跨膜蛋白是一种横跨生物膜的并且永久依附在膜上的蛋白质,也就是说,跨膜蛋白从膜的一侧跨越通向膜的另一侧。跨膜蛋白有两种类型:Alpha螺旋跨膜蛋白和β折叠跨膜蛋白。这类嵌入膜的Alpha螺旋跨膜多面体的蛋白质构成生物体中大部分离子通道、转运通道和受体。在人类蛋白质组中,预计会有接近3000组Alpha螺旋跨膜蛋白,占据了所有人类蛋白质组总数的25%。在本研究中,我们主要集中在Alpha螺旋跨膜蛋白质,因为β折叠蛋白质结构数量很少,可能会导致统计学中“小样本”问题的出现。在这项研究中,我们主要集中解决Alpha螺旋跨膜蛋白研究中的两个问题:可接触性预测和蛋白质-蛋白质结合位点预测。对于蛋白质可接触性预测,我们提出了一个全新的基于序列信息的预测方法MemBrain-Rasa。该方法是将机器学习引擎和最新开发的结构片段相似引擎两部分结合起来预测可接触性。我们首先构建了本地的全面的可接触性数据库,用来进行基于序列信息的结构片段相似性搜索。基于同源结构片段的预测结果再按照设计好的知识规则和支持向量回归的预测结果进行融合得到最终的输出结果。我们的研究结果表明,MemBrain-Rasa的预测结果的相关系数为0.733,平均绝对误差为13.953,比现存的方法分别提高26.4%和26.1%。MemBrain-Rasa代表了Alpha螺旋跨膜蛋白结构建模的最新进展,本软件的访问地址为www.csbio.sjtu.edu.cn/bioinf/MemBrain/。对于结合位点的预测,我们提出了仅基于序列信息并且利用机器学习的方法预测蛋白质-蛋白质结合位点。我们将位置特异性打分矩阵、保守分数、Z坐标、二级结构、物理参数和序列长度作为特征训练支持向量回归模型预测可接触性。然后结合上述特征,我们使用集成支持向量机的方法预测结合位点。尽我们所知,没有任何方法可以用来预测全序列长度的结合位点。研究结果表明,我们的方法优于曾经成功应用在蛋白质-配体预测的MAdaBoost算法和随机森林算法。