生物信息學(xué)-第1次理論

六、蛋白質(zhì)序列數(shù)據(jù)庫(kù)UniPro

Swiss-Prot

TrEMBL

PIR-PSDThemissionof

UniProt

istoprovidethescientificcommunitywithacomprehensive,high-qualityandfreelyaccessibleresourceofproteinsequenceandfunctionalinformation.1.Swiss-ProtSWISS-PROT由瑞士日內(nèi)瓦大學(xué)醫(yī)學(xué)生化系于1978年創(chuàng)建，后來(lái)與歐洲分子生物學(xué)實(shí)驗(yàn)室合作，由瑞士生物信息學(xué)研究所（SwissInstituteofBioinformatics，SIB）和歐洲生物信息學(xué)研究所（EBI）共同維護(hù)和管理現(xiàn)已整合進(jìn)UniProtKB/Swiss-Prot。a.所有序列條目都經(jīng)過(guò)有經(jīng)驗(yàn)的分子生物學(xué)家和蛋白質(zhì)化學(xué)家通過(guò)計(jì)算機(jī)工具并查閱有關(guān)文獻(xiàn)資料仔細(xì)核實(shí)。SWISS-PROT的特點(diǎn)b.每個(gè)條目包含條目基本信息、分類(lèi)信息（描述蛋白質(zhì)的生物來(lái)源）、引用文獻(xiàn)信息、注釋、蛋白質(zhì)序列等(如：ampG)。c.蛋白質(zhì)注釋

包括蛋白質(zhì)的功能、翻譯后修飾（如糖基化和磷酸化）、結(jié)構(gòu)域和結(jié)合位點(diǎn)、二級(jí)結(jié)構(gòu)（如α-螺旋和β-片層）、四級(jí)結(jié)構(gòu)（如同聚體和異聚體）、與其它蛋白質(zhì)序列的相似性、蛋白質(zhì)序列殘缺與疾病的關(guān)系、序列沖突和變異體等信息。d.SWISS-PROT中盡可能減少冗余序列e.

與其它30多個(gè)數(shù)據(jù)庫(kù)建立了交叉引用，其中包括核酸序列數(shù)據(jù)庫(kù)、蛋白質(zhì)序列數(shù)據(jù)庫(kù)和蛋白質(zhì)結(jié)構(gòu)數(shù)據(jù)庫(kù)等。f.利用序列檢索系統(tǒng)（SRS）可以方便地檢索SWISS-PROT和其它EBI的數(shù)據(jù)庫(kù)。2.TrEMBLTrEMBL數(shù)據(jù)庫(kù)建于1995年，意為“TranslationfromEMBL”。該數(shù)據(jù)庫(kù)采用SwissPro數(shù)據(jù)庫(kù)格式，其數(shù)據(jù)來(lái)源于:EMBL核酸序列數(shù)據(jù)庫(kù)（或GenBank、DDBJ）中所有編碼序列經(jīng)計(jì)算機(jī)程序自動(dòng)翻譯的蛋白質(zhì)從文獻(xiàn)中查到的或向SWISS-PROT遞交的并未整合到SWISS-PROT的蛋白質(zhì)序列3.PIR-PSD蛋白質(zhì)信息資源－國(guó)際蛋白質(zhì)序列數(shù)據(jù)庫(kù)（theProteinInformationResource-InternationalProteinSequenceDatabase，PIR-PSD由蛋白質(zhì)信息資源（PIR）、慕尼黑蛋白質(zhì)序列信息中心（MIPS）和日本國(guó)際蛋白質(zhì)序列數(shù)據(jù)庫(kù)（JIPID）共同維護(hù)，PIR是最早的數(shù)據(jù)庫(kù)，現(xiàn)已并入U(xiǎn)niProtKnowledgebase是一個(gè)全面的、非冗余的、經(jīng)過(guò)專(zhuān)家注釋的公共蛋白質(zhì)序列數(shù)據(jù)庫(kù)。PIR-PSD收集已發(fā)表的蛋白質(zhì)序列、來(lái)源、參考文獻(xiàn)和特征信息等，她的注釋中還包括一些原始遞交記錄中沒(méi)有的相關(guān)信息，如在遺傳圖譜的位置、內(nèi)含子位置、以及和其他序列、結(jié)構(gòu)、基因組和引文數(shù)據(jù)庫(kù)（如Medline、PDB和TIGR等）的相互參照PIR-PSD的另一個(gè)重要特征是其對(duì)蛋白質(zhì)超家族的分類(lèi)，提供序列的等級(jí)聚類(lèi)信息，揭示序列間的進(jìn)化關(guān)系。4.UniPro蛋白質(zhì)信息資源（PIR）、歐洲生物信息學(xué)研究所（EBI）和瑞士生物信息學(xué)研究所（SIB）合作，于2002年共同組建世界蛋白質(zhì)資源（theUniversalProteinResource，UniPro）。UniPro把Swiss-Prot、TrEMBL和PIR等蛋白質(zhì)數(shù)據(jù)庫(kù)整合在一起，是目前國(guó)際上最全面的蛋白質(zhì)信息庫(kù)。TheUniProtKnowledgebase(UniProtKB)TheUniProtKnowledgebasecontinuestheworkofSwiss-Prot,TrEMBLandPIR-PSDbyprovidinganexpertlyandrichlycuratedproteindatabaseConsistingoftwosections.UniProtKB/Swiss-ProtUniProtKB/TrEMBL.UniProtReferenceClusters(UniRef)TheUniProtReferenceClusters(UniRef)

