蛋白质序列二级结构的搜索

蛋白质序列二级结构的搜索Abstract生命科学家使用的生物数据集的查询工具效率低下在基于二级结构的大型数据集上搜索的问题定义了直观的二级结构的查询语言评估查询的算法在Periscope、ORDBMS上实现算法框架：优化查询、评估各种查询估计计划的开销高效、交互式的二级结构查询（大型蛋白质数据集）1.Introduction人类基因组工程：从蛋白质和DNA序列中得出有意义的生物信息、知识（bioinformatics）。确定基因的位置和功能，观察蛋白质之间的反应，蛋白质保持时蛋白质的功能结构。提出问题：与大型生物数据集的分析密切相关存储和查询大型基因、蛋白质数据库1.1生物背景知识蛋白质的结构组织：四层主结构：氨基酸的线性序列，蛋白质识别二级结构：氨基酸的线性序列折叠成三维结构：?-螺旋（helix），?-片（sheet），翻转（loop）三维结构决定蛋白质的功能模式和排列：变革性的关系二级结构折叠的类型、长度、开始位置：功能1.2科学动力发现新的蛋白质、新的功能：确定蛋白质的功能和类型已有方法搜索已知的蛋白质数据库，和未知的蛋白质相匹配分析相似蛋白质的功能和分类，得出共同点简单基础：定义了蛋白质相似性蛋白质结构和搜索目标的不同，相似性的定义不同：匹配主结构；匹配二级结构（预测生物分子反应）；同样的级别上也有不同：一部分；整个序列Flexible；efficientBLAST服务器负载重；查询估计算法的效率交互式的结果：验证、否定一些假设高效的查询估计技术1.3内容定义了简单、直观的查询语言：基于分区的二级结构查询识别不同的算法，有效地估计查询。由于查询和分区选择，算法选择对查询的执行有突出的影响查询优化框架：基于查询和数据特征选择最优查询计划直方图：精确、空间小在Periscope、ORDBMS上实现：现实数据集、检验算法高效2.蛋白质格式（format)依赖于预测工具大部分已知蛋白质的二级结构都是预测度量准确率：60%－70%Predator：单氨基酸序列的残余氢的识别65%；本机运行蛋白质名，氨基酸长度，主结构，预测的二级结构3.查询语言和例子