10.1 ପ୍ରୋଟିନ ସୂଚନା

10.1.1 ପରିଚୟ

ସୂଚନା ପ୍ରଯୁକ୍ତିର କୌଶଳ ବ୍ୟବହାର କରି ଯେକୌଣସି ପ୍ରୋଟିନ ସମ୍ବନ୍ଧୀୟ ସୂଚନା ସଂଗ୍ରହ ପ୍ରୋଟିନ ଇନଫର୍ମେଟିକ୍ସ ଅଧୀନରେ ଆସେ। ପ୍ରୋଟିନ ଇନଫର୍ମେଟିକ୍ସ କଳ୍ପନାତ୍ମକ ପ୍ରୋଟିନଗୁଡ଼ିକର କାର୍ଯ୍ୟକାରୀ ସ୍ଥାନର ଭୌଗଳିକ ସ୍ଥିତି, ଜୈବରାସାୟନିକ କାର୍ଯ୍ୟ ଏବଂ ଜୈବିକ କାର୍ଯ୍ୟ ଜାଣିବାରେ ବିପୁଳ ସାହାଯ୍ୟ କରିଛି। ଏହା ଛଡ଼ା, ଏହା ଅନେକ କଳ୍ପନାତ୍ମକ ପ୍ରୋଟିନର ତୃତୀୟକ ଗଠନ ସ୍ଥିର କରିବାରେ ସାହାଯ୍ୟ କରିଛି, ଯାହାର ଆଣବିକ କାର୍ଯ୍ୟ ସାଧାରଣ ପଦ୍ଧତି ବ୍ୟବହାର କରି ବୁଝାଯାଇ ପାରୁନଥିଲା। ବିଜାତୀୟ ଡାଟାବେସ୍ ଏବଂ ଆମିନୋ ଏସିଡ୍ କ୍ରମ, ତୃତୀୟକ ଗଠନ ଏବଂ ପ୍ରୋଟିଓମ ସ୍କେଲରେ ପଥଗୁଡ଼ିକର ବିଭିନ୍ନ ବର୍ଣ୍ଣନାକାରୀମାନେ ମଧ୍ୟ ପ୍ରୋଟିନ ଇନଫର୍ମେଟିକ୍ସ ବିକାଶରେ ସାହାଯ୍ୟ କରିଛନ୍ତି।

10.1.2 ପ୍ରୋଟିନ ଡାଟା ପ୍ରକାର

ସୂଚନା ଉଦ୍ଧାରଣର ଗଣନା ପ୍ରକ୍ରିୟା ପାଇଁ ପ୍ରୋଟିନର କଞ୍ଚା ତଥ୍ୟ ଆବଶ୍ୟକ। ଏହି ପ୍ରୋଟିନ ତଥ୍ୟ ନିମ୍ନଲିଖିତ ପ୍ରକାରର ହୋଇପାରେ -

(i) ତାପ-ବିକୃତ ପ୍ରୋଟିନ ସମୁଦାୟର ସୂକ୍ଷ୍ମଦର୍ଶୀ ଛବି

(ii) ଦ୍ରବଣ ରୂପରେ ପ୍ରୋଟିନ

(iii) ମ୍ୟାଟ୍ରିକ୍ସ ଆସିଷ୍ଟେଡ୍ ଲେଜର ଡିସୋର୍ପସନ୍/ଆୟୋନାଇଜେସନ୍ (MALDI)ର ଆଉଟପୁଟ୍ ଭାବରେ ପ୍ରୋଟିନ କ୍ରମ

(iv) ଏସେମ୍ବଲ୍ଡ ପ୍ରୋଟିନ କ୍ରମ

(v) ପ୍ରୋଟିନ ଡାଟା ବ୍ୟାଙ୍କ (PDB) ଫର୍ମାଟରେ ପ୍ରୋଟିନ ସ୍ଫଟିକ ଗଠନ

(vi) ପ୍ରୋଟିନ-ପ୍ରୋଟିନ, ପ୍ରୋଟିନ-ଲିଗାଣ୍ଡ କିମ୍ବା ପ୍ରୋଟିନ-ନ୍ୟୁକ୍ଲିଓଟାଇଡ୍ ଇଣ୍ଟରାକ୍ସନ୍ ଫାଇଲ୍

