基于智能计算的蛋白质进化研究

A comprehension of protein evolution mechanisms is critical in many fields, such as molecule evolution, comparative genomics and structural biology. Protein evolution is an extremely complicated system with many factors being involved in the evolution process. So far the researches into protein evolution mechanisms are merely restrained within simple biology experiments and statistics analysis, which are both time-consuming and costly. In this research, a protein evolutionary model is constructed on the basis of intelligent computation. An evolution tree is set up after description parameters are extracted from protein cellular automata image(Many important features, which are deeply hidden in piles of long and complicated amino acid sequences, can be clearly revealed through their CAIs) and the evolution distance between proteins is calculated. The protein-protein interaction and interface will be predicted employing information integration techniques. On the basis of protein position-specific scoring matrix,the evolution rules of probability cellular automata model are devised and protein evolution model is constructed. Therefore protein evolution of common viruses can be forecasted on the basis of this model through analysis of codon usage pattern. Based on protein-protein interaction network, a new protein evolution model is established afterwards through application of coarse cellular automata so that complex evolution conditions and selective stresses can be converted to evolution rules of cellular automata. By the approach, a real simulation of the complexity and systematicness of protein evolution can be fulfilled via simple counting. These creative researches are likely to provide a reliable platform and method for the study of protein evolution mechanisms, prediction of mutation tendency of virus protein and designing of new medicines. So there are upper theoretical and realistic meanings in the research.

了解蛋白质进化机理是许多领域的核心，如分子进化、比较基因组学和结构生物学等。蛋白质进化是一个许多因素共同作用的复杂系统，目前，对此研究还局限于生物实验和统计分析，费时费力。本项目基于智能计算研究蛋白质进化，提取蛋白质元胞自动机图描述参数（这些参数能很好的描述蛋白质序列特征），采用蛋白质离散模型，计算蛋白质间的进化距离，构建进化树；基于信息融合技术，对蛋白质的相互作用及作用面进行预测；基于蛋白质位点特异性打分矩阵设计概率元胞自动机，建立蛋白质进化模型；结合密码子用法模式分析，对常见病毒蛋白的进化进行预测；基于蛋白质相互作用并将复杂的进化条件和选择压力转化为粗粒化元胞自动机的演化规则，建立一种新的蛋白质进化模型，其计算简便却能真实模拟蛋白质进化的复杂性和系统性。这些创新性的工作对探索蛋白质进化机理、预测病毒蛋白的突变趋势以及辅助新的基因药物设计提供一个有效的方法和平台，具有较高研究意义。

了解蛋白质进化的机理是许多领域的核心，如分子进化、比较基因组学和结构生物学等。蛋白质进化是一个许多因素共同作用的复杂系统，目前，对蛋白质进化机理的研究还局限于生物实验和统计分析，不仅费时费力，而且探究出的规律大多还只停留在假设阶段。本项目基于智能技术研究蛋白质进化相关问题，采用蛋白质离散模型，基于灰色PSSM矩阵和蛋白质域相似性计算蛋白质间的进化距离，设计了蛋白质远程同源预测器；基于蛋白质混沌图构建了蛋白质-蛋白质交互作用预测器，基于氨基酸物理化学性质和平稳小波变换设计了蛋白质-蛋白质绑定点预测器；设计了一个蛋白质域进化仿真器，从蛋白质域结构中挖掘出域从前向后进化概率矩阵和从后向前进化概率矩阵，并将其融合到元胞自动机演化规则中，仿真器模拟了域的插入、删除和融合，通过在线仿真器，用户能很方便的预测出蛋白质域结构的进化趋势。.项目还设计了多个与蛋白质进化研究相关的预测器。蛋白质亚细胞定位信息能提供蛋白质进化信息，我们将蛋白质GO信息与其标签相联系，采用训练集平衡方法，构建了多个蛋白质亚细胞多标签预测器，这些预测器预测成功率处于国际领先地位；基于进化信息，构建了蛋白质四级结构类型预测器、乙酰化蛋白质识别、泛素化蛋白质识别、磷酸化蛋白质识别、甲基化位点预测、复制起始位点预测等。在DNA序列研究中，设计了识别重组位点、剪切位点、DNase I高灵敏性位点预测。项目还在药物分类预测以及生物信息学中常用多标签预测算法取得了进展。这些在线预测器访问量超过3万余次，为广大生物学者提供了帮助。项目共发表43篇SCI期刊论文，被它引用超过700次，项目负责人入选了2018科睿唯安全球高被引科学家榜单，一篇论文入选中国科学技术研究所颁布2018年中国百篇最具国际影响国际学术论文。