کمپلکس های پروتئین یکی از مهمترین واحدهای عملکردی در فرآیندهای زیستی درون سلولی هستند. روش های تجربی، داده های ارزشمندی را برای درک بهتر کمپلکس های پروتئینی فراهم کرده اند.  با این حال، این روش ها محدودیت های ذاتی دارند. با توجه به این محدودیت ها، روش های محاسباتی بسیاری در دهه گذشته برای پیش بینی کمپلکس های پروتئینی پیشنهاد شده است. تقریباً تمام این روش ها با استفاده از داده های میان کنش پروتئینی (PPI)،  کمپلکس های پروتئینی را پیش بینی می کنند.

این روش های محاسباتی معمولاً از داده های PPI در قالب یک شبکه میان کنش پروتئین  پروتئین عظیم (PPIN) به عنوان ورودی و خروجی زیر شبکه های مختلف PPIN داده شده برای پیش بینی کمپلکس های پروتئینی استفاده می کنند.

برخی از این روش ها به بازده امیدوار کننده ای در پیش بینی کمپلکس های پروتئینی رسیده اند. با این وجود ، در پیش بینی کمپلکس ها، به خصوص کمپلکس های پروتئینی کوچک همچنان چالش هایی وجود دارد.
 
روش های  پیش بینی جدید باید در برگیرنده خصوصیات زیستی بیشتری برای پیش بینی دقیق تر کمپلکس های پروتئینی باشند. علاوه بر این ، چالش های مختلفی وجود دارد که باید در طراحی الگوریتم های پیش بینی مورد بررسی قرار گیرد. 

این مقاله نه تنها به بررسی روش های محاسباتی پیش بینی کمپلکس های پروتئین می پردازد، بلکه بینش جدیدی برای بهبود روش های پیش بینی ارائه می دهد. در این مقاله ، مهمترین روش های محاسباتی برای پیش بینی کمپلکس های پروتئین ارزیابی و مقایسه می شود. علاوه بر این ، برخی از چالش های در بازسازی آنها مورد بحث قرار می گیرد. سرانجام ، ابزارهای مختلفی برای پیش بینی پیچیده پروتئین و تجزیه و تحلیل PPIN و همچنین پایگاه داده های دارای توان بالا بررسی  می شود. 

این مقاله توسط اعضا آزمایشگاه بیوانفورماتیک دانشگاه تربیت مدرس به رشته تحریر در آمده است.

منبع:

https://www.sciencedirect.com/science/article/pii/S088875431830572X