(vii) ନ୍ୟୁକ୍ଲିୟର ମ୍ୟାଗ୍ନେଟିକ୍ ରେଜୋନାନ୍ସ (NMR) ତଥ୍ୟ, ମାସ ସ୍ପେକ୍ଟ୍ରୋମେଟ୍ରି (MS) ତଥ୍ୟ

(viii) ଜିନୋମିକ୍ କ୍ରମରୁ ସିଧାସଳଖ ଉତ୍ପନ୍ନ ପ୍ରୋଟିନ କ୍ରମ, ଯାହା ଅସ୍ତିତ୍ୱର ଜଣାଶୁଣା ପ୍ରମାଣ ଧାରଣ କରେ ନାହିଁ (କଳ୍ପନାତ୍ମକ ପ୍ରୋଟିନ)

ଉପରୋକ୍ତ ପ୍ରକାରର ପ୍ରୋଟିନ ତଥ୍ୟ ନିମ୍ନଲିଖିତ ଭଳି ଉପଯୋଗୀ ସୂଚନା ପାଇବା ପାଇଁ ବ୍ୟବହୃତ ହୋଇପାରେ:

(i) ତାପ-ବିକୃତ ପ୍ରୋଟିନ ସମୁଦାୟର ସୂକ୍ଷ୍ମଦର୍ଶୀ ଛବିର ମଲ୍ଟି-ଫ୍ରାକ୍ଟାଲ୍ ଗୁଣ ପ୍ରୋଟିନ-ମାର୍କର ଡିଜାଇନ୍ ପାଇଁ ବ୍ୟବହୃତ ହୁଏ।

(ii) ଦ୍ରବଣରେ ଥିବା ପ୍ରୋଟିନ ତଥ୍ୟ ଭୌତିକ-ରାସାୟନିକ ଗୁଣ ଏବଂ ଗତିକ ସୂଚନା ବିଶ୍ଳେଷଣ ପାଇଁ ଉପଯୋଗୀ।

(iii) MALDIରୁ ପ୍ରୋଟିନର ଖଣ୍ଡିତ ଛୋଟ କ୍ରମଗୁଡ଼ିକ ସମ୍ପୂର୍ଣ୍ଣ ଦୈର୍ଘ୍ୟର କ୍ରମ ଖୋଜିବା ପାଇଁ ବ୍ୟବହୃତ ହୁଏ।

(iv) ପ୍ରୋଟିନ ସ୍ଫଟିକ ଗଠନ ମ୍ୟୁଟେସନ୍ ଏବଂ ଇଣ୍ଟରାକ୍ସନ୍ ଅଧ୍ୟୟନ ପାଇଁ ବ୍ୟବହୃତ ହୁଏ।

(v) PDB, NMR ଏବଂ MS ତଥ୍ୟ ମଧ୍ୟ ଅସ୍ଫଟିକୃତ ପ୍ରୋଟିନର ଗଠନ ପୂର୍ବାନୁମାନ ପାଇଁ ବ୍ୟବହୃତ ହୁଏ (କ୍ରମରୁ ସିଧାସଳଖ)।

(vi) ଅଛନ୍ତି ପ୍ରୋଟିନ ଯାହାର ଜଣାଶୁଣା ଅସ୍ତିତ୍ୱ ନାହିଁ (କଳ୍ପନାତ୍ମକ ପ୍ରୋଟିନ ଭାବରେ ଜଣାଶୁଣା) ଯାହାକି ଜିନୋମିକ୍ କ୍ରମରୁ ଚିହ୍ନଟ କରାଯାଇପାରିବ।

(vii) ପ୍ରୋଟିନର ନେଟୱାର୍କ ମ୍ୟାପିଂ ବିଭିନ୍ନ ରୋଗର ଚିକିତ୍ସାର ସମ୍ଭାବ୍ୟ ଲକ୍ଷ୍ୟ ସମ୍ବନ୍ଧରେ ସୂଚନା ପ୍ରଦାନ କରେ।

