跳转到内容
BioInfo Wiki

结构生物信息学

结构生物信息学（Structural Bioinformatics）是研究生物大分子三维结构的计算学科。它回答的核心问题是：给定分子序列，如何预测其结构？如何比较不同结构？结构如何解释功能？

所属板块 分析方向与案例

把基础对象与算法方法重新放回真实分析任务与工作流。

阅读目标 帮助建立阅读上下文

先判断这页与你当前问题的关系，再决定是否深入展开。

建议前置 先建立相关基础对象与方法直觉

建议先建立相关基础对象与方法直觉，再进入本页。

本章在知识地图中的位置

Section titled “本章在知识地图中的位置”

结构生物信息学处于序列层与功能层之间的关键连接点：

序列层 ──→ 结构层 ──→ 功能层
   │          │          │
   ▼          ▼          ▼
基因组   结构生物信息学   通路/表型（本章主题）

理解这一点很重要：结构既是序列信息的物理实现，又是功能执行的三维基础。这使得结构生物信息学成为连接”基因型”与”表型”的桥梁学科。

学科背景与发展脉络

Section titled “学科背景与发展脉络”

实验结构生物学的演进

Section titled “实验结构生物学的演进”

结构生物信息学的发展与实验技术密切相关：

  • 1958：X 射线晶体学首次解析肌红蛋白结构（Kendrew），开启蛋白质结构时代
  • 1980s：NMR 开始用于蛋白质结构测定，提供溶液状态信息
  • 1994：CASP 竞赛启动，系统评估计算方法进展
  • 2013：冷冻电镜（Cryo-EM）技术突破，“分辨率革命”开始
  • 2020：AlphaFold 2 在 CASP14 中达到实验精度，计算方法取得历史性突破

计算方法的演进

Section titled “计算方法的演进”

与实验技术并行的是计算方法的发展：

  1. 比较建模时代（1990s-2000s）：依赖已知同源结构，如 SWISS-MODEL
  2. 从头预测尝试（2000s-2010s）：物理能量函数 + 采样，如 Rosetta
  3. 共进化分析时代（2010s）：利用 MSA 中的共进化信号预测接触
  4. 深度学习时代（2018-至今）：AlphaFold 等端到端方法

本章核心内容

Section titled “本章核心内容”

本章围绕三个递进层次组织：

1. 蛋白结构基础

Section titled “1. 蛋白结构基础”

理解蛋白结构的层次组织（一级到四级）、功能模块（domain 与 motif）、以及动态性（构象变化与无序区域）。这是后续所有结构分析的基础。

2. 结构预测：AlphaFold 与现代方法

Section titled “2. 结构预测：AlphaFold 与现代方法”

深入理解结构预测的核心思想：从序列和进化信息学习折叠的几何规律。重点包括：

  • 输入：MSA 与共进化信号的作用
  • 输出：如何解读 pLDDT 和 PAE 等置信度指标
  • 局限：预测与实验结构的边界在哪里

3. 结构比对与 fold 分类

Section titled “3. 结构比对与 fold 分类”

学习量化结构相似性的方法：

  • 指标：RMSD、TM-score 的数学定义与应用场景
  • 算法：结构比对的计算原理
  • 分类：SCOP、CATH 等 fold 数据库的层次体系

为什么重要

Section titled “为什么重要”

结构生物信息学的重要性体现在：

1. 结构比序列更接近功能

Section titled “1. 结构比序列更接近功能”

远缘同源蛋白可能序列差异很大（< 30% 相似），但折叠方式相似。这导致：

  • 序列比对失败的案例，结构比对可能成功
  • 功能预测需要结合结构信息
  • 药物设计依赖精确的三维构象

2. 结构预测改变了研究范式

Section titled “2. 结构预测改变了研究范式”

AlphaFold 使计算结构预测从专家工具变成常规资源：

  • 结构空白大幅减少（AlphaFold DB 覆盖超过 2 亿个结构）
  • 实验设计可以基于结构假设
  • 大规模结构分析成为可能

3. 变异解释与机制理解

Section titled “3. 变异解释与机制理解”

很多生物学问题需要三维视角：

  • 致病变异的位置是否在关键结构区域？
  • 突变如何影响稳定性或相互作用？
  • 活性位点的几何约束是什么？

前置知识

Section titled “前置知识”

阅读本章前，建议具备以下基础：

后续学习路径

Section titled “后续学习路径”

完成本章后，可以进一步学习：

子主题导航

Section titled “子主题导航”

蛋白结构基础

理解一级到四级结构、domain、motif 与稳定性来源

进入子主题

AlphaFold 与结构预测

理解现代结构预测的输入、输出、置信度与局限

进入子主题

结构比对与 fold

从 RMSD、TM-score 到 fold family，理解结构相似性的比较方式

进入子主题

分子动力学基础

通过原子级别运动模拟理解蛋白质构象变化和自由能景观

进入子主题

蛋白质互作预测

从分子对接到网络推断，理解蛋白质-蛋白质相互作用的计算方法

进入子主题

参考资源

Section titled “参考资源”

经典教材

Section titled “经典教材”
  • Branden, C., & Tooze, J. (1999). Introduction to Protein Structure (2nd ed.). Garland Science.
  • Fersht, A. (1999). Structure and Mechanism in Protein Science. W.H. Freeman.

数据库与工具

Section titled “数据库与工具”

与其他板块的连接

Section titled “与其他板块的连接”

概率模型与模式识别

HMM 和 profile HMM 是蛋白家族分析的经典方法

延伸阅读

序列比对

多序列比对（MSA）是结构预测和比较的关键输入

延伸阅读

蛋白质组学

结构信息支撑大规模蛋白质功能注释与互作预测

延伸阅读

机器学习与基础模型

AlphaFold 等深度学习方法推动了结构预测的范式转变

延伸阅读