provideclusteredsetsofsequencesfromUniProtKBandselectedUniParcrecords.Itprovidecompletecoverageofsequencespaceatseveralresolutionsandspeedsimilaritysearchesviasequencespacecompressionbymergingsequencesthatare100%(UniRef100),90%(UniRef90)or50%(UniRef50)identical.UniRef90andUniRef50yieldadatabasesizereductionofapproximately40%and65%,respectively,providingsignificantlyfastersequencesearches.UniProtArchive(UniParc)Captureallpubliclyavailableproteinsequencedataandcontainsalltheproteinsequencesfromthemainpubliclyavailableproteinsequencedatabases.UniParcisthemostcomprehensivepubliclyaccessiblenon-redundantproteinsequencedatabase.Youcaninstantlyfindoutwhetherasequenceofinterestisalreadyinthepublicdomainand,ifnot,identifyitsclosestrelatives.YoucanalwaystracethesourcedatabasebecauseUniParccross-referencestheiraccessionnumbers.Youcanobservesequencechangesinallthesourcedatabases.UniParcrecordsarenotannotated5.Uni-Pro數(shù)據(jù)檢索七、疾病相關(guān)基因數(shù)據(jù)庫(kù)（1）OMIM：OMIM（OnlineMendelianInheritanceinMan）是美國(guó)JonhsHopkins大學(xué)Dr.VictorA.McKusick等人建立和編輯的有關(guān)人類(lèi)基因和遺傳病目錄的電子版。于本世紀(jì)60年代創(chuàng)立，旨在為臨床醫(yī)師和遺傳病研究工作者提供服務(wù)。OMIM包含大量的及時(shí)更新的有關(guān)人類(lèi)基因及其突變序列數(shù)據(jù)和遺傳病的臨床特征等信息和相關(guān)參考文獻(xiàn)。OMIM數(shù)據(jù)庫(kù)基本信息

