蛋白質紊亂對于生物學功能至關重要，蛋白質的結構異常比您想象的更普遍。具有紊亂區域的蛋白質也可能發粘，并在細胞內部和細胞之間聚集在一起，并直接參與許多神經退行性疾病。因此，能夠鑒定蛋白質中的無序區域非常重要。

      不幸的是，通過實驗表征多肽的結構傾向是挑戰性和費時的，因此用于從序列預測蛋白質失調的生物信息學方法是*的。

       因此，近年來，許多生物信息學家構建了區分不折疊的肽序列的算法，這些算法也可以基于各種“特征”，這些特征也源自理化參數(如氨基酸的電荷或疏水性)看進化的相關性。

       現在已經有了許多這樣的預測程序，擁有某種基準來驗證和測試預測具有明顯的價值。為了解決這個難題，Nielsen和Mulder使用沉積的NMR化學位移數據分析了上百種選定的蛋白質，從而生成并驗證了具有代表性的特定于位點和連續性疾病的實驗基準。然后，他們分析了26種廣泛使用的疾病預測方法的性能，發現這些方法有顯著差異。

      他們的研究中進行的全面比較將幫助的蛋白質科學家就哪些程序shi合使用做出更明智的選擇。