ପ୍ରୋଟିନ ଇନଫର୍ମେଟିକ୍ସ ବିଶ୍ଳେଷଣ କରିବା ପାଇଁ, ନିମ୍ନଲିଖିତ ଦୁଇଟି ମୌଳିକ ସୁବିଧା ଆବଶ୍ୟକ:

(i) ବିଭିନ୍ନ ଡାଟାବେସ୍, ଯେପରିକି NCBI, PDB, CHEMBL, BIOMODELS, ଇତ୍ୟାଦିରୁ କଞ୍ଚା ତଥ୍ୟର ଉପଲବ୍ଧତା।

(ii) ବିଶ୍ଳେଷଣ ପାଇଁ ବ୍ୟବହୃତ ଇନଫର୍ମେଟିକ୍ସ ସାଧନ ଏବଂ କୌଶଳ। କେତେକ ସୁପରିଚିତ କୌଶଳ ହେଲା: (a) ୱେଭଲେଟ୍ କୌଶଳ ଦ୍ୱାରା ପ୍ରତିଛବି ବିଶ୍ଳେଷଣ, (b) କ୍ରମ ସାଦୃଶ୍ୟ ଏବଂ ହୋମୋଲୋଜି ଗଣନା, (c) ଗଠନ ଅପ୍ଟିମାଇଜେସନ୍ କୌଶଳ, (d) ଆର୍ଟିଫିସିଆଲ୍ ନ୍ୟୁରାଲ୍ ନେଟୱାର୍କ (ANN), ସପୋର୍ଟ ଭେକ୍ଟର ମେସିନ୍ (SVM) ଏବଂ ହିଡେନ୍ ମାର୍କୋଭ୍ ମଡେଲ୍ (HMM) ଭଳି ସାଂଖ୍ୟିକ ଏବଂ ମେସିନ୍ ଲର୍ଣ୍ଣିଂ କୌଶଳ ଦ୍ୱାରା ତଥ୍ୟ ବିଶ୍ଳେଷଣ। (e) ନେଟୱାର୍କ ମ୍ୟାପିଂ କୌଶଳ, ଏବଂ (f) ସିଷ୍ଟମ୍ସ ବାୟୋଲୋଜି ମାର୍କ-ଅପ୍ ଲାଙ୍ଗୁଏଜ୍ (SBML)।

10.1.3 ପ୍ରୋଟିନ ଗଠନର ଗଣନାତ୍ମକ ପୂର୍ବାନୁମାନ

ବାୟୋଇନଫର୍ମେଟିକ୍ସ ସାଧନ ବ୍ୟବହାର କରି ପ୍ରୋଟିନ ଗଠନ ପୂର୍ବାନୁମାନର ଲକ୍ଷ୍ୟ ହେଉଛି ଆମିନୋ ଏସିଡ୍ କ୍ରମ କିପରି ପ୍ରୋଟିନର ଗଠନ ନିର୍ଦ୍ଦିଷ୍ଟ କରେ ଏବଂ ଏହି ପ୍ରୋଟିନଗୁଡ଼ିକ କିପରି ସବଷ୍ଟ୍ରେଟ୍ ଏବଂ ଅନ୍ୟ ଅଣୁଗୁଡ଼ିକ ସହିତ ବନ୍ଧନ ହୋଇ ସେମାନଙ୍କର କାର୍ଯ୍ୟ ସମ୍ପାଦନ କରେ ତାହା ଅନୁସନ୍ଧାନ କରିବା। ବାୟୋଇନଫର୍ମେଟିକ୍ସ ସାଧନ ବ୍ୟବହାର କରି ଏକ ପ୍ରୋଟିନର ଗଠନ (କଳ୍ପନାତ୍ମକ ପ୍ରୋଟିନଗୁଡ଼ିକ ସହିତ) ପୂର୍ବାନୁମାନ କରିବାର ଏହି କାର୍ଯ୍ୟ ଯେତେବେଳେ କେବଳ ଜିନ୍ କ୍ରମ ଜଣାଥାଏ, ଅର୍ଥାତ୍ ପ୍ରୋଟିନ କ୍ରମର ଅଭାବରେ ମଧ୍ୟ ସମ୍ଭବ ହୋଇପାରେ। ପ୍ରୋଟିନର ଗଠନାତ୍ମକ ଏବଂ ଭୌତିକ-ରାସାୟନିକ ଗୁଣର ପୂର୍ବାନୁମାନ କରିବା ପାଇଁ ବିଭିନ୍ନ ଉତ୍ସରୁ ଅନେକ ଗଣନାତ୍ମକ ସାଧନ ଉପଲବ୍ଧ। ଗଣନାତ୍ମକ ପଦ୍ଧତିର ପ୍ରମୁଖ ଉପକାରିତା ହେଉଛି ସମୟ ସୀମା, ଉଚ୍ଚ ମୂଲ୍ୟ ଏବଂ ଉଚ୍ଚ ଥ୍ରୁପୁଟ୍ ସ୍କ୍ରିନିଂର ସମ୍ଭାବ୍ୟତା।

