知道編碼蛋白質的某一DNA序列後，怎麼測定該蛋白質的三維結構？國內有哪個大學、機構在做這個？

01-18

哪個老師在做這個？這屬於生物信息學專業的嗎？報考方面的研究生能不能行？我是生物工程本科生。對在電腦上顯示的蛋白質三維結構的測定很感興趣。

你說的就是結構生物學。

先回答題主的問題：

目前蛋白質三維結構的測定主要有三大手段：X射線晶體學、核磁共振技術以及冷凍電鏡三維重構技術。這三種方法都需要將蛋白質表達出來，因此知道cDNA序列，並且得到cDNA，構建克隆表達蛋白質是必不可少的。X射線晶體學是目前解析度最高的結構測定方法，但是首先要拿到蛋白質晶體，分子量很大的蛋白以及膜蛋白很難得到晶體，這是其局限性。核磁共振技術能測定溶液中的蛋白質結構，不過目前還僅限於分子量較小的蛋白質，其上限大概是40KDa。冷凍電鏡三維重構技術能夠解析大分子量的蛋白質（幾百KDa）和膜蛋白的結構，並且不用結晶，它的硬傷是解析度，一般很難得到高解析度的三維結構，不過13年年底的一篇nature文章引起了不小的轟動nature.com 的頁面，他們用冷凍電鏡三維重構技術解析了TRPV1的結構，並且解析度達到了3.4埃！雖然比起晶體學方法的解析度還有差距，但已經是巨大的進步了。

----------------------------------------------------------

在中國，我了解的做結構生物學的地方主要有

清華大學的施一公（大牛，生物界的明星人物）
中科院生物物理所的幾個大牛
中科大
國家蛋白質科學中心·上海（第三代光源剛剛建成，應該能很大程度上提高晶體結構解析的解析度，不過像美國日本都已經有第四代光源了。。。）
中科院武漢物理數學研究所的劉買利，（主要是做核磁共振方法學，人很nice）
香港科技大學的張明傑（大牛，biology方面的知識淵博，講課滿滿的乾貨，人非常nice）

現在結構生物學實驗室基本分成兩個部分，一部分學生主要是做bench工作，構建克隆、純化蛋白、研究蛋白質生化性質等，需要有較強生物學背景，有化學背景會更有優勢；另一部分主要是解析結構（就是那個天天對著電腦看三維結構的），這塊不是很了解，大概需要較多的化學和數學背景吧，也要很多生物學知識。

生物工程專業的學生報考結構生物學的研究生（一般屬於生物化學專業）完全沒有問題，答主便是，而且做的很high。

------------------------------------------------------------

最後附上TRPV1這個逆天分子的structure（看到個形狀，大家沒想到什麼東西嗎？）：

另附GFP分子的structure：

以我在清華的親身經驗，結構生物學入門門檻低，但是想做好難，需要很高的精力投入。90%以上的人完全不用接觸生物信息學，每天就是做分子克隆，破菌，提蛋白，過柱子，濃縮，點晶體。晶體要是衍射好，結構很快能算出來。

另，單純從一級序列預測三級結構目前還很不靠譜，做的人不多。

不知道題主指的是protein structure determination 還是protein structure prediction？

對於前者，一般需要用到X-ray crystallography，PDB（protein data bank）里大約90％都是用這個技術測的。原理是「measure 3D density of electrons in the protein and infer the 3D coordinates of all the atoms to be determined to a certain resolution". 簡單說就是通過電子對X射線的散射作用得到電子密度的分布狀況，由此可以推斷出原子的位置信息，從而分析得到晶體結構。對於蛋白質這種生物大分子來說，需要的非常強的X-ray，而且resolution需要在3 Angstrom以下，不然就可能不是很精確或者是有錯誤。能達到這種測序標準的設備就很龐大了，可能有一棟樓的三倍大小，據我們老師講美國芝加哥有，亞洲的話韓國也有，其他國家就記不太清了。然後還有一小部分（大約9%）的蛋白質結構是通過NMR(Nuclear magnetic resonance spectroscopy of proteins)得到的。

