經計算後可預測蛋白質的二級構造，此法經已知結構的蛋白質研究與預測結果比對驗證，其準確性可達95%以上 蛋白質三級構造的預測- 三級構造的預測較為複雜，目前仍仰賴計算機龐大的資料存取與計算能力

 但一級構造的分析對研究蛋白質是否具有轉譯後的修飾作用仍深具價值 蛋白質定序步驟*- 蛋白質純化，可利用蛋白質的大小、帶電特性、溶解度或與特定物質的吸附作用等 - 次單元的分離，可利用高鹽濃度或改變溶液的pH值- N端與C端胺基酸的定性分析- 利用酵素或化學試劑的作用將多肽鏈分割成小片段，確保定序結果的正確性- 胺基酸自動定序 - 序列的重組- 雙硫鍵的定位*，可利用對角線電泳 N端胺基酸定性 FDNB PITC Edman降解反應 蛋白質定序過程 硫鍵的定位- Diagonal electrophoresis (對角線電泳) 其他的定序方法-

在這篇巴西針對中年男性的研究中發現紅肉和代謝症候群、胰島素阻抗、油脂過氧化等等有顯著相關 攝取85克以上紅肉的族群與攝取56克以下族群的相比代謝症侯群盛行率胰島素阻抗指數LDL氧化指數攝取白肉卻沒有相同的現象有趣的是台灣最近的研究發現紅肉攝取量和總死亡率，心血管疾病死亡率，癌症死亡率都沒有顯著的相關趨勢但並非紅肉對台灣人無害，而可能是我們還沒吃到那麼嚴重的攝取量 根據台灣趨勢研究股份有限公司於2015年的調查消費者的購買喜好 81.3%根據2005-2008年的國民營養調查台灣民眾的蛋白質攝取來源所以依照我們目前的攝取習慣，是不是該改吃白肉了？ 現場調查一下，這幾個部位愛吃哪一個？雞胸肉 雞腿根據胺基酸調查發現，台灣民眾最愛吃的部位是雞腿只選擇雞腿肉，其實很可惜，

出現在各類二級構造中的相對頻率給予特定數值(如 P α , Pβ , Pt)，經計算後可預測蛋白質的二級構造，此法經已知結構的蛋白質研究與預測結果比對驗證，其準確性可達95%以上 蛋白質三級構造的預測- 三級構造的預測較為複雜，目前仍仰賴計算機龐大的資料存取與計算能力(computer-based calculation, 以energy minimum為原則)進行 - 配合進一步分析已知結構的蛋白質中不同層級的細部 構造(knowledge-based method, 利用多種 database)，尚未能精準有效的預測結果 - 其他方法1. 分析不同蛋白質的胺基酸序列，可推斷蛋白質是否為同源蛋白，即源自同一個祖先 2. 以肌紅蛋白與血紅素的研究為例

親和性層析法（affinity chromatography）則利用蛋白質結合親和力之差異加以分離。  管柱中之膠體顆粒上共價聯結了特定化學分子基團 （配位基），會與這些配位基作專一性結合之蛋白質分子留在管柱上，因此延滯了它們通過管柱的速度，藉此達到分離純化的效果（圖3-18c）。  圖3-18(c) 顯示親和性層析法利用蛋白質與固定相 精氨酸基質上連接之特殊配位基間結合專一性能力之差異進行分離。會與固定相基質上交聯之特殊配位基作專一性結合之蛋白質分子會留在管柱上，不會結合的蛋白質則被緩衝液沖提出來。爾後再以含有游離配位基之緩衝液進行沖提，將結合在管柱上之蛋白質沖提出來，藉此達到純化的效果。 圖3-18(c) 蛋白質純化常用的三種管柱層析方法  最新改良的層析法是高效能液相層析法（high performance liquid chromatography；HPLC）。此方法利用高壓幫浦，搭配填充可抵抗高壓流動下造成 之碎裂力之高品質層析介質，以提高蛋白質分子在管柱中移動的速度。藉由層析時間的減少，HPLC 可有效限制蛋白質色帶的擴散分散現象，因而大幅提升解析度。  隨著每個純化步驟的完成，精氨酸蛋白質樣品含量與體積通常會隨之減少（表3-5），此時較適合以更複雜（且較昂貴）的管柱層析法加以分離。

R. Bruce Merrifield 的關鍵新發明是將胜肽之一端連接在固相擔體上來進行合成反應。此固相支持物是一種不溶性的聚合物（樹脂），類似管柱層析實驗中所用的填充物。  胜肽就是在此固相擔體上以重複循環之標準反應組合將胺基酸殘基一個接一個依序聯結而成（圖3-29）。  在每個連續性的步驟中，胺基酸上的保護基可避免無謂的副反應發生。