10.1.3.1 ପ୍ରାଥମିକ ଗଠନ ପୂର୍ବାନୁମାନ

ପ୍ରୋଟିନ ପ୍ରାଥମିକ ଗଠନ ପୂର୍ବାନୁମାନରେ ଆଇସୋଇଲେକ୍ଟ୍ରିକ୍ ପଏଣ୍ଟ, ଏକ୍ସଟିଙ୍କସନ୍ କୋ-ଏଫିସିଏଣ୍ଟ, ଇନଷ୍ଟାବିଲିଟି ଇଣ୍ଡେକ୍ସ, ଆଲିଫାଟିକ୍ ଇଣ୍ଡେକ୍ସ ଏବଂ ଗ୍ରାଣ୍ଡ ଆଭରେଜ୍ ହାଇଡ୍ରୋପାଥି ଭଳି ଭୌତିକ-ରାସାୟନିକ ଚରିତ୍ରୀକରଣ ଅନ୍ତର୍ଭୁକ୍ତ। ଏହି ସବୁକୁ ExPASy ପ୍ରୋଟିଓମିକ୍ସ ସର୍ଭରର ProtParam ସାଧନ ସାହାଯ୍ୟରେ ଗଣନା କରାଯାଇପାରିବ। ପ୍ରୋଟିନର କେତେକ ଭୌତିକ-ରାସାୟନିକ ଗୁଣ ନିମ୍ନଲିଖିତ ବିଭାଗରେ ସଂକ୍ଷିପ୍ତରେ ବର୍ଣ୍ଣନା କରାଯାଇଛି।

ଆଇସୋଇଲେକ୍ଟ୍ରିକ୍ ପଏଣ୍ଟ- ଆଇସୋଇଲେକ୍ଟ୍ରିକ୍ ପଏଣ୍ଟ (pI) ହେଉଛି ସେହି $\mathrm{pH}$ ଯେଉଁଠାରେ ପ୍ରୋଟିନର ପୃଷ୍ଠ ଚାର୍ଜରେ ଆଚ୍ଛାଦିତ କିନ୍ତୁ ପ୍ରୋଟିନର ନେଟ୍ ଚାର୍ଜ ଶୂନ୍ୟ। pI ରେ, ପ୍ରୋଟିନଗୁଡ଼ିକ ସ୍ଥିର ଏବଂ ସଂକୁଚିତ। ଯଦି ଗଣନା କରାଯାଇଥିବା $\mathrm{pI}$ ମୂଲ୍ୟ $7(\mathrm{pI}<7)$ ଠାରୁ କମ୍ ହୁଏ, ଏହା ସୂଚାଏ ଯେ ପ୍ରୋଟିନକୁ ଏସିଡିକ୍ ବିବେଚନା କରାଯାଏ।

7 (pI> 7) ଠାରୁ ଅଧିକ pI ପ୍ରକାଶ କରେ ଯେ ପ୍ରୋଟିନ ମୌଳିକ ଚରିତ୍ରର। ଗଣନା କରାଯାଇଥିବା ଆଇସୋଇଲେକ୍ଟ୍ରିକ୍ ପଏଣ୍ଟ (pI) ଆଇସୋଇଲେକ୍ଟ୍ରିକ୍ ଫୋକସିଂ ପଦ୍ଧତି ଦ୍ୱାରା ଶୁଦ୍ଧିକରଣ ପାଇଁ ବଫର୍ ସିଷ୍ଟମ୍ ବିକାଶ ପାଇଁ ଉପଯୋଗୀ ହେବ।