MIM----概述、克隆、基因結(jié)構(gòu)、物理圖、基因功能、生化特征、分子遺傳學(xué)、動(dòng)物模型、等位突變、參考文獻(xiàn)、編輯史等．Eztrezgene----分類(lèi)、參考序列、蛋白質(zhì)等LinkoutP53基因的OMIM檢索結(jié)果：（2）GeneCardsGeneCards數(shù)據(jù)庫(kù)是由以色列Weizmann科學(xué)研究所（WeizmannInstituteofScience）和Crown人類(lèi)基因組中心（CrownHumanGenomeCenter）建立和維護(hù)的它鏈接、收集了如HUGO，SWISS-PORT，Genbank，PubMed，OMIM，HGMD，Unigene等五十多個(gè)數(shù)據(jù)庫(kù)，提供有關(guān)人類(lèi)、果蠅、小鼠等基因的相關(guān)信息，以及多種遺傳性疾病、癌癥、轉(zhuǎn)基因資料它對(duì)所有數(shù)據(jù)庫(kù)的信息進(jìn)行了科學(xué)地分類(lèi)整理，形成了一個(gè)關(guān)于基因及其產(chǎn)物的生物學(xué)和醫(yī)學(xué)信息的電子百科全書(shū)它的智能化的導(dǎo)航系統(tǒng)，使用戶能方便地查找感興趣的內(nèi)容。它還提供了幾十個(gè)鏡像站，與很多的研究所、醫(yī)院、基因中心等鏈接，便于用戶進(jìn)一步查找相關(guān)信息。八、蛋白質(zhì)數(shù)據(jù)分析

由于傳統(tǒng)的用X光晶體衍射和核磁共振技術(shù)測(cè)定蛋白質(zhì)的三維結(jié)構(gòu)、用生化方法研究蛋白質(zhì)功能的效率不高，無(wú)法適應(yīng)由基因組測(cè)序所帶來(lái)的蛋白質(zhì)序列數(shù)量飛速增長(zhǎng)的需要，近年來(lái)，許多科學(xué)家致力于用理論計(jì)算的方法預(yù)測(cè)蛋白質(zhì)的三維結(jié)構(gòu)和功能，提高蛋白質(zhì)功能研究的效率，并取得了一定的成果。1.蛋白質(zhì)基本性質(zhì)分析蛋白質(zhì)序列分析的基本方面：包括分析蛋白質(zhì)的氨基酸組成、相對(duì)分子質(zhì)量、等電點(diǎn)、親水性、疏水性、消光系數(shù)、信號(hào)肽等在一些蛋白質(zhì)數(shù)據(jù)庫(kù)如UniPro等可查詢(xún)到已收錄序列的基本理化性狀對(duì)于新得到的蛋白質(zhì)序列，可通過(guò)蛋白質(zhì)序列分析專(zhuān)家系統(tǒng)ExPASy服務(wù)系統(tǒng)的蛋白組學(xué)工具軟件如ProtParam、ProScale和ComputepI/Mw等軟件進(jìn)行分析（）2.蛋白質(zhì)功能預(yù)測(cè)InterPro數(shù)據(jù)庫(kù)與蛋白質(zhì)功能預(yù)測(cè)蛋白質(zhì)的功能分類(lèi)蛋白質(zhì)序列的代謝途徑分析

由EBI，SIB，SangerInstitute

等十多家單位維護(hù)結(jié)合了UniProt、PROSITE，

Pfam，PRINTS，ProDom、

SMART，PANTHER和

Gene3D等數(shù)據(jù)庫(kù)（1）InterPro數(shù)據(jù)庫(kù)與蛋白質(zhì)功能預(yù)測(cè)InterPro功能

