蛋白质折叠类别——再探氨基酸组成空间的高维几何

在本研究中，我们利用高维氨基酸组成空间中的凸多胞体等几何构造，对来自遗留数据集和综合数据库（SCOP）的实验测定结构的蛋白质结构类别（或折叠类型）分布进行了精确建模。这是先前使用椭球模型对蛋白质类别进行非统计、几何驱动的建模的后续研究，而本研究在三个重要方面取代了先前的工作：（1）作为一种范式转变，将实验数据的描述性“分布模型”与可推广至尚未通过实验确定三维结构的同类蛋白质的未来预测性“结构域模型”解耦，并以前者作为后者的基础；（2）通过精确的计算几何计算获取类别分布的几何与解析特征；（3）将来自综合数据库的全部数据纳入此类计算，摒弃了训练集选择及其带来的偏差。与统计和机器学习方法相比，本研究展示的蛋白质类别分布的解析性、非统计几何模型提供了关于其在高维空间中大小与相对位置的完整且精确的信息（涉及任何导致歧义与分类限制的重叠）。本研究主要旨在准确且概括性地描述氨基酸组成与蛋白质类别之间的复杂关系，并在可能的情况下适当地作为预测建模的基础；结果表明，它们最终可能成为验证基于序列的蛋白质结构预测的有用辅助工具，并有助于从理论上和根本上理解二级结构形成与蛋白质折叠，从而彰显高维氨基酸组成空间在蛋白质研究中的作用。