對於後者，就是根據氨基酸序列推測蛋白質結構，有很多software可以做，主要是應用在藥品研發和其他生物技術的開發上。這個我沒有學過，具體請參見維基詞條Protein structure prediction。

對於一般的蛋白，其它的答主都答得很好，測量結構的傳統方式是晶體衍射 (X-ray crystallography), 除此之外還有最近幾年技術上有所突破的冷凍電鏡 (cryo-EM) 和溶液核磁共振(solution-state NMR)。但是有一種蛋白的結構檢測極為困難，那就是變成纖維狀(fibril) 的澱粉樣蛋白質(amyloid protein)。澱粉樣蛋白質纖維化的過程和多種疾病有關，比如阿茲海默症，瘋牛病，帕金森症等等，因此解析纖維狀澱粉樣蛋白質是很重要的。但是因為纖維狀澱粉樣蛋白質是多個分子的聚集體，因此無法形成單晶，也就無法用晶體衍射的方法解析。此外因為纖維狀澱粉樣蛋白質是固體，也就無法用溶液核磁共振來研究。因此長久以來此類蛋白質的結構是用固體核磁共振 (solid-state NMR) 來解析的。然而即便是最為簡單的此類蛋白(氨基酸數目低於20), 要想完全解析其結構，有時也要長達十年或幾十年的時間。下面我就舉甲狀腺轉體蛋白（transthyretin）中的一節有11個氨基酸的多肽 TTR(105-115) 的例子，回顧一下其結構解析的歷程。

這個系列的工作由英國劍橋大學化學系Christopher M. Dobson和美國MIT的Robert G. Griffin兩位教授的團隊合作完成。是兩位萌大叔，照片偷懶略，反正長得像斯內普和海格就對了。

在2002年的PNAS上，他們發表了第一篇用固體核磁共振來解析TTR(105-115)纖維結構的文章。在這片文章中他們主要有三方面的工作：第一：他們發現每一個氨基酸上被標記的元素核磁共振峰都非常的窄，說明同種氨基酸的環境一致，這證明這個11個氨基酸的多肽以重複單元的形式存在於纖維中。第二：他們測量了主鏈羰基的二面角。第三：他們測量了主鏈上某些元素之間的距離。根據這三條信息，他們得出了一個多肽單體在纖維中的結構：

兩年後的2004年，他們在PNAS上發表了第二篇文章，在這篇文章里，他們測量了更多和側鏈相關的信息，結合之前主鏈的信息，將之前的單體結構進行了優化，可以看出末端的結構有一些不同。

時光過去了六年，流水的研究生，鐵打的課題。在2010年隨著固體核磁共振技術的進步，他們這一次測量了不同多肽單體中的同一氨基酸在纖維中的相鄰距離，推斷出單體排列的方式在纖維生長的方向是平行的(parallel)。

那麼與纖維生長垂直的方向上是怎樣的結構呢？在2013年，他們解決了這個問題。他們通過測量纖維生長垂直方向上兩個多肽單體側鏈的距離，推斷出這兩個單體是反平行的(antiparalle)，我們暫且把這兩個反平行的單體叫做一對CP。

這時候由於冷凍電鏡的技術革新，他們看到了電鏡下非常驚人的畫面。如果把一根纖維比作一根長長的綢帶，他們看到有三種綢帶，分別有三種不同的寬度，但是這三種綢帶的厚度是一樣的。如果將綢帶從中間剪開，他們就看到了D,E,F這三張圖。我們知道上文提到的一對CP的長度約為42 A, 那麼DEF就分別由4, 6, 8對CP組成。在上下CP對的中間有一層薄薄的水。好了這三種綢帶我們暫且叫做二人轉、三人轉和四人轉。