收集了已知蛋白質(zhì)家族、蛋白質(zhì)功能域和功能位點(diǎn)的信息，可用于未知蛋白質(zhì)序列的：分類(lèi)（superfamily,familyandsubfamilylevels）功能域重復(fù)序列重要位點(diǎn)其他的包括GOterms等深度注釋不同數(shù)據(jù)庫(kù)在數(shù)據(jù)組成上有所不同Pfam包含常見(jiàn)的蛋白質(zhì)功能域和蛋白質(zhì)家族，可瀏覽蛋白質(zhì)家族的多序列比對(duì)結(jié)果、蛋白質(zhì)功能域的立體構(gòu)造、蛋白質(zhì)家族的物種分布等。PANTHER主要包含蛋白質(zhì)家族的功能分類(lèi)信息，一個(gè)大的蛋白質(zhì)家族進(jìn)一步按功能上的差異被歸納成一些次家族，顯示蛋白質(zhì)家族不同成員的特定功能的差異，使蛋白質(zhì)家族的功能表達(dá)更準(zhǔn)確。ProDom家族是由UniProtKnowledgeDatabase中自動(dòng)生成的綜合性的蛋白質(zhì)功能域家族數(shù)據(jù)庫(kù)。VisualizationofProDomdomainson3Dstructures;couplingofProDomanalysiswiththeGeno3Dhomologymodellingserver;ProDom-SG,aProDom-basedserverdedicatedtotheselectionofcandidateproteinsforstructuralgenomics.SMART由兩部分組成，普通SMART（NormalSMART）收集了Swiss-Prot，SP-TrEMBL和stableEnsemblproteomes的蛋白質(zhì)數(shù)據(jù)，而基因組SMART（GenomicSMART）僅包含全基因組測(cè)序的生物基因組的蛋白質(zhì)信息。(2)

蛋

白質(zhì)的功能分類(lèi)

基因分類(lèi)協(xié)會(huì)（GeneOntologyConsortium，GOC）整合了現(xiàn)有數(shù)據(jù)庫(kù)生物信息資源，建立了基因分類(lèi)數(shù)據(jù)庫(kù)（theGeneOntology）GOC基因分類(lèi)協(xié)會(huì)(GOC)建立了可控的動(dòng)態(tài)詞匯系統(tǒng)，它從分子功能(MolecularFunction)、生物過(guò)程(BiologicalProcess)和細(xì)胞組分(CellularComponent)3個(gè)不同分類(lèi)角度，建立了3棵分類(lèi)樹(shù)對(duì)已經(jīng)分類(lèi)到樹(shù)上的同源蛋白質(zhì)序列，賦予蛋白質(zhì)特定的術(shù)語(yǔ)名稱(chēng)和GO編號(hào)GOC各成員提供其蛋白質(zhì)數(shù)據(jù)庫(kù)中已分類(lèi)的蛋白編號(hào)和GO號(hào)對(duì)照表，是對(duì)未知蛋白序列進(jìn)行分類(lèi)的參照和標(biāo)準(zhǔn)目前GeneBank和SwissProt已有60多萬(wàn)條蛋白序列具有GO號(hào)，即它們定位于GO的分類(lèi)樹(shù)上。同時(shí)一些綜合的蛋白質(zhì)注釋數(shù)據(jù)庫(kù)如酶協(xié)會(huì)(EC)、InterPro等與GO還有相對(duì)應(yīng)的列表，從而使蛋白序列數(shù)據(jù)庫(kù)和分類(lèi)樹(shù)建立起聯(lián)系GOC基因分類(lèi)協(xié)會(huì)成員TheOntologiesGO的組織原則：cellularcomponentbiologicalprocess

molecularfunction.Ageneproductmightbeassociatedwithorlocatedinoneormorecellularcomponents;itisactiveinoneormorebiologicalprocesses,duringwhichitperformsoneormoremolecularfunctions.

如基因產(chǎn)物cytochromec可被描述成：

themolecularfunctionterm：oxidoreductaseactivity

thebiologicalprocessterms：

oxidativephosphorylationandinductionofcelldeath

thecellularcomponentterms：

mitochondrialmatrixandmitochondrialinnermembrane3個(gè)分支：分子功能、生物過(guò)程和細(xì)胞組成FunctionalclassNumberPercentageRegulatoryfunction451.05Putativeregulatoryproteins1333.10Cellstructure1824.24Putativemembraneproteins130.30Putativestructuralproteins420.98Phage,transposons,plasmids872.03Transportandbindingproteins2816.55Putativetransportproteins1463.40Energymetabolism2435.67DNAreplication,bination,modification,andrepair1152.68Transcription,RNAsynthesis,metabolism,andmodification551.28Translation,posttranslationalproteinmodification1824.24E.coliproteins的22個(gè)功能類(lèi)群

