识别蛋白质配体绑定残基的生物计算方法综述
作者:
作者单位:

作者简介:

於东军(1975-),男,博士,教授,博士生导师,研究方向:模式识别与智能信息处理、生物信息学,E-mail:njyudj@njust.edu.cn;朱一亨(1993-),男,博士研究生,研究方向:生物信息学

通讯作者:

基金项目:

国家自然科学基金(61772273,61373062)资助项目。


An Overview of Biocomputing Methods of Targeting Protein-Ligand Binding Residues
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
    摘要:

    蛋白质与配体相互作用在生命过程中是普遍存在且不可或缺的,这种相互作用在生物分子的识别和信号传递过程中起着非常重要的作用。识别出蛋白质与配体相互作用的绑定残基对蛋白质功能研究、药物设计和筛选都有着重要的科学意义,而生物计算方法是蛋白质与配体绑定残基预测研究中的一种重要手段。本文首先给出了蛋白质与配体相互作用的绑定残基的一般性定义;其次,总结出了一种蛋白质与配体绑定残基预测方法的分类体系,并对其中一些代表性的预测方法进行了简要阐述;再次,给出了蛋白质与配体绑定残基预测研究中常用的数据库和评价指标,并通过在相关数据集上进行实验比较了具有代表性的预测方法的性能;最后,对若干挑战性问题进行分析并预测该领域未来的研究方向,以期对相关研究提供一定的参考。

    Abstract:

    Interactions between proteins and ligands are ubiquitous and indispensable in the process of life. These interactions play important roles in the biological molecular recognition and in the process of signal transmission. Identifying the binding residues of the protein-ligand interactions has important scientific significance for protein function research, drug design and screening. Biocomputing method has become an important method for the prediction of protein-ligand binding residues. This paper first describes the common definition of the binding residues of the protein-ligand interactions. Next, a systematic category of protein-ligand binding residue prediction is proposed, and several prediction methods in each category are described. This paper then demonstrates the related protein databases and the evaluation indexes, and experimentally compares and analyzes the performances of some representative prediction methods on the corresponding data sets. Finally, the future research directions of protein-ligand binding residue prediction are proposed, which provide some references for relevant researchers engaged in the field of protein-ligand binding residue prediction.

    参考文献
    相似文献
    引证文献
引用本文

於东军, 朱一亨, 胡俊.识别蛋白质配体绑定残基的生物计算方法综述[J].数据采集与处理,2018,33(2):195-206

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
历史
  • 收稿日期:2017-12-28
  • 最后修改日期:2018-02-27
  • 录用日期:
  • 在线发布日期: 2018-07-09