二、基于序列的功能分析

1. 基于序列相似性的功能预测
原理：序列相似→结构相似→功能相似
- 使用BLAST/PSI-BLAST搜索功能已知蛋白
- 将同源蛋白的功能注释（GO term）转移到未知蛋白
局限性：
- 远缘同源蛋白可能功能不同（如paralogs功能分化）
- 仅考虑整体序列相似性，忽略局部功能位点
2. 基于结构域的功能分析
结构域（Domain）：蛋白质中独立折叠并执行特定功能的功能单元。
InterPro数据库：整合了多个结构域数据库（Pfam、PROSITE、PRINTS、SMART等），提供全面的结构域注释。
结构域功能推断：
- 如果未知蛋白含有已知的激酶结构域（如PKc_like），则具有激酶活性
- 如果含有SH2结构域，则参与酪氨酸激酶信号通路
3. 基于模体（Motif）的功能分析
模体数据库：
- PROSITE：正则表达式描述的功能位点模体
- ELM（Eukaryotic Linear Motif）：真核生物短线性模体，参与蛋白质相互作用、定位等
- MoRF（Molecular Recognition Feature）：分子识别特征，参与固有无序区介导的相互作用
模体识别方法：
- 正则表达式匹配
- 隐马尔可夫模型（HMM）
- 机器学习分类器
4. 基于序列的GO注释方法
PFP（Protein Function Prediction）：
- 使用PSI-BLAST搜索弱同源序列
- 整合多个弱同源蛋白的GO注释
- 加权打分：考虑E-value和GO term的语义相似性
ESG（Extended Similarity Group）：
- PFP的扩展方法
- 考虑多轮PSI-BLAST迭代中的GO注释一致性
- 提高预测特异性
PANNZER（Protein ANNotation with Z-scoRE）：
- 全自动GO注释工具
- 使用SANSparallel快速搜索同源序列
- 采用带权重的KNN算法对GO注释进行富集和打分
GOLabeler：
- 基于LTR（Learn to Rank）方法整合多个分类器
- 在CAFA3中表现优异
5. 其他序列特征预测
信号肽预测：
- SignalP：使用神经网络和HMM预测分泌蛋白信号肽
- 输出：信号肽存在概率、剪切位点位置
亚细胞定位预测：
- PSORT：基于序列特征（信号肽、跨膜区、氨基酸组成）预测定位
- TargetP：基于叶绿体和线粒体靶向信号预测
- DeepLoc：基于深度学习的亚细胞定位预测
- 定位类型：细胞核、细胞质、线粒体、内质网、分泌、膜等
跨膜区预测：
- TMHMM：基于HMM预测跨膜螺旋
- Phobius：同时预测信号肽和跨膜区