生物信息學蛋白質(zhì)序列數(shù)據(jù)庫包其郁

生物信息學蛋白質(zhì)序列數(shù)據(jù)庫包其郁第1頁，共73頁，2023年，2月20日，星期一Themissionof

UniProt

istoprovidethescientificcommunitywithacomprehensive,high-qualityandfreelyaccessibleresourceofproteinsequenceandfunctionalinformation.第2頁，共73頁，2023年，2月20日，星期一第3頁，共73頁，2023年，2月20日，星期一1.Swiss-ProtSWISS-PROT由瑞士日內(nèi)瓦大學醫(yī)學生化系于1978年創(chuàng)建，后來與歐洲分子生物學實驗室合作，由瑞士生物信息學研究所（SwissInstituteofBioinformatics，SIB）和歐洲生物信息學研究所（EBI）共同維護和管理現(xiàn)已整合進UniProtKB/Swiss-Prot。第4頁，共73頁，2023年，2月20日，星期一a.所有序列條目都經(jīng)過有經(jīng)驗的分子生物學家和蛋白質(zhì)化學家通過計算機工具并查閱有關(guān)文獻資料仔細核實。SWISS-PROT的特點第5頁，共73頁，2023年，2月20日，星期一b.每個條目包含條目基本信息、分類信息（描述蛋白質(zhì)的生物來源）、引用文獻信息、注釋、蛋白質(zhì)序列等(如：ampG)。第6頁，共73頁，2023年，2月20日，星期一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、二級結(jié)構(gòu)（如α-螺旋和β-片層）、四級結(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。第7頁，共73頁，2023年，2月20日，星期一d.SWISS-PROT中盡可能減少冗余序列e.

與其它30多個數(shù)據(jù)庫建立了交叉引用，其中包括核酸序列數(shù)據(jù)庫、蛋白質(zhì)序列數(shù)據(jù)庫和蛋白質(zhì)結(jié)構(gòu)數(shù)據(jù)庫等。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。第8頁，共73頁，2023年，2月20日，星期一2.TrEMBLTrEMBL數(shù)據(jù)庫建于1995年，意為“TranslationfromEMBL”。該數(shù)據(jù)庫采用SwissPro數(shù)據(jù)庫格式，其數(shù)據(jù)來源于:EMBL核酸序列數(shù)據(jù)庫（或GenBank、DDBJ）中所有編碼序列經(jīng)計算機程序自動翻譯的蛋白質(zhì)從文獻中查到的或向SWISS-PROT遞交的并未整合到SWISS-PROT的蛋白質(zhì)序列第9頁，共73頁，2023年，2月20日，星期一3.PIR-PSD蛋白質(zhì)信息資源－國際蛋白質(zhì)序列數(shù)據(jù)庫（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）和日本國際蛋白質(zhì)序列數(shù)據(jù)庫（JIPID）共同維護，PIR是最早的數(shù)據(jù)庫，現(xiàn)已并入UniProtKnowledgebase第10頁，共73頁，2023年，2月20日，星期一是一個全面的、非冗余的、經(jīng)過專家注釋的公共蛋白質(zhì)序列數(shù)據(jù)庫。PIR-PSD收集已發(fā)表的蛋白質(zhì)序列、來源、參考文獻和特征信息等，她的注釋中還包括一些原始遞交記錄中沒有的相關(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（如Medline、PDB和TIGR等）的相互參照PIR-PSD的另一個重要特征是其對蛋白質(zhì)超家族的分類，提供序列的等級聚類信息，揭示序列間的進化關(guān)系。第11頁，共73頁，2023年，2月20日，星期一4.UniPro蛋白質(zhì)信息資源（PIR）、歐洲生物信息學研究所（EBI）和瑞士生物信息學研究所（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)庫整合在一起，是目前國際上最全面的蛋白質(zhì)信息庫。第12頁，共73頁，2023年，2月20日，星期一第13頁，共73頁，2023年，2月20日，星期一TheUniProtKnowledgebase(UniProtKB)TheUniProtKnowledgebasecontinuestheworkofSwiss-Prot,TrEMBLandPIR-PSDbyprovidinganexpertlyandrichlycuratedproteindatabaseConsistingoftwosections.UniProtKB/Swiss-ProtUniProtKB/TrEMBL.第14頁，共73頁，2023年，2月20日，星期一UniProtReferenceClusters(UniRef)TheUniProtReferenceClusters(UniRef)