下面是3D結構和截面圖：

經過如此清晰的講解，我相信大家一定已經很明(暈)白(菜)了。那麼考眼力的問題來了，上面這張圖是幾人轉？橫截面有幾個單體？嘻嘻。#芽芽杯新年益智大賽#

Ref:

1. Jaroniec, C. P.; MacPhee, C. E.; Astrof, N. S.; Dobson, C. M.; Griffin, R. G. Molecular Conformation of a Peptide Fragment of Transthyretin in an Amyloid Fibril. Proc. Natl. Acad. Sci. U. S. A. 2002, 99, 16748–16753

2. Jaroniec, C. P.; MacPhee, C. E.; Bajaj, V. S.; McMahon, M. T.; Dobson, C. M.; Griffin, R. G. High-resolution molecular structure of a peptide in an amyloid fibril determined by magic angle spinning NMR spectroscopy. Proc. Natl. Acad. Sci. 2004, 101, 711–716

3. Caporini, M. A.; Bajaj, V. S.; Veshtort, M.; Fitzpatrick, A.; MacPhee, C. E.; Vendruscolo, M.; Dobson, C. M.; Griffin, R. G. Accurate determination of interstrand distances and alignment in amyloid fibrils by magic angle spinning NMR. J. Phys. Chem. B 2010, 114, 13555–13561

4. Debelouchina, G. T.; Bayro, M. J.; Fitzpatrick, A. W.; Ladizhansky, V.; Colvin, M. T.; Caporini, M. A.; Jaroniec, C. P.; Bajaj, V. S.; Rosay, M.; MacPhee, C. E.; Vendruscolo, M.; Maas, W. E.; Dobson, C. M.; Griffin, R. G. Higher order amyloid fibril structure by MAS NMR and DNP spectroscopy. J. Am. Chem. Soc. 2013, 135, 19237–19247

5. Fitzpatrick, A. W. P. Atomic structure and hierarchical assembly of a cross-β amyloid fibril - Proc Natl Acad Sci U S A 2013, 5590, 5468–5473

我就想看看我在這個問題下面放個答案說上MD simulation會不會有人打我......

謝邀。

題主是想問如何通過DNA序列不表達蛋白而預測蛋白質結構么？

要是問這個的話，已經有很多工作成果了。原理我不是很清楚，可能可以通過已知結構的序列同未知的比對而進行預測？主要流程是DNA按code翻譯成氨基酸序列，然後通過演算法，搜索database，生成預測的結構。

一些網站：PredictProtein

Protein structure prediction

google keywords：predict protein structure from dna sequence

或者，如上面所說，表達出來以後結晶解析其結構。

這個，應該屬於結構生物學的範疇，當然，會運用很多生物信息學的知識。有哪些人在做的話我不是很清楚，建議根據發表的paper之類去找你認為做得好的實驗室。報考研究生當然是可以的了...

樓主是想不通過蛋白表達與純化服務，而知道你的目的蛋白是什麼結構吧，一般現在有很多軟體都可以預測的。

1.蛋白質二級結構預測

二級結構是指α螺旋和β摺疊等規則的蛋白質局部結構元件。不同的氨基酸殘基對於形成不同的二級結構元件具有不同的傾向性。按蛋白質中二級結構的成分可以把球形蛋白分為全α蛋白、全β蛋白、α＋β蛋白和α/β蛋白等四個摺疊類型。預測蛋白質二級結構的演算法大多以已知三維結構和二級結構的蛋白質為依據，用過人工神經網路、遺傳演算法等技術構建預測方法。還有將多種預測方法結合起來，獲得「一致序列」。總的來說，二級結構預測仍是未能完全解決的問題，一般對於α螺旋預測精度較好，對β摺疊差些，而對除α螺旋和β摺疊等之外的無規則二級結構則效果很差。

nnPredict：用神經網路方法預測二級結構，蛋白質結構類型分為全α蛋白、全β蛋白和α/β蛋白，輸出結果包括「H」(螺旋)、「E」(摺疊)和「-」(轉角)。這個方法對全α蛋白能達到79%的準確率。

