生物大分子3维结构预测的几个网站

按照我手头的工作所得到的结果对它们的性能进行排序:
一: I-TASSER
结果好得让我吃惊。
二: SAM-T08
结果和 I-TASSER不相上下,不过反馈的邮件中,pdb文件不是以附件的形式发送,而是以邮件中的文字。coot往往不认这样的格式。另外就是它的结果网页一大把东西,重点非重点分不清楚。
三:其他,对与我的工作,都不特别理想。参考
http://predictioncenter.org/index.cgi?page=public_serv
http://en.wikipedia.org/wiki/List_of_protein_structure_prediction_software
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 蛋白质结构预测领域的发展可以追溯到20世纪70年代,当时主要采用的是结构功能分析的方法。80年代,研究人员开始使用物理化学、生物物理和分子模拟的方法来预测蛋白质结构。90年代,出现了一种新的蛋白质结构预测技术,称为“结构模板”技术,它可以根据蛋白质序列来预测蛋白质的三结构。到21世纪初,进化计算技术和机器学习技术也被用于蛋白质结构预测,使预测的准确性得到了极大的提高。 ### 回答2: 蛋白质结构预测是指通过计算方法和实验数据,预测和模拟蛋白质的二级、三级结构及其功能的一门学科。下面是蛋白质结构预测领域的简要发展历程。 20世纪50年代到70年代初期,科学家们主要依靠实验方法,如X射线晶体学和核磁共振等,来解析蛋白质的三结构。然而,这些方法往往耗费时间和资源,并且仅限于可测量的蛋白质。 20世纪70年代中期至80年代,计算方法开始应用于蛋白质结构预测。最早的方法是基于模板的预测方法,即通过比对已知的蛋白质结构预测相似的蛋白质的结构。 20世纪80年代末期到90年代,模板的预测方法得到了进一步发展,包括基于序列比对和模板的拼贴方法,以及迭代的模型建立方法。这些方法在模板匹配和序列模式识别方面取得了一定的成功。 21世纪初,随着计算能力的提高和生物信息学技术的发展,蛋白质结构预测进入了一个全新阶段。新兴的方法包括了基于机器学习和人工智能的预测方法,如神经网络、支持向量机和随机森林等。这些方法利用大量的蛋白质序列和结构数据进行训练,从而提高预测的准确性和速度。 近年来,结合实验数据和计算方法的混合预测方法也得到了广泛应用。这些方法既利用实验数据提供的结构信息,又融合计算方法的精确度和速度,以提高蛋白质结构预测的准确性。 总体来说,蛋白质结构预测领域经历了从实验方法到计算方法的转变,并不断融合新的技术和方法。未来,随着技术和方法的不断发展,蛋白质结构预测领域将进一步提高预测的精确性和效率,为研究人员在药物设计、生物技术等领域提供更多的帮助。 ### 回答3: 蛋白质结构预测是一种通过计算和模拟方法预测蛋白质三结构的科学领域。蛋白质的结构研究对于理解生物学功能和药物设计具有重要意义。在过去的几十年中,蛋白质结构预测领域经历了以下发展历程。 1. 基于序列比对的序列同源法:早期的蛋白质结构预测方法是基于已知结构蛋白质的序列比对,认为具有相似序列的蛋白质可能具有相似的结构。这种方法的局限在于需要有足够多与目标蛋白质相似的已知结构蛋白质。 2. 基于模板的蛋白质结构预测:这种方法利用已知结构的蛋白质作为模板,通过模板比对来预测目标蛋白质的结构。该方法在1990年代获得巨大突破,成为当前蛋白质结构预测的主要方法。 3. 基于物理性质的物理模拟法:随着计算机技术的发展,物理模拟方法在蛋白质结构预测中得以应用。这种方法利用分子动力学模拟和蒙特卡洛算法等来模拟蛋白质分子的运动和相互作用,进而预测其最稳定和可能的结构。 4. 基于机器学习的方法:近年来,机器学习方法如神经网络、支持向量机等被应用于蛋白质结构预测。这些方法通过大量的数据训练模型,从而预测蛋白质的结构。这些新方法在较短的时间内可以预测出具有较高准确性的结果。 总的来说,蛋白质结构预测领域经历了从基于序列比对到基于模板,再到基于物理模拟和机器学习的发展历程。随着计算能力和算法的不断提升,我们对蛋白质结构预测能力也不断增强,为生物学和药物设计领域的进展提供了重要的支持。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值