（tobecontinued）

FunctionalclassNumberPercentage

Cellprocesses(includingadaptation,protection)1884.38Biosynthesisofcofactors,prostheticgroups,andcarriers1032.40Putativechaperones90.21Nucleotidebiosynthesisandmetabolism581.35Aminoacidbiosynthesisandmetabolism1313.06Fattyacidandphospholipidmetabolism481.12Carboncompoundcatabolism1303.03Centralintermediarymetabolism1884.38Putativeenzymes2515.85Otherknowngenes(geneproductorphenotypeknown)260.61Hypothetical,unclassified,unknown163238.06Total4288100.00編碼序列的注釋?zhuān)?/p>

DistributionofSC-B67proteinsamong22functionalgroups(3)蛋白質(zhì)序列的代謝途徑分析京都基因和基因組百科全書(shū)（KyotoEncyclopediaofGenesandGenomes，KEGG，）是日本京都大學(xué)生物信息學(xué)中心建立和維護(hù)的系統(tǒng)分析基因功能的綜合數(shù)據(jù)庫(kù)

包含7萬(wàn)多條代謝途徑的數(shù)據(jù)庫(kù)有關(guān)基因目錄（GeneCatalogs）的基因數(shù)據(jù)庫(kù)（GENES）有關(guān)功能等級(jí)（FunctionalHierarchies）的BRITE數(shù)據(jù)庫(kù)有關(guān)化學(xué)物質(zhì)及其反應(yīng)（BioChemicalcompoundsandReactions）配體數(shù)據(jù)庫(kù)（LIGAND）KEGGDatabases

KEGGpathway數(shù)據(jù)的結(jié)構(gòu)3.蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)(1)蛋白質(zhì)二級(jí)結(jié)構(gòu)預(yù)測(cè)二級(jí)結(jié)構(gòu)：是指廣泛地存在于球狀蛋白質(zhì)內(nèi)的α－螺旋（α-helix）、β－折疊（β-pleatedsheet）和β－轉(zhuǎn)角（β-turn）等規(guī)則的蛋白質(zhì)局部結(jié)構(gòu)單元。在球狀蛋白質(zhì)中，常見(jiàn)若干相鄰的二級(jí)結(jié)構(gòu)單元組合在一起，形成規(guī)則的、在空間上能辨認(rèn)的充當(dāng)三級(jí)結(jié)構(gòu)構(gòu)件（blockbuilding）的二級(jí)結(jié)構(gòu)組合體（combination），又稱(chēng)超二級(jí)結(jié)構(gòu)（supersecondarystructure）。蛋白質(zhì)二級(jí)結(jié)構(gòu)的預(yù)測(cè)大多通過(guò)與已知蛋白質(zhì)的三維結(jié)構(gòu)和二級(jí)結(jié)構(gòu)相比較，或通過(guò)計(jì)算各種結(jié)構(gòu)中氨基酸出現(xiàn)的頻率規(guī)律，結(jié)合人工神經(jīng)網(wǎng)絡(luò)、遺傳算法等技術(shù)構(gòu)建預(yù)測(cè)方法實(shí)現(xiàn)的。目前，二級(jí)結(jié)構(gòu)預(yù)測(cè)對(duì)α－螺旋預(yù)測(cè)精度較好，對(duì)β－折疊的預(yù)測(cè)精度差些。蛋白質(zhì)二級(jí)結(jié)構(gòu)預(yù)測(cè)的工具用于蛋白質(zhì)二級(jí)結(jié)構(gòu)預(yù)測(cè)的工具較多，如：PredictProtein（）ANTHEPROT（http：//antheprot-pbil.ibcp.fr/）COILS（http：/