PredictProtein：提供了序列搜索和結構預測服務。它先在SWISS-PROT中搜索相似序列，用MaxHom演算法構建多序列比對的profile，再在資料庫中搜索相似的profile，然後用一套PHD程序來預測相應的結構特徵，包括二級結構。返回的結果包含大量預測過程中產生的信息，還包含每個殘基位點的預測可信度。這個方法的平均預測準確率達到72%。

SOPMA：帶比對的自優化預測方法，將幾種獨立二級結構預測方法彙集成「一致預測結果」，採用的二級結構預測方法包括GOR方法、Levin同源預測方法、雙重預測方法、PHD方法和SOPMA方法。多種方法的綜合應用平均效果比單個方法更好。

nnPredict的網址是：http://www.cmpharm.ucsf.edu/~nomi/nnpredict.html。

PredictProtein的網址是：http://cubic.bioc.columbia.edu/predictprotein/。

PredictProtein的國內鏡像在：http://www.cbi.pku.edu.cn/predictprotein/。

SOPMA的網址是：NPS@: Welcome to Network Protein Sequence @nalysis at IBCP, FRANCE。

2.其它特殊局部結構

其它特殊局部結構包括膜蛋白的跨膜螺旋、信號肽、捲曲螺旋(Coiled Coils)等，具有明顯的序列特徵和結構特徵，也可以用計算方法加以預測。

COILS：捲曲螺旋預測方法，將序列與已知的平行雙鏈捲曲螺旋資料庫進行比較，得到相似性得分，並據此算出序列形成捲曲螺旋的概率。

TMpred：預測蛋白質的跨膜區段和在膜上的取向，它根據來自SWISS-PROT的跨膜蛋白資料庫Tmbase，利用跨膜結構區段的數量、位置以及側翼信息，通過加權打分進行預測。

SignalP：預測蛋白質序列中信號肽的剪切位點。 COILS的網址是：COILS Server。

TMpred的網址是：TMpred Server。

SignalP的網址是：SignalP 4.1 Server。

3.蛋白質的三維結構

蛋白質三維結構預測時最複雜和最困難的預測技術。研究發現，序列差異較大的蛋白質序列也可能摺疊成類似的三維構象，自然界里的蛋白質結構骨架的多樣性遠少於蛋白質序列的多樣性。由於蛋白質的摺疊過程仍然不十分明了，從理論上解決蛋白質摺疊的問題還有待進一步的科學發展，但也有了一些有一定作用的三維結構預測方法。最常見的是「同源模建」和「Threading」方法。前者先在蛋白質結構資料庫中尋找未知結構蛋白的同源夥伴，再利用一定計算方法把同源蛋白的結構優化構建出預測的結果。後者將序列「穿」入已知的各種蛋白質的摺疊子骨架內，計算出未知結構序列摺疊成各種已知摺疊子的可能性，由此為預測序列分配最合適的摺疊子結構。除了「Threading」方法之外，用PSI-BLAST方法也可以把查詢序列分配到合適的蛋白質摺疊家族，實際應用中發現這個方法的效果也不錯。

SWISS-MODEL：自動蛋白質同源模建伺服器，有兩個工作模式：第一步模式(First Approach mode)和優化模式(Optimise mode)。程序先把提交的序列在ExPdb晶體圖像資料庫中搜索相似性足夠高的同源序列，建立最初的原子模型，再對這個模型進行優化產生預測的結構模型。

CPHmodels：也是利用神經網路進行同源模建預測蛋白質結構的方法。

SWISS-MODEL的網址是：SWISS-MODEL | Home Page。

CPHmodels的網址是：http://www.cbs.dtu.dk/services/CPHmodels/。

我也來補充一點東西。

正如其他答案所說的，要想知道蛋白質三維結構，有實驗測定和計算機模擬兩條途徑。

實驗測定蛋白質結構屬於結構生物學研究的範疇。傳統上有X射線衍射晶體學，和核磁共振（NMR）兩條途徑，最近幾年冷凍電子顯微鏡（CryoEM）異軍突起，成為第三種方法，可以說是結構生物學目前最熱門的領域。

