膜拓扑

跨膜蛋白的拓扑结构是指跨膜多肽链的N端和C端相对于该蛋白占据的生物膜的内侧或外侧的位置。几个数据库提供了实验确定的膜蛋白拓扑结构。它们包括Uniprot、TOPDB、OPM和ExTopoDB。还有一个域数据库，保守地位于膜的某一侧，TOPDOM。开发了几种计算方法，但成功有限，用于预测跨膜α-螺旋及其拓扑结构。先驱方法利用了跨膜区域比蛋白质的其他部分包含更多疏水残基的事实，但是应用不同的疏水尺度改变了预测结果。后来，开发了几种统计方法来改进地形预测，并引入了一种特殊的对齐方法。根据正内规则，靠近脂质双层的胞质环含有更多带正电荷的氨基酸。应用此规则导致了xxx个拓扑预测方法。单程蛋白的跨膜α螺旋也有一个负外部规则，尽管带负电荷的残基比蛋白质跨膜片段中的带正电荷残基少。随着更多结构的确定，出现了机器学习算法。监督学习方法是在一组实验确定的结构上训练的，但是，这些方法高度依赖于训练集。无监督学习方法基于拓扑结构取决于不同结构部分中氨基酸分布的xxx差异的原理。还表明，基于结构的先验知识锁定段位置可以提高预测精度。

此功能已添加到一些现有的预测方法中。最新的方法使用共识预测（即他们使用几种算法来确定最终拓扑）并自动合并先前确定的实验信息。HTP数据库提供了一组通过计算预测人类跨膜蛋白的拓扑结构。信号肽和跨膜片段的区分是拓扑预测中的另一个问题，通过不同方法处理的成功有限。信号肽和跨膜片段都含有形成α-螺旋的疏水区。这导致它们之间的交叉预测，这是许多跨膜拓扑预测器的弱点。通过同时预测信号肽和跨膜螺旋（Phobius），减少了交叉预测带来的误差，xxx提高了性能。另一个用来提高预测准确性的特征是同源性（PolyPhobius）。”也可以预测β桶膜蛋白的拓扑结构。