蛋白質紊亂對于生物學功能至關重要，蛋白質的結構異常比您想象的更普遍。具有紊亂區(qū)域的蛋白質也可能發(fā)粘，并在細胞內部和細胞之間聚集在一起，并直接參與許多神經退行性疾病。因此，能夠鑒定蛋白質中的無序區(qū)域非常重要。

      不幸的是，通過實驗表征多肽的結構傾向是挑戰(zhàn)性和費時的，因此用于從序列預測蛋白質失調的生物信息學方法是*的。

       因此，近年來，許多生物信息學家構建了區(qū)分不折疊的肽序列的算法，這些算法也可以基于各種“特征”，這些特征也源自理化參數(如氨基酸的電荷或疏水性)看進化的相關性。

       現在已經有了許多這樣的預測程序，擁有某種基準來驗證和測試預測具有明顯的價值。為了解決這個難題，Nielsen和Mulder使用沉積的NMR化學位移數據分析了上百種選定的蛋白質，從而生成并驗證了具有代表性的特定于位點和連續(xù)性疾病的實驗基準。然后，他們分析了26種廣泛使用的疾病預測方法的性能，發(fā)現這些方法有顯著差異。

      他們的研究中進行的全面比較將幫助的蛋白質科學家就哪些程序shi合使用做出更明智的選擇。