2.3　生物计算

21世纪初期，随着人类基因组计划的完成，在生物学研究中，人们的研究兴趣逐渐从基因组序列转移到了蛋白质的结构和功能上。蛋白质的氨基酸序列可以通过翻译基因组序列获得，而且具备高可用性。理解蛋白质的结构和功能，能够帮助人们更好地理解生物体的生物学特性、进化关系以及与疾病相关的基因突变，助力生命科学和药物研发的发展。蛋白质折叠是指蛋白质链在合成后自发地形成最稳定的三维结构的过程。三维结构是由氨基酸残基之间的相互作用决定的，包括氢键、疏水效应、范德瓦耳斯力和离子键等。蛋白质可以分为三级结构：一级结构是氨基酸序列；二级结构是由氨基酸之间的氢键和其他非共价相互作用形成的局部空间构型；三级结构是整个蛋白质分子的三维立体构象，即蛋白质的空间折叠形式。蛋白质的折叠状态对于其功能至关重要，只有在正确的三级结构下，蛋白质才能与其他分子相互作用。然而，蛋白质的折叠过程并不总是顺利的。有时，蛋白质可能在折叠过程中陷入非功能性的中间态，或者无法正确地折叠成天然构象。这可能导致蛋白质的功能受损，甚至引发一些疾病，如神经退行性疾病和癌症等。

传统上，蛋白质折叠研究从动力学和热力学两个角度进行。动力学研究关注蛋白质折叠过程中的时间尺度和速度，揭示了构象转换的路径和速度。热力学研究关注蛋白质的稳定性和自由能，描述了折叠的平衡态和热力学特性。综合动力学和热力学的研究可以全面理解蛋白质折叠的过程和机制，为揭示蛋白质的功能和研究相关疾病提供基础。蛋白质的三级结构可以通过实验和计算方法确定，如X射线晶体学、核磁共振等实验方法。同时，计算机模拟和生物信息学方法也被广泛应用于预测蛋白质的折叠结构和研究折叠动力学。随着数据的积累，蛋白质数据库为后来的数据驱动的方法的建立提供了可能性。这些数据库包括PDB、UniProt、DSSP、SCOP、CATH等。随着数据驱动的AI技术的发展，深度学习等机器学习技术在蛋白质折叠研究中发挥了越来越重要的作用。

蛋白质结构预测，即通过实验和计算方法预测蛋白质的三维结构。蛋白质的结构对于其功能至关重要，因此，准确预测蛋白质的结构对于揭示其功能和相互作用机制具有重要意义。蛋白质性质预测，即预测蛋白质的疏水性、稳定性、溶解性和折叠速度等性质。蛋白质功能预测，即预测蛋白质的功能、结构域和相互作用等信息。蛋白质的功能包括酶活性、免疫、信号传导等。准确预测蛋白质的性质与功能对于理解生物过程、疾病机制和药物靶点的识别具有重要意义。此外，蛋白质设计也是蛋白质研究领域的重要课题之一。通过合成新的蛋白质序列并预测其在细胞中的表达和折叠情况，可以为合成生物学和蛋白质设计领域的应用提供新的可能性，从而指导药物设计和推动生物技术领域的发展。