生物分子相分离因参与诸多重要生理病理过程而近年来备受关注。目前，已有多个研究组基于不同算法和数据集发展了预测相分离蛋白质的相关工具，但这些工具的预测性能如何并没有被系统地比较和检验。基于最近发展的蛋白质体外液-液相分离数据库LLPSDBv2.0（Bioinformatics. 2022,38:2010-2014）以及不同的阴性数据集，生命学院张竹青课题组对目前已发表的11种相分离蛋白预测算法做了系统评估。结果表明，新一代预测算法如FuzDrop, DeePhase, PSPredictor 和LLPhyScore，在以折叠结构蛋白及人类蛋白质组为阴性数据集时预测效果较好，但这些算法在识别相应实验条件下未相分离蛋白（non-PSPs）方面，以及在预测蛋白质相分离倾向性方面表现出一定的局限性，更多的实验数据积累及更有效的算法将有助于蛋白质相分离预测算法的进一步发展。相关论文“Evaluation of sequence-based predictors for phase-separating protein” 于近日在国际生物信息学类专业期刊Briefings in Bioinformatics上在线发表（https://doi.org/10.1093/bib/bbad213）。生命学院硕士生廖绍峰为论文第一作者，张钰君参与了部分工作，张竹青教授与复旦大学戚逸飞副教授为论文通讯作者。该研究得到了国家自然科学基金和中国科学院大学优秀教师科研能力提升项目的支持。