ଆଲିଫାଟିକ୍ ଇଣ୍ଡେକ୍ସ- ଆଲିଫାଟିକ୍ ଇଣ୍ଡେକ୍ସ (AI), ଯାହାକୁ ଆଲିଫାଟିକ୍ ସାଇଡ୍ ଚେନ୍ (A, V, I ଏବଂ L) ଦ୍ୱାରା ଦଖଲ କରାଯାଇଥିବା ଏକ ପ୍ରୋଟିନର ଆପେକ୍ଷିକ ଆୟତନ ଭାବରେ ବ୍ୟାଖ୍ୟା କରାଯାଏ, ତାହାକୁ ଗ୍ଲୋବୁଲାର୍ ପ୍ରୋଟିନର ତାପୀୟ ସ୍ଥିରତା ବୃଦ୍ଧି ପାଇଁ ଏକ ଧନାତ୍ମକ କାରକ ଭାବରେ ବିବେଚନା କରାଯାଏ। ପ୍ରୋଟିନ କ୍ରମର ଅତ୍ୟଧିକ ଆଲିଫାଟିକ୍ ଇଣ୍ଡେକ୍ସ ସୂଚାଏ ଯେ ପ୍ରୋଟିନ ଏକ ବିସ୍ତୃତ ତାପମାତ୍ରା ପରିସର ପାଇଁ ସ୍ଥିର ହୋଇପାରେ।

ଇନଷ୍ଟାବିଲିଟି ଇଣ୍ଡେକ୍ସ- ଇନଷ୍ଟାବିଲିଟି ଇଣ୍ଡେକ୍ସ ଏକ ଟେଷ୍ଟ ଟ୍ୟୁବରେ ପ୍ରୋଟିନର ସ୍ଥିରତାର ଏକ ଆକଳନ ପ୍ରଦାନ କରେ। କେତେକ ନିର୍ଦ୍ଦିଷ୍ଟ ଡାଇପେପ୍ଟାଇଡ୍ ଅଛି, ଯାହାର ଘଟଣା ସ୍ଥିର ପ୍ରୋଟିନଗୁଡ଼ିକ ସହିତ ତୁଳନା କଲେ ଅସ୍ଥିର ପ୍ରୋଟିନଗୁଡ଼ିକରେ ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ ଭାବରେ ଭିନ୍ନ। ଏହି ପଦ୍ଧତି ଅସ୍ଥିରତାର ଏକ ଓଜନ ମୂଲ୍ୟ ନିର୍ଦ୍ଧାରଣ କରେ। ଏହି ଓଜନ ମୂଲ୍ୟ ବ୍ୟବହାର କରି ଏକ ଅସ୍ଥିରତା ସୂଚକାଙ୍କ ଗଣନା କରିବା ସମ୍ଭବ। ଯେଉଁ ପ୍ରୋଟିନର ଅସ୍ଥିରତା ସୂଚକାଙ୍କ 40 ଠାରୁ କମ୍, ତାହାକୁ ସ୍ଥିର ଭାବରେ ପୂର୍ବାନୁମାନ କରାଯାଏ, 40 ଠାରୁ ଉପରେ ଏକ ମୂଲ୍ୟ ପୂର୍ବାନୁମାନ କରେ ଯେ ପ୍ରୋଟିନ ଅସ୍ଥିର ହୋଇପାରେ।

ଗ୍ରାଣ୍ଡ ଆଭରେଜ୍ ହାଇଡ୍ରୋପାଥି (GRAVY) ମୂଲ୍ୟ - ଏକ ପେପ୍ଟାଇଡ୍ କିମ୍ବା ପ୍ରୋଟିନ ପାଇଁ ଗ୍ରାଣ୍ଡ ଆଭରେଜ୍ ହାଇଡ୍ରୋପାଥି (GRAVY) ମୂଲ୍ୟ ସମସ୍ତ ଆମିନୋ ଏସିଡ୍ର ହାଇଡ୍ରୋପାଥି ମୂଲ୍ୟର ସମଷ୍ଟି ଭାବରେ ଗଣନା କରାଯାଏ, କ୍ରମରେ ଥିବା ଅବଶିଷ୍ଟ ସଂଖ୍ୟା ଦ୍ୱାରା ଭାଗ କରାଯାଏ। GRAVY ମୂଲ୍ୟର ନିମ୍ନ ପରିସର ଜଳ ସହିତ ଉତ୍ତମ ଇଣ୍ଟରାକ୍ସନ୍ ର ସମ୍ଭାବ୍ୟତା ସୂଚାଏ।