先說說X射線衍射晶體學吧。用這個方法首先你要有蛋白質晶體。這是最難的一步。因為蛋白質是大分子，不是那麼好結晶的。因此要摸索實驗條件，包括溫度，各種溶劑，等等等等。一個大蛋白，好幾個博士都結不出晶來也是常有的事情，畢竟能否結晶誰也不能保證。

有一個不知真假的小故事，是這樣的：

MMP（基質金屬蛋白酶）是一種非常重要的蛋白，和很多疾病相關，大家一直想要知道它的結構，奈何一直得不到晶體，一代一代的博士研究生都死在這個項目上。直到有一天一個粗心的研究生用自來水代替純凈水去培養晶體，結果奇蹟出現了，蛋白居然結晶了。後來人們才發現，因為這個蛋白是金屬蛋白酶，需要有鋅（Zinc）才能結晶。而自來水管是鍍鋅管，所以自來水裡含有微量的鋅，幫助了它的結晶。以前幾代研究生聽到這個消息，紛紛哭死在廁所。

這個故事不知真假，我也是聽人轉述的。但是確定無疑的是，蛋白質晶體學是一門非常靠運氣的學科。核糖體這種大結構，分子量動輒幾百萬，只能拆成幾個亞體分別測結構，再組裝起來。另外還有膜蛋白，一端親水一端疏水，也是個大難題。總之，做X射線晶體學的學生是非常苦逼的。

另外，蛋白質晶體不是像無機小分子晶體那樣硬梆梆像石頭還會反光的那種東西。而是像豆腐一樣，軟塌塌的，很脆弱的。因此要特別小心處理，以前我的蛋白質晶體學課老師說他有個秘訣就是用貓的鬍鬚去粘哪個晶體。

拿到晶體以後就簡單了，有專門的儀器，把晶體放在中心，X射線通過它時會發生衍射，通過衍射得到的花紋，就可以測結構了。具體就不多講了。總之X射線解結構的方法已經很成熟了，最好找個成熟的軟體用。不要試圖自己去寫，不然你可能會像這位老兄一樣悲劇：

問題軟體毀了5篇論文相關科學家承認錯誤--科技--人民網

那核磁共振就簡單了，只要蛋白質溶於水就可以測，當然現在有固體核磁共振，連溶於水都不用。但是問題是他測不了大蛋白，所以也沒什麼鳥用，這些年發展一致不溫不火的。

然後就是冷凍電鏡了（Cryo EM）。要說冷凍電鏡這個東西，其實也存在有幾十年了，他的原理很簡單，就是用電子顯微鏡給冷凍的分子照照片，然後通過這些二維照片把三維結構解出來，非常接近CT成像。

冷凍電鏡的優點是不需要晶體，因此特別適合大蛋白（比如核糖體）。但是以前解析度一直很低，只有10-20埃，而X射線晶體結構可以達到1.5-3埃。這是什麼概念呢，就是X射線得到的蛋白質結構能看到一個一個的原子，而冷凍電鏡的蛋白質結構只能看到一坨泥巴一樣的東西。因此，傳統上X射線晶體學家是看不上冷凍電鏡晶體學家的，一般稱他們為「玩泥巴的」。

誰知道，2013年左右（我記不清了），CryoEM硬體領域有一個重大突破，就是用CMOS成像，代替了CCD成像，一下子照片的清晰度就不一樣了。後來UCSF的程亦凡解決幾個成像上的問題，冷凍電鏡結構的解析度一下就上去了，能達到3埃左右，和X射線結構解析度相似。對蛋白質結構來說這個解析度足夠了，因為蛋白質里也就20種氨基酸，哪種氨基酸長什麼樣子我們心裡一般有數的。

