蛋白质拆叠模式识别方法是蛋白质结构预测方法中自九十年代以来发展最快的方法之一.该方法由靶基蛋白折叠模式库,匹配评估函数,最优联配算法以及排序方法四个基本部分组成.在折叠模式识别方法中最常用的匹配评估函数是平均的结果,过于平均可能会掩盖某些性质而缺乏灵敏性.折叠模式库中不同结构类型的蛋白质可能存在不同的统计规律.该论文对靶蛋白折叠模式进行了结构分类,分别统计得到不同的匹配评估函数(平均势),作者针对不同结构类型的蛋白采用不同的匹配评估函数.最后作者发现不同结构类的蛋白遵循不同的统计规律:α/β库统计得到的平均势预测能力最好,All-α库统计得到的平均势预测能力量最差;对α/β蛋白的预测成功率,对All-α蛋白的预测成功率最差?这与α/β蛋白结构规则性好,All-α蛋白由于未加入辅基不能全面地反映结构的真实情况是相一致的.