10.1.3.2 ଦ୍ୱିତୀୟକ ଗଠନ ପୂର୍ବାନୁମାନ

ପ୍ରୋଟିନ ଦ୍ୱିତୀୟକ ଗଠନକୁ ଗଭୀର ଭାବରେ ଅଧ୍ୟୟନ କରାଯାଇଛି, କାରଣ ଏହା ଅଜ୍ଞାତ ଗଠନ ସହିତ ପ୍ରୋଟିନର କାର୍ଯ୍ୟ ପ୍ରକାଶ କରିବାରେ ବହୁତ ସାହାଯ୍ୟକାରୀ। ଏହା ଛଡ଼ା, ଏହା ଦର୍ଶାଯାଇଛି ଯେ ପ୍ରୋଟିନ ଦ୍ୱିତୀୟକ ଗଠନ ପୂର୍ବାନୁମାନ ପ୍ରୋଟିନ 3-ଆୟାମୀ ଗଠନ ପୂର୍ବାନୁମାନ ଆଡକୁ ଏକ ପଦକ୍ଷେପ। APSSP, CFSSP, SOPMA, ଏବଂ GOR ସାଧାରଣ ପ୍ରୋଟିନ ଦ୍ୱିତୀୟକ ଗଠନ ପୂର୍ବାନୁମାନ ସାଧନ।

10.1.3.3 ତ୍ରିଆୟାମୀ (3D) ଗଠନ ପୂର୍ବାନୁମାନ

ପ୍ରୋଟିନ 3D ଗଠନ ପୂର୍ବାନୁମାନ କରିବା ପାଇଁ ନିମ୍ନଲିଖିତ ତିନି ଗଣନାତ୍ମକ ପଦ୍ଧତି ସାଧାରଣତଃ ବ୍ୟବହୃତ ହୁଏ।

ହୋମୋଲୋଜି ମଡେଲିଂ- ହୋମୋଲୋଜି ମଡେଲିଂ ପାଇଁ, ଅଜ୍ଞାତ ଗଠନର ଏକ ପ୍ରୋଟିନର ଆମିନୋ ଏସିଡ୍ କ୍ରମ ଜଣାଶୁଣା ଗଠନ ସହିତ ପ୍ରୋଟିନର କ୍ରମ ସହିତ ସମାନ୍ତରାଳ କରାଯାଏ। ଉଚ୍ଚ ଡିଗ୍ରୀର ହୋମୋଲୋଜି (ପ୍ରୋଟିନଗୁଡ଼ିକ ମଧ୍ୟରେ ଏବଂ ମଧ୍ୟରେ ଅତ୍ୟନ୍ତ ସମାନ କ୍ରମ) ଅଜ୍ଞାତ ଗଠନର ପ୍ରୋଟିନର ବିଶ୍ୱବ୍ୟାପୀ ଗଠନ ନିର୍ଧାରଣ କରିବା ଏବଂ ଏହାକୁ ଏକ ନିର୍ଦ୍ଦିଷ୍ଟ ଫୋଲ୍ଡ୍ ବର୍ଗରେ ରଖିବା ପାଇଁ ବ୍ୟବହୃତ ହୋଇପାରେ। ନିମ୍ନ ଡିଗ୍ରୀର ହୋମୋଲୋଜି ଏବେ ମଧ୍ୟ ସ୍ଥାନୀୟ ଗଠନ ନିର୍ଧାରଣ କରିବା ପାଇଁ ବ୍ୟବହୃତ ହୋଇପାରେ, ଦ୍ୱିତୀୟକ ଗଠନ ପୂର୍ବାନୁମାନ ପାଇଁ Chou-Fasman ପଦ୍ଧତି ଏକ ଉଦାହରଣ। ହୋମୋଲୋଜି ମଡେଲିଂ ପଦ୍ଧତିର ଏକ ଉପକାରିତା ହେଉଛି ଭୌତିକ ନିର୍ଧାରକଙ୍କ ଜ୍ଞାନ ଉପରେ ନିର୍ଭରଶୀଳତାର ଅଭାବ। MODELLER ଏବଂ SWISS-MODEL ହୋମୋଲୋଜି ମଡେଲିଂ ପାଇଁ ସାଧାରଣତଃ ବ୍ୟବହୃତ ସାଧନ।

