來自德國慕尼黑大學的研究人員發表了題為“HHblits: lightning-fast iterative protein sequence searching by HMM-HMM alignment”的文章，介紹一種能提高蛋白序列比對分析的新工具：HHblits，這是一種能極大增加蛋白功能性分析技術的軟件，能通過新穎的序列尋找方法，更快更準確的識別數據庫中具有相似序列的蛋白，比現有的方法能快2500倍！相關成果公布在Nature Methods雜志上。

領導這一研究的是慕尼黑大學基因中心的Johannes Söding博士，他表示，“我們的方法能延伸序列分析的廣度和力度，從而能方便之后的蛋白結構和功能的解析?！?SPAN lang=EN-US>

蛋白存在于生命中幾乎所有生化過程中，一個蛋白的功能很大程度上依賴于其20種氨基酸排列組合的順序，以及氨基酸序列組成的三維空間結構。因此對于序列相似的蛋白來說，生物信息學方法能預測出其進化相關性，從而預測出相似的結構和功能。

所以蛋白結構分析是蛋白研究的一個重要方面，蛋白結構比對也成為了常規手段之一，研究人員常常在公眾數據庫中比對蛋白結構，通過分析這些相似的已知結構來分析蛋白的功能，Söding博士說，“這種序列分析方法是生物信息學領域的一種基礎研究手段?！?SPAN lang=EN-US>

序列尋找程序能通過計算配對方式來評估序列相似性——兩個氨基酸序列被按照先后順序排列，這是根據常見識別，或者同樣方式的氨基酸配對。“也許比配對序列相似性更加重要的是，所謂的多序列比對，在這種情況下，研究人員可以尋找許多相關蛋白中的相似序列，或者將其安排進矩陣中——矩陣是指每個序列排列一行，相同單元中具有相同氨基酸”，Söding博士說。因為進化上相關蛋白的功能和結構都通常是保守的，比如說即使進化過程中出現突變，序列改變了，但是多序列比對能找到未知蛋白的結構和分子功能。

在過去的15年間，最流行的比對蛋白質序列的工具是PSI-BLAST，這是由于這一程序兼具速度和高靈敏度，以及精確度。

但這一新成果，Söding博士的這一最新HHblits方法在各方面更勝一籌，這主要體現在兩個方面，首先研究人員能將興趣蛋白的序列，與數據庫中蛋白的序列相互轉換，進入Hidden Markov Models (HMMs)模式，HMMs是一種能配合序列比對過程中出現的突變可能的統計模型，因此這一步能提升亞序列相似搜索的靈敏度和準確性。

其次，這一研究組還研發了一種能幫助降低篩選量，而又不損害搜索靈敏性的過濾成像，這種方法能將搜索時間提高2500倍，Söding博士強調這種HHblits方法，比較于之前的方法，能更快更精確預測蛋白功能和結構，其研究組已經著手更深入提升這一方法，這包括協同蛋白三維結構數據進行分析。