這以後冷凍電鏡就進入了大發展的時代，比如施一公實驗室有個學生一年發了5篇science就是靠的冷凍電鏡。

據說冷凍電鏡很有可能獲諾貝爾獎。候選人有Joachim Frank等人。

寫到這就勾起了我的傷心事，我從2006年開始從事冷凍電鏡方面的研究，三年間也做了一些不錯的工作，但是為生活所迫，2009年我離開了學術圈，去公司從事完全不相干的工作（一開始是程序員，後來是勘探地球物理研究）如果當時我能再堅持幾年，在一般學校找個AP的位置應該還是大有希望的。每次想到這裡，我就有點難過。

（計算機模擬下次再寫吧）。

一級序列可以確定三級結構，這個是被認可的。

大致有兩種方法：

一種是X-ray還有NMR等。

優點：準確，做出來啥那就是對的，就能發牛逼的文章。少年，只要你做出來了，CNS分分鐘的事

缺點：你倒是做出來啊

另一種是使用計算機

優點：如果演算法成熟，那麼消耗的資源簡直可以忽略不計，而且速度也很快。

缺點：演算法還不成熟。

使用計算機依舊有兩種方法：

一種是分子動力學模擬

優點：只需要一台先進的計算機，我就能夠重現核糖體編譯蛋白質結構的過程，簡直不要太美妙。

缺點：並沒有先進的計算機。這是土豪的遊戲，屌絲組玩不了。

另一種是模建，直接用序列通過演算法計算其三級結構

優點：如果演算法成熟，那麼模建簡直是便宜到不花錢，而且速度比動力學快得多。

缺點：演算法並不成熟

模建還有兩種方法：

一種叫同源模建，就是拿一個同源蛋白（這個蛋白必須有晶體結構），通過序列相似性，來構建另一個蛋白的結構。

優點：如果序列相似性很高，那麼模建的結果非常準確。

缺點：大部分蛋白的序列相似性不高

另一種叫從頭預測，就是給一段序列，直接說出其三級結構。類似於神筆馬良。

這個方法最有暴力美學的風味。

優點：擺脫了所有桎梏，粗暴簡單，從此預測蛋白結構就是這波很強,直接A上去gg的節奏。

缺點：我跟你講我表弟同學女朋友的叔叔看了一個蛋白質的序列後，直接用photoshop畫出了它的三級結構，現在要把成果免費提供給你發文章用，你敢不敢用啊。

ps，從頭預測現在有一定的成果，前途還是光明的。這方面需要專家 @MissSchros Cats了。

小弟才疏學淺，有什麼不對的地方請各位大牛指教：

下面的內容主要來自華東理工大學唐贇教授的藥物設計講義:

主要的是關於蛋白質三維結構的預測，上邊提到的x-ray，nmr都是對蛋白質的結構進行直接測定。而對其三維結構的預測主要是依靠蛋白質的一級結構決定高級結構的理論基礎：

預測得方法有：

（1）從頭預測法（Ab initio）：通過分子力學和分子動力學的方法，根據物理化學的基本原理，不依賴已知結構的同源類似物的信息，直接從理論上預測蛋白質分子的空間結構。

（2）穿針引線法（threading）：不需要預測蛋白質的二級結構，在沒有同源蛋白的情況下，把未知蛋白的序列和已知的結構進行匹配，通過研究同已知線段序列的吻合度得到結構信息，找出幾種匹配最好的結構作為未知蛋白的預測結構，既直接預測三級結構。

（3）同源建模法（homology modeling）：基於蛋白質三級結構的保守性超過蛋白質序列的理論。蛋白質經過百萬年的演變，形成了各種家族，每一家族都具有相似的序列/結構/以及相關功能，蛋白質的序列的微小改變，其三維結構的改變也很小。蛋白質序列的同源性決定其三維結構的同源性，一個未知結構的蛋白質（目標蛋白）的三維結構可以通過與其同源性較高且結構已知的蛋白質分子（參考蛋白）進行預測。

