分子模拟第一弹——基于SWISS-MODEL的蛋白三维结构预测

    从今天开始,小编将开始为大家更新分子模拟相关的文章。首先,给大家介绍的第一部分知识是基于SWISS-MODEL的蛋白三维结构预测。

    学过相关生物知识的同学都知道,蛋白质的一级结构决定了其高级结构,所以,我们可以根据已有的天然蛋白质结构对未知蛋白结构进行预测。其中最常用的方法之一就是比较建模法( comparative modeling method),即我们常听到的同源建模(Homology Modeling),而SWISS-MODEL在线网站就是一款使用同源建模法预测蛋白三维结构的网站。下面我们就具体看一下如何使用这个在线网站进行蛋白的三维结构预测及结果解读。

前期准备

预测工具:SWISS-MODELhttps://swissmodel.expasy.org/
氨基酸序列:按照FASTA格式准备好自己的氨基酸序列

image.png

预测步骤

1)打开SWISS-MODEL官网,点击Start Modelling;
image.png
2)将我们准备好的氨基酸序列粘贴进指定窗口,序列自动识别如果没有问题的情况下氨基酸序列会变成有颜色背景的格式:
image.png
3)填写好自己的Project Title及Email(选填);
4)点击Build Model开始运行;
image.png

image.png
5)根据氨基酸序列长短会运行几分钟到几小时不等(运行结束时所填写邮箱会收到通知)。
6)得到给定氨基酸序列的蛋白三维结构预测结果(结果往往不唯一,需要经过一定筛选)。
image.png

结果解读

1)质量评估:

    其中相似度值,即的序列同源性( sequence identity )经比对后结果在40% 以上,则待预测蛋白与模板蛋白结构可能属于同一家族,即为同源蛋白,则同源建模方法可用于预测该蛋白三维结构,预测模型可信度高。然后我们根据GMQE值(全球性模型质量估测)及QMEAN值评价同源建模的结果。GMQE值在0-1之间,越接近1则建模质量越好,QMEAN值区间为-4-0,越接近0则匹配度越好。

image.png

image.png

2)展示形式及保存:

    网页右边窗口中如下图所示的选项中可修改展示形式;按住鼠标左键可在图中旋转图片,找到合适角度后可在照相机按钮中进行保存;


image.png

image.png
3)细节查看:

    点击图中的Structure Assessment按钮可详细查看该模型细节信息,同时也可根据其中的Ramachandran Plots(拉式图)对蛋白构象合理性进行评估。(一般来说落在允许区(一般为深色区)和最大允许区(一般为浅色区)的氨基酸残基占整个蛋白质的比例高于90%可认为该模型的构象符合立体化学的规则。(不允许区一般为空白区))

image.png

image.png

4)蛋白结构保存:

    点击预测结果最好的模型序号,弹出窗口中可选择保存形式(一般保存成PDB格式即可)。


image.png
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 203,362评论 5 477
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,330评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,247评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,560评论 1 273
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,580评论 5 365
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,569评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,929评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,587评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,840评论 1 297
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,596评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,678评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,366评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,945评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,929评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,165评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 43,271评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,403评论 2 342

推荐阅读更多精彩内容