生命组学
蛋白质之间的互作可以有以下应用：
Eg：改变蛋白质基因，从而组改变结构，削弱蛋白质之间的相互作用。
Eg：数据模拟出蛋白质的靶点，即结合腔，将此数据存入结合化合物的dataset，用于制药
结构预测：
通用方法：首先将得到序列采用Fasta（全局序列比对）&blast（局部序列比对）在PDB中（此数据库中有实验数据和计算预测得到的数据）找模板modeling。找模板的方法可以基于sequence similarity。可以基于structure相似性，因为存在氨基酸序列不同但是最终组成相似结构的情况，此方法quality高。可以基于研究目的（ligands and cofactors）。对于alignment方面，最好采用全局比对，多模板序列比对可得到低相似度结果但比较准确，pair模板序列比对结果具有高相似度，可用于保守区验证。model building方法：1.满足钢铁模型直接把保守区域的copy到给未知序列。2.方法一对于序列要求很高，必有没能连上的部分，没连上部分fragment assembly，这样得到的结构与膜件相似度高3.通过空间限制条件，利用打分机制判断，结果准确同时与膜件相似度低。用于assembly的software有insight QUANTA和SYBYL COMPOSER，这两个软件是图形界面且收费。也可使用MODELLER编译。在线分析软件有SWISS_MODEL、WHAT IF、3D-JIGSAW、CPH-Model。
普通方法用于水环境，Membrane protein溶液环境。
实验测困难，所以采用bioinformation的方法预测结构，特殊之处在于modeling Membrane protein structure模板是GPCRs（有螺旋），主要预测蛋白质形态，所处位置和胞内胞外结构，再将三者组合成初始结构，然后进一步优化旋转方向。
功能预测基于已解析的功能信息，有以下五种原理：
1.可使用自动化脚本在数据库中找sequence similarity，利用experiment判据选择。
2.因为结构比序列更保守，所以可采用structure-based。利用结构相似性找对应序列，分解出序列特征，通过序列相似性找相似性功能SCOP。其中，不同层级准确性不同：class <fold <superfamily <family
3.可通过预测结合腔的大小、形状、理化性质，从而得到功能域信息，有功能域就有功能
4.以motif-based为基本单位预测，选择可用功能，之后做进化树判断选择近源功能。
5.从System level角度来说，在KEGG pathway找到通路中的功能。
蛋白质之间互作网络便是PPI网络，它有两种类型：1.几种蛋白质参与同一个生物学过程，这是间接互作。2.几种蛋白质组成同一个复合物，这是直接接触而互作（eg：蛋白质复合物；四级结构）共同作用结果是行使功能。
研究互作方法：
- Phylogenetic profile method：某些基因经常同时存在，则认为这些基因对应蛋白质互作。
- Gene neighborhood：基因相对位置保守，则认为这些蛋白质互作。
- 物种A中两个功能域在同一个蛋白上，物种B中转变为两个蛋白质，则认为这两个蛋白质互作。这是因为真核生物中的调控更复杂，需要更多原件，所以有些功能域分化出来，基因组变大。
- 基因共进化：因为基因组系统发育树相近所以有可能蛋白质拓扑关系一致（eg1：一个带正电一个带负电。Eg2：金属A与金属B互作，A变则B也变），可以用跨物种比对拓扑关系，比对可用打分矩阵，最后用相关系数来判断，若等于1则说明有互作。