蛋白質(zhì)紊亂對(duì)于生物學(xué)功能至關(guān)重要，蛋白質(zhì)的結(jié)構(gòu)異常比您想象的更普遍。具有紊亂區(qū)域的蛋白質(zhì)也可能發(fā)粘，并在細(xì)胞內(nèi)部和細(xì)胞之間聚集在一起，并直接參與許多神經(jīng)退行性疾病。因此，能夠鑒定蛋白質(zhì)中的無(wú)序區(qū)域非常重要。
不幸的是，通過(guò)實(shí)驗(yàn)表征多肽的結(jié)構(gòu)傾向是挑戰(zhàn)性和費(fèi)時(shí)的，因此用于從序列預(yù)測(cè)蛋白質(zhì)失調(diào)的生物信息學(xué)方法是*的。
因此，近年來(lái)，許多生物信息學(xué)家構(gòu)建了區(qū)分不折疊的肽序列的算法，這些算法也可以基于各種“特征”，這些特征也源自理化參數(shù)(如氨基酸的電荷或疏水性)看進(jìn)化的相關(guān)性。
現(xiàn)在已經(jīng)有了許多這樣的預(yù)測(cè)程序，擁有某種基準(zhǔn)來(lái)驗(yàn)證和測(cè)試預(yù)測(cè)具有明顯的價(jià)值。為了解決這個(gè)難題，Nielsen和Mulder使用沉積的NMR化學(xué)位移數(shù)據(jù)分析了上百種選定的蛋白質(zhì)，從而生成并驗(yàn)證了具有代表性的特定于位點(diǎn)和連續(xù)性疾病的實(shí)驗(yàn)基準(zhǔn)。然后，他們分析了26種廣泛使用的疾病預(yù)測(cè)方法的性能，發(fā)現(xiàn)這些方法有顯著差異。
他們的研究中進(jìn)行的全面比較將幫助的蛋白質(zhì)科學(xué)家就哪些程序shi合使用做出更明智的選擇。
