关注我们并在后台回复 “进群”，即可加入农心生信工作室学习交流群，群内不定时分享源代码及示例文件，并在线交流答疑。我们在农心生信，等你！
由于微信改版，乱序推送，很多朋友反映收不到公众号推文。快跟着图片步骤，将农心生信公众号设为星标，不错过每一条精彩内容！！
写在前面
在AlphaFold出现之前，预测蛋白质结构是一项非常耗时、困难且复杂的任务，需要耗费许多时间和大量的实验数据。而现在，AlphaFold可以在数分钟内预测蛋白质的结构，这大大加速了生物学研究的进程。最直观的一个改变，就是随着AlphaFold的出现，可公开获取的蛋白质结构数据库得到快速发展。可是，随之而来也出现了新的问题，如何高效、快速、准确地检索这类数据库，成为新的行业瓶颈。
2023年5月发表在Nature Biotechnology上 Fast and accurate protein structure search with Foldseek 一文似乎很好地突破了这个瓶颈，作者开发出来了高敏感度和极快速的检索工具Foldseek，该工具可以将查询蛋白质的结构与数据库进行比对。
什么是Foldseek
蛋白质注释和分析中使用最广泛的方法是基于序列相似性搜索，如BLAST。其目的是找到同源序列，从这些同源序列中可以推断出query序列的性质，如分子和细胞功能以及结构。尽管如此，仍有许多蛋白质无法进行注释，因为仅从蛋白的一级序列特征，就判断出蛋白间的进化关系，并不是一件容易的事情。
目前来看，Foldseek似乎是一个非常可行和高效的解决方案。它拥有高效、快速的类BLAST功能，但同时，它不再受到一级序列的限制，它可以通过蛋白的3D结构信息进行检索比对，这极大提高了相似性搜索的敏感性。在这个3D蛋白结构数据库得到飞速扩展的时代，像Foldseek这种基于结构相似性进行同源蛋白检索的工具，很可能替换传统的如BLAST这类基于序列相似搜索的工具。
如何使用
Foldseek有本地版以及一个网络服务器，用于多数据库搜索，包括AlphaFoldDB (version 4: Proteomes and Swiss-Prot)，AlphaFoldDB (version 4) ，CATH25 clustered at 50% sequence identity， ESM Atlas-HQ and Protein Data Bank (PDB)。
这里我们介绍用于多数据库搜索的Foldseek网络服务器版本的使用，其网站链接如下：
https://search.foldseek.com
它的界面操作十分简单，可以点击UPLOAD PDB来从本地选择包含蛋白结构信息的PDB文件，然后点击Search即可开始在数据库中进行搜索。在这里，我们以人类（Homo sapiens）Inorganic pyrophosphatase蛋白的PDB文件为输入示例：
完成搜索后，会显示在多个数据库中比对后的结果，可以选择查看不同数据库。
结果信息的第二列是Description，可以显示比对到的蛋白结构的功能注释。
判断比对结果的准确性时，除了第6列E-Value值越小越好，还要注意最后一列Alignment，点击红圈所示，可以显示query蛋白和subject蛋白结构比对相似性的指标：
这里会提供TMscore和RMSD两个指标。TMscore是基于蛋白质结构之间的相似性来计算的，当TMscore大于0.5时，意味着两个蛋白质结构之间存在较高的相似。RMSD，也称为均方根偏差(root mean square deviation)，是一种用来量化两个结构之间的差异性的数值。通常，RMSD值越小，说明两个结构之间的差异越小，相似度越高。我们可以根据这两个指标，来选择最佳的比对结果。
写在最后
结构比对有远高于序列比对的敏感度，这是结构比对的先天优势，在过去，人们对蛋白结构的特征知之甚少，导致缺少大规模的蛋白结构数据库；如今，随着蛋白结构预测软件的成熟，蛋白结构数据库得到极大的扩展，或许，现在已经是时候，抛弃过去的序列比对，迎接结构比对的新时代了。
END
编辑 | Narcissus
供稿 | Deeecade
审核 | 农心生信工作室
