funktionsprediktion

Funktionsprediktion bezeichnet in der Biologie und Bioinformatik die computergestützte Vorhersage bzw. Zuweisung biologischer Funktionen zu Genen oder Proteinen. Ziel ist es, aus Sequenz-, Struktur-, Genomkontext- oder Interaktionsdaten plausible Funktionsannotationen abzuleiten, insbesondere für neu sequenzierte Organismen oder bisher uncharakterisierte Proteine. Die Ergebnisse werden typischerweise in Form von Gene-Ontology-Begriffen (GO), Enzymklassifikationen (EC) oder in Datenbanken wie UniProt dargestellt.

Typische Ansätze umfassen sowohl etablierte als auch moderne Methoden. Dazu gehören homologiebasierte Annotationen, bei denen Funktionen aus gut annotierten Spezies übertragen werden, sofern ausreichende Ähnlichkeit besteht. Domain- und Motif-basierte Ansätze nutzen Ressourcen wie InterPro, Pfam oder SMART, um funktionale Bausteine zu identifizieren. Strukturbasierte Prädiktionen vergleichen dreidimensionale Strukturen oder aktive Zentren, etwa mit Phyre2 oder DALI. Genomischer Kontext, einschließlich Gennachbarschaft und Syntenie, liefert Hinweise, insbesondere bei Prokaryoten. Netwerk- und Systemansätze berücksichtigen Protein-Protein-Interaktionen und omics-Daten zur Funktionsableitung per „Guilt by association“. Maschinelles Lernen und Deep Learning nutzen Sequenz- oder Strukturmerkmale sowie Expressionsdaten, während Text Mining aus der wissenschaftlichen Literatur zusätzliche Evidenz liefert.

Ausgaben der Funktionsprediktion umfassen GO-Tags, EC-Nummern, funktionale Domainzuordnungen oder Pfadzuordnungen in KEGG. Wichtige Ressourcen sind UniProt, GO, InterPro und KEGG. Die Leistung wird typischerweise mit Präzision, Recall, F1-Score oder semantischen Ähnlichkeitsmaßen gemessen, oft in Benchmark-Experimenten wie CAFA. Herausforderungen bleiben fehlerhafte Funktionsübertragung, Bias in verfügbaren Daten und die Kontextabhängigkeit von Funktionen. Anwendung finden Verfahren in Genomannotation, funktioneller Genomanalyse und der unterstützten Interpretation von Experimente.