※ 2017-1-26 祝贺王辉林的文章被Briefings in Bioinformatics（IF2016=8.4）接收！

---

         2017年1月26日，新年即将到来之际，我课题组王辉林博士生为第一作者的文章Critical evaluation of bioinformatics tools for the prediction of protein crystallization propensity被Briefings in Bioinformatics（简称BiB）接收。该文章于2016年10月19日投稿，通过两轮的同行评审，根据评审意见，我们进行两轮的仔细修改，终于在临近春节被接收。BiB是生物信息学领域的旗舰杂志，是牛津大学出版社旗下的核心杂志，影响因子为8.4（IF2016），主要发表生物信息学领域重要的研究方向的综述性文章，也刊发部分领域重要的研究性文章。 该文章的工作是与澳大利亚莫纳什大学的Senior Research Fellow宋江宁研究员、Geoffrey I. Webb教授，美国Virginia Commonwealth University的Lukasz Kurgan教授等人合作。

         理解“蛋白质结构-功能关系”是生物学研究的基础之一，也是结构生物学研究的最主要的内容。结构生物学家采用X-ray晶体学、NMR和冷冻电镜等方法来研究“蛋白质结构-功能关系”，其中X-ray晶体学是首要方法，占PDB已解析蛋白质结构的90%以上。 然而，获得高质量衍射的蛋白质晶体对于结构生物学家是一件非常难的事，大约5~20%的蛋白质能够获得高质量的晶体并获得高分辨的三维结构，70%的研究时间和实验投入都浪费在不断的实验尝错中，如克隆失败、表达失败、纯化失败、结晶失败等。 因此，如何理性选择合适的、可结晶性的目标蛋白，对于提高晶体学结构解析成功率有重要意义。基于此，近十年来，结构生物信息学家开发20多个基于序列的蛋白质可结晶性的预测工具，该研究方向是一个热门的研究热点，也对实验科学起着非常重要的推动作用。 本论文系统地综述了目前8个User-available的蛋白质可结晶性预测性的生物信息学工具，并介绍我们组新开发的基于UniProt功能特征工具Crysf（包括4个子工具），文章评估了这些工具的可获得性、数据集、特征值、机器学习算法、预测性能（准确率、计算速率、批量计算等）等方面系统地分析与评估，同时也指出目前预测工具存在的问题，提出了未来发展的挑战与方向。

         该工作得到了国家重点研发项目（2016YFA0500600）、国家自然基金项目（31670741, 61202167, 61303169, 81661138005）等项目的资助。

 

------- 评述的工具 -------