3 用于识别致病突变的特征

文献中使用了几种特征来识别蛋白质中的致病突变。它们大致分为三类：(1)序列，(2)结构和(3)网络，以及它们的组合。图1说明了这三组中的一些重要属性。

                                      图1 用于识别致病突变和热点的重要特征。

基于氨基酸序列的特性包括理化特性、二级结构、位置特异性得分矩阵(PSSM)、特异性基序（motifs）和保守性得分。基于结构的性质包括界面分布(interface profiles)、残基的位置在核心和表面、相对溶剂可及面积(RSA)、体积、氢键供体和受体以及统计势能（statistical potentials）。基于网络的特征主要集中在分子相互作用网络、度、介数（betweenness）、紧密度（closeness）、特征向量和聚类系数等方面（eigen vector and clustering coefficient）。

3.1 基于序列的性质

3.1.1 理化性质

Gromiha等人(1999)收集了一组49种氨基酸特性，它们代表了物理、化学、构象（conformational）和能量特性。这些特性被广泛用于理解蛋白质的结构和功能，以及预测突变的后果。AAindexis是另一个数据库，它包含氨基酸各种理化和生化性质的数值指数。（没看懂这个数据库，但是链接是：AAindex: Amino acid index database (genome.jp)）

3.1.2 预测的二级结构和溶剂可及性

蛋白质中每个残基的二级结构和可及表面面积(ASA)被用作识别致病突变的特征。二级结构主要有螺旋、股（stand)和盘管(coil)。一个残基的ASA分为暴露型(ASA > 25%)和埋型(ASA < 25%)。常用的基于序列的方法预测二级结构和溶剂可及性，包括JPred4，NetSurfP，SPIDER2 和SARPred。 

3.1.3 Motifs

motif代表氨基酸序列中的特定模式，由二肽中相邻残基的连续出现(XM;X:任何残基和M:感兴趣残基)、三肽等，以及在它们之间引入间隙(例如X*M;*:差距)。motif提取细节如图2所示。

            图2 从蛋白质序列中提取不同的基序以识别致病突变和热点残基。

这些motifs的偏好用“odds score”来解释，它被定义为特定基序在疾病易感位点和中性位点(突变)中的比例。它由以下公式计算：

其中NdP(disease-prone)和NnP(neutral)分别表示在疾病易感位点和中性位点(或突变)出现特定的二肽或三肽基序。Nd和Nn是数据集中易患病位点和中性位点(或突变)的总数。

（公式总体来看像是易感/中性，然后每个小的又是二/三肽比所有）

3.1.4 氨基酸组成

氨基酸组成表示从热点残基(或致病突变)开始的序列在选定的窗口长度内氨基酸残基的出现情况。窗口长度为3的残基包括中心残基，并且在中心残基的两侧各有一个(图2中的R175包括VRC)。一般情况下，计算组成时考虑3 ~ 21个残差的窗口长度。它计算公式是：

其中，i表示20种的氨基酸，ni表示其中i这种氨基酸的数量，N表示所有氨基酸的数量。