Особенности молекулярного распознавания ( MoRF ) представляют собой небольшие (10-70 остатков) внутренне неупорядоченные области в белках , которые претерпевают переход от беспорядка к порядку при связывании со своими партнерами. MoRFs участвуют в белок-белковых взаимодействиях , которые служат начальным шагом в молекулярном распознавании . MoRF разупорядочены до связывания со своими партнерами, тогда как они образуют общую трехмерную структуру после взаимодействия со своими партнерами. [1] [2] Поскольку области MoRF имеют тенденцию напоминать неупорядоченные белки с некоторыми характеристиками упорядоченных белков, [2]их можно классифицировать как существующие в расширенном полубеспорядочном состоянии. [3]
MoRF можно разделить на 4 категории в зависимости от формы, которую они образуют после связывания со своими партнерами. [2]
Экспериментальное определение белковых структур — очень трудоемкий и дорогостоящий процесс. Поэтому в последние годы особое внимание уделяется вычислительным методам прогнозирования структуры и структурных характеристик белка. Некоторые аспекты структуры белка, такие как вторичная структура и внутренняя беспорядочность , значительно улучшились благодаря применению глубокого обучения на множестве аннотированных данных. Однако компьютерное прогнозирование областей MoRF остается сложной задачей из-за ограниченной доступности аннотированных данных и редкости самого класса MoRF. [4] Большинство современных методов были обучены и протестированы на наборах, выпущенных авторами MoRFPred [5]в 2012 г., а также другой набор, выпущенный авторами MoRFChibi [6] [7] [8] на основе экспериментально аннотированных данных MoRF. В приведенной ниже таблице, адаптированной из [9] , подробно описаны некоторые методы, доступные в настоящее время для прогнозирования MoRF (а также связанные с этим проблемы).
MoRFchibi: использует правило Байеса для объединения результатов двух модулей вспомогательной векторной машины с использованием аминокислотного состава (сигмовидное ядро) и сходства последовательностей (ядро RBF). MoRFchibi_light: использует правило Байеса для иерархического объединения MoRFchibi и предсказания беспорядка. MoRFchibi_web: использует правило Байеса для иерархического объединения MoRFchibi, предсказания нарушений и PSSM (MSA).