摘要: 对于一个感兴趣的蛋白质，我们能否即时地，比如说在一周之内，精确地确定其空间结构呢？笔者认为，如果在现有的实验技术的基础上，再辅之以新开发的计算技术的话，那么即时确定蛋白质结构是有可能实现的。当前可资选择的技术，无论是X光晶体衍射方法还是核磁共振质谱方法，抑或是蛋白质结构的计算预测方法，都有其不足之处。在本文中，笔者以计算机科学家的视角来重新审视上述技术，并指出为完成这个宏大的目标，计算机科学家能够做出哪些独特的贡献。
蛋白质结构确定的重要性不言而喻，因为这是了解“从基因到功能”的重要一步。美国能源局(DOE)和国家卫生总署(NIH)启动了功能基因组项目，计划使用生物学实验方法比如(NMR和X射线晶体衍射)测定一些有代表性的蛋白质结构，至于其他的蛋白质，则使用计算的方法预测出的结构。然而上述方案存在着一个潜在的问题：假设生物学家试图研究某个蛋白质的功能，往往不满足于使用计算方法预测的蛋白质结构，但是高精度的蛋白质结构测定一般需要半年的时间。因此，一种“即时”的蛋白质结构确定技术是很有实际意义的，即对于感兴趣的蛋白质，综合使用实验技术和计算技术，在一周之内测定其结构。
值得指出的是，对于计算机科学家而言，蛋白质结构确定问题看起来包含过多的技术细节，然而这恰恰是我们想着重强调的：与其解决一个有着漂亮的形式化的问题，比如仅仅使用蛋白质序列预测蛋白质结构，不如充分挖掘和利用领域知识所蕴含的变量约束。下面我们即从这一观点出发重新检视现有的蛋白质结构确定技术，并列举出每种技术中的待解决问题。
1。蛋白质结构预测技术
使用计算技术预测蛋白质结构的方法大致可以分作两类：一类是基于结构模板的方法，比如像FB5-HMM、PROSPECT、ROSSETA、RAPTOR、MUFOLD等；另一类是基于结构片段的方法，比如ROSSETA和FALCON等。其中ROSSETA是对每个长度为9的片段预测出可能的局部结构，然后将这些局部结构拼接成整体结构；而FALCON是使用这些局部结构训练出一个Position-specific的隐马尔可夫模型(HMM)，然后从这个HMM采样出整体结构。TASSER则从Threading结果中抽取出长度不等的局部结构片段，然后进行拼接。
虽然蛋白质结构预测技术近年来取得了显著的进展，然而人们对被标有“预测结果”标签的结构始终心存疑虑：预测技术能否稳定地产生出高精度的结构？如何给预测结果一个可信度打分？
仔细分析FALCON的性能，我们发现FALCON多次迭代之后能够收敛到一个高精度的结构。进一步提高精度的瓶颈不在于预测方法，而是设计更加精确的能量函数。 从计算的观点看，随着已知结构数量的不断增加，利用统计技术设计精确的能量函数是可行的。

2。基于NMR技术的蛋白质结构确定

使用NMR技术确定一个蛋白质结构往往需要很多时间：
第一步，蛋白质样品制备，大约需要5天的时间；
第二步，核磁共振实验来生成核磁共振谱图，每张谱图要花费大约1到2天的时间，多幅谱图可以并行生成；
第三步，谱图分析计算出化学偏移，估计出残基间距离，并最终计算出蛋白质结构。目前谱图分析部分还采用手工或半自动的方法，因此此步大约需要花费20到270天的时间。
因此，如果想基于NMR技术来达到”蛋白质结构按需即时确定”这一目标的话，需要解决如下几个挑战：
1) 高精度的谱峰提取算法：在NMR实验中，相互耦合的原子核表达出信号，被形象地称做NMR谱峰。经过傅立叶变换之后，谱峰坐标表示相应原子核的化学偏移信息。目前NMR实验室基本上仍让采用手工或者半手工的方式提取谱峰。
2) 容错的谱峰归属算法：由于谱峰提取不可避免地存在错误，因此在将谱峰归属到残基这一步需要容错算法。
容错的结构生成算法：由于谱峰提取中的错误，从NOE谱中估计残基间距离也可能存在错误，因此要求最终的结构生成算法也必须是能够容错的；
结构信息辅助的谱峰归属算法：在有些应用场合中，我们是能够找到一些结构信息来辅助谱峰归属计算的。比如蛋白质设计一般是从已知结构的蛋白质出发，对某些残基进行修改；在结构确定中，从上一轮计算得到的低精度结构也可以作为参考信息。我们称这些已知结构的蛋白质为参考蛋白质。此外，有时参考蛋白质的谱峰归属信息也是能够获得的。如何有效使用这些信息来提高谱峰归属的精度，是值得研究的问题。
化学偏移预测：如何从蛋白质结构出发预测出残基的化学偏移也是值得研究的问题。目前常用的软件，比如SHIFTX(SHIFTY)和SPARTA，对于N的预测误差大约为2-3ppm，其精度还有待提高。
此外，无论是X射线还是核磁共振都不能处理非可溶性蛋白质，比如膜蛋白，对于这些蛋白，我们只能期待新的技术的日益成熟。