過程為：1.資料庫搜尋及選擇模板：swiss-prot/PDB/SCOP/CATH

2.二重及多重序列比對：此步驟主要目的是得到同源蛋白質的結構排列，它關係著最終的模擬結構的準確性。

3.保守其主鏈骨架的構建，變異區或環狀結構模擬及側鏈模擬

4.能量最小化（energy minimization）最初的結構必須採用分子力學的能量最小化來修正不利的非共價觸碰及達到理想的鍵結幾何和能量最低的狀態。

5.結構合理性評估：PROCHECK/AQUA/SQUID等方法評估結構是否符合一般的常規。

最後就可以分析新模型與模板的結構和參考文獻所得的信息，例如突變數據，生物活性數據等進一步修正新結構，來增加其合理性及可用度。

結束

其實，這個答案我也有很多不懂的地方，以後會慢慢再修改。

如果真的有興趣，就先去多看幾篇文獻。國內做的最好的當屬施一公院士了，高福院士也相當不錯，他主要攻結構免疫，結構病毒。

不過，就像前面那位童鞋說的，門檻不會高，做好很難。程序比較簡單，體力活兒。不過生物這行就是體力，腦力，抗壓能力都要很高啊。祝好運。

實在感興趣，我可以介紹每天都在鑽研結構的師友。

我來正面回答下樓主的問題吧，蛋白質的三維結構屬於生物物理分支中的結構生物學，生物工程的本科完全可以勝任，可以考，但就現在的這個階段來說，是結構生物學最hot的時期，所以，結構生物學的實驗室可能比其他實驗室稍微難進一點，而且，大部分的老師更願意招收博士生，而不是碩士。

這麼火的結構生物學，做結構的高校怎麼可能少了？真心實在是太多了，一點也不誇張的說，只要是個985就至少有一個實驗室是做結構的。

這麼多回復裡面，我覺得Rocko 栗朋友最接近帖主的提問。X-ray，NMR都是直接測量蛋白3D結構，屬於structural biology，而用蛋白一級序列預測3D結構，屬於structural bioinformatics，或者computational structural biology。

除了Rocko 栗提到的不同protein structure prediction的方法以外，針對不同蛋白質分級結構，也有不同演算法，比如預測蛋白二級結構，比較準確的是PSI-Pred和JPred，還有disorder region prediction，還有contact map prediction。有一個全球蛋白結構預測的critical assessment（CASP）每兩年舉辦一次，已經十幾界了。CASP中最牛的幾個是David Baker和David Jones。最近深度學習也被廣泛應用到蛋白結構預測中，據說DeepMind也已經開始進入蛋白結構預測的領域。

蛋白質二級，三級結構預測是生物信息學的重要課題，目前來講也是最有挑戰性的課題之一。很多經典演算法已經寫進了教科書，但效果一直平平。想具體了解可以參見

Mount D W. Bioinformatics: sequence and genome analysis[J]. Cold Spring Harbor Laboratory Press, 2005, xii(1).

的第9章。

結構生物學，應用轉基因技術，選擇合適的表達系統將蛋白質表達出來，之後純化、點晶體、X-光機衍射或者同步輻射，收集數據並解析結構

一般用template based modeling，能找到template的基本上model的TM-score都不錯. 不行的話才ab initio, 但是準確率那叫一個低啊。如果題主問的是prediction那這個就是Structural bioinformatics. 但是目前還算是比較冷門，畢竟genetics是比較火的那個分支。

另外同好奇國內哪些研究所做。

施一公在清華的實驗室不是天天做這個嗎，發了好多頂級期刊。雖然個人覺得他們做這個方向純粹是因為容易出論文，但無所謂啊，學生有了資本，老師有了政績，學校有了面子。

施老師馬上就要從政了

有預測的網站，但是可靠性不高，參考的價值也不算大