结合模式。一系列创新性的编码及模型算法方式将用于构建针对GPCR的生物信息学模型构建。本研究旨在通过分析GPCR特有的结构特征，来阐述与GPCR相关的生物学功能的分子机制。这些研究成果能够应用于基因组规模的数据分析，也可为新型药物靶标的筛选和药物的开发提供帮助。同时有助于深入理解GPCR序列-结构-功能关系的相应分子机理。

G蛋白偶联受体(GPCR)跨膜七次, 又称为七跨膜结构域受体，在细胞中起着重要的生物学.作用，例如作为信号传导以及分子输送体。在本项目中，我们开发了一系列新算法，包括GPCR识别 ， GPCR的跨膜区定位，以及预测GPCR结构和功能。 我们使用使用神经网络和序列进化谱对GPCR的跨膜区进行预测。考虑GPCRs的二级结构是相对保守和有规律，我们通过结合蛋白质二级结构元素比对和人工神经网络预测的跨膜区构成的能量函数来准确识别G蛋白偶联受体。 此外，我们已提取每个GPCR的保守片段来建立一个内部的以人工知识为基础的数据库。GPCR的三维结构预测算法将通过使用序列普比对来进行,同时在比对中将把我们建立的保守片段数据库，跨膜区作为打分项。GPCR的功能预测可以通过使用获得的三维结构来分析。综上所述，本项目采用最新水平的算法以开发GPCR识别、跨膜区定位以及结构和功能预测计算方法。