provideclusteredsetsofsequencesfromUniProtKBandselectedUniParcrecords.Itprovidecompletecoverageofsequencespaceatseveralresolutionsandspeedsimilaritysearchesviasequencespacecompressionbymergingsequencesthatare100%(UniRef100),90%(UniRef90)or50%(UniRef50)identical.UniRef90andUniRef50yieldadatabasesizereductionofapproximately40%and65%,respectively,providingsignificantlyfastersequencesearches.第15頁，共73頁，2023年，2月20日，星期一UniProtArchive(UniParc)Captureallpubliclyavailableproteinsequencedataandcontainsalltheproteinsequencesfromthemainpubliclyavailableproteinsequencedatabases.UniParcisthemostcomprehensivepubliclyaccessiblenon-redundantproteinsequencedatabase.Youcaninstantlyfindoutwhetherasequenceofinterestisalreadyinthepublicdomainand,ifnot,identifyitsclosestrelatives.YoucanalwaystracethesourcedatabasebecauseUniParccross-referencestheiraccessionnumbers.Youcanobservesequencechangesinallthesourcedatabases.UniParcrecordsarenotannotated第16頁，共73頁，2023年，2月20日，星期一第17頁，共73頁，2023年，2月20日，星期一5.Uni-Pro數(shù)據(jù)檢索第18頁，共73頁，2023年，2月20日，星期一第19頁，共73頁，2023年，2月20日，星期一第20頁，共73頁，2023年，2月20日，星期一第21頁，共73頁，2023年，2月20日，星期一第22頁，共73頁，2023年，2月20日，星期一第23頁，共73頁，2023年，2月20日，星期一第24頁，共73頁，2023年，2月20日，星期一第25頁，共73頁，2023年，2月20日，星期一第26頁，共73頁，2023年，2月20日，星期一第27頁，共73頁，2023年，2月20日，星期一第28頁，共73頁，2023年，2月20日，星期一第29頁，共73頁，2023年，2月20日，星期一七、疾病相關(guān)基因數(shù)據(jù)庫（1）OMIM：OMIM（OnlineMendelianInheritanceinMan）是美國JonhsHopkins大學Dr.VictorA.McKusick等人建立和編輯的有關(guān)人類基因和遺傳病目錄的電子版。于本世紀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包含大量的及時更新的有關(guān)人類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。第30頁，共73頁，2023年，2月20日，星期一第31頁，共73頁，2023年，2月20日，星期一第32頁，共73頁，2023年，2月20日，星期一OMIM數(shù)據(jù)庫基本信息

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、動物模型、等位突變、參考文獻、編輯史等．Eztrezgene----分類、參考序列、蛋白質(zhì)等LinkoutP53基因的OMIM檢索結(jié)果：第33頁，共73頁，2023年，2月20日，星期一第34頁，共73頁，2023年，2月20日，星期一（2）GeneCardsGeneCards數(shù)據(jù)庫是由以色列Weizmann科學研究所（WeizmannInstituteofScience）和Crown人類基因組中心（CrownHumanGenomeCenter）建立和維護的它鏈接、收集了如HUGO，SWISS-PORT，Genbank，PubMed，OMIM，HGMD，Unigene等五十多個數(shù)據(jù)庫，提供有關(guān)人類、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)基因資料它對所有數(shù)據(jù)庫的信息進行了科學地分類整理，形成了一個關(guān)于基因及其產(chǎn)物的生物學和醫(yī)學信息的電子百科全書它的智能化的導(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，便于用戶進一步查找相關(guān)信息。第35頁，共73頁，2023年，2月20日，星期一第36頁，共73頁，2023年，2月20日，星期一第37頁，共73頁，2023年，2月20日，星期一第38頁，共73頁，2023年，2月20日，星期一八、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，無法適應(yīng)由基因組測序所帶來的蛋白質(zhì)序列數(shù)量飛速增長的需要，近年來，許多科學家致力于用理論計算的方法預(yù)測蛋白質(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。第39頁，共73頁，2023年，2月20日，星期一1.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、相對分子質(zhì)量、等電點、親水性、疏水性、消光系數(shù)、信號肽等在一些蛋白質(zhì)數(shù)據(jù)庫如UniPro等可查詢到已收錄序列的基本理化性狀對于新得到的蛋白質(zhì)序列，可通過蛋白質(zhì)序列分析專家系統(tǒng)ExPASy服務(wù)系統(tǒng)的蛋白組學工具軟件如ProtParam、ProScale和ComputepI/Mw等軟件進行分析（http://www.expasy.ch/tools/）第40頁，共73頁，2023年，2月20日，星期一第41頁，共73頁，2023年，2月20日，星期一第42頁，共73頁，2023年，2月20日，星期一第43頁，共73頁，2023年，2