ଫୋଲ୍ଡ୍ ପୂର୍ବାନୁମାନ- ଫୋଲ୍ଡ୍ ଚିହ୍ନଟ ପଦ୍ଧତି ଏକ ପରିପୂରକ ଉପାୟ ନିଏ ଯେଉଁଠାରେ ଗଠନଗୁଡ଼ିକ ସମାନ୍ତରାଳ କରାଯାଏ। ‘ଥ୍ରେଡିଂ’ ନାମକ ପଦ୍ଧତି ସହିତ, ଅଜ୍ଞାତ ଗଠନର ଏକ ପ୍ରୋଟିନର କ୍ରମକୁ ଜଣାଶୁଣା ଗଠନର ଏକ ପ୍ରୋଟିନର ବ୍ୟାକ୍ବୋନ୍ (ପ୍ରୋଟିନ ସାଇଡ୍ ଚେନ୍) ର କନଫର୍ମେସନ୍ ନେବାକୁ ବାଧ୍ୟ କରାଯାଏ। ପ୍ରତ୍ୟେକ ଚେଷ୍ଟା ପାଇଁ ଭୌତିକ ନିର୍ଧାରକମାନେ ଯେତେ ଭଲ ମାପନ କରନ୍ତି, ସମାନ୍ତରାଳ ପାଇଁ ସ୍କୋର ସେତିକି ଭଲ। ଏହି ପଦ୍ଧତିଗୁଡ଼ିକ ହୋମୋଲୋଜି ମଡେଲିଂ ପଦ୍ଧତି ଅପେକ୍ଷା ଅଧିକ ଗଣନା-ଗଭୀର ହେବାକୁ ପ୍ରବୃତ୍ତ, କିନ୍ତୁ ସେମାନେ ଫଳାଫଳର ଭୌତିକ ସମ୍ଭାବ୍ୟତା ଉପରେ ଅଧିକ ଆତ୍ମବିଶ୍ୱାସ ଦେଇଥାନ୍ତି। LIBELLULA ଏବଂ Threader ଏହି ପଦ୍ଧତି ପାଇଁ ସାଧାରଣତଃ ବ୍ୟବହୃତ ସାଧନ।

ଡି ନୋଭୋ ପ୍ରୋଟିନ ଗଠନ ପୂର୍ବାନୁମାନ: ଏହା ଏକ ଆଲଗୋରିଦମିକ୍ ପ୍ରକ୍ରିୟା ଯାହା ଦ୍ୱାରା ପ୍ରୋଟିନ ତୃତୀୟକ ଗଠନ ଏହାର ଆମିନୋ ଏସିଡ୍ ପ୍ରାଥମିକ କ୍ରମରୁ ପୂର୍ବାନୁମାନ କରାଯାଏ। QUARK ହେଉଛି $a b$ ଇନିସିଓ ପ୍ରୋଟିନ ଗଠନ ପୂର୍ବାନୁମାନ ଏବଂ ପ୍ରୋଟିନ ପେପ୍ଟାଇଡ୍ ଫୋଲ୍ଡିଂ ପାଇଁ ଏକ କମ୍ପ୍ୟୁଟର ଆଲଗୋରିଦମ୍, ଯାହାର ଲକ୍ଷ୍ୟ କେବଳ ଆମିନୋ ଏସିଡ୍ କ୍ରମରୁ ସଠିକ୍ ପ୍ରୋଟିନ 3D ମଡେଲ୍ ନିର୍ମାଣ କରିବା। QUARK ମଡେଲ୍ ଛୋଟ ଖଣ୍ଡ (1-20 ଅବଶିଷ୍ଟ ଲମ୍ବା) ରୁ