推荐：江舜尧
编译：孙丽超
编辑：马莉
北卡罗来纳大学生物化学与生物物理系Brian Kuhlman教授和华盛顿大学蛋白设计研究所Philip Bradley（福瑞德·哈金森癌症研究中心会员）于2019年8月15日在Nature Reviews Molecular Cell Biology 发表了题名为《Advances in protein structure prediction and design》的文章。这篇综述系统描述了蛋白质结构预测与设计的技术方法和应用，具体包括蛋白质折叠的驱动力、蛋白质结构预测的方法、蛋白质设计的类型和策略、以及蛋白质设计的用途及应用，探讨了蛋白质结构预测和设计领域的挑战，并对机器学习和模式识别促进蛋白质设计领域的发展提出了期待。
摘要
由氨基酸序列预测蛋白质三维结构是计算生物物理领域数十年来关注的一个巨大挑战，这主要源自于科研人员对从基因组注释到蛋白质功能预测领域的广泛兴趣以及稳健性蛋白结构预测算法在该领域中的潜在应用价值。最近，一种由问题出发设计出可折叠成特定三维结构的氨基酸序列的逆折叠方法引起了广泛关注，这是一种潜在的蛋白质理性设计途径，能够获得应用于生物技术和医学领域的蛋白质。在过去的十年里，蛋白质结构预测和设计的相关方法发展极为迅速。计算能力的增强以及蛋白质序列和结构数据库的快速增加极大推动了数据密集型和计算依赖型的新型结构预测方法的发展。新颖的蛋白质折叠和蛋白质界面设计算法开始用于新型的高级序列组装蛋白的设计、新型或特性增强的荧光蛋白的从头设计，以及具有一定治疗潜力的信号蛋白的设计。在这篇综述中，我们综述了目前的蛋白质结构预测和设计方法，并突出举例了这些方法的一些成功应用。
文中重要图片说明
方框1 |蛋白质能量图景的绘制
方框2 |蛋白质结构分析中的深度卷积神经网络
图1 | 蛋白质折叠图景及折叠能量
图2 | 无模板结构预测的关键步骤
图3 | 蛋白质设计过程总览
图4 | 计算设计获得研究或医学领域重要应用价值的蛋白质
