论文部分内容阅读
天然无序蛋白质在生理条件下不具有确定的三维结构，但却行使重要的生物学功能。近些年来，无序蛋白质的预测算法取得了很大的发展，到现在已经有超过五十种预测算法，它们的预测精度大约在85％到90％之间。为什么看起来很不相同的预测算法却能给出相似的结果？它们的预测精度能否继续提高？围绕这两个问题，我们从一个简化的疏水-极性-静电(HPQ)模型入手展开分析。在HPQ模型层次上，我们进行了分子动力学模拟并探讨了预期堆积密度与电荷疏水性曲线算法的内在关系。从中我们获取了探寻不同预测算法内在关联的线索并将其推广到对真实体系的分析中。我们发现这一类无序蛋白质预测算法都是在二十维空间中利用某种投影方向来区分有序/无序蛋白质，因此它们之间存在明显的关联。利用这一认识，我们在有序/无序相空间中近似得到了最优的投影方向并估算了这一类方法的预测极限。此外，我们发现已有的算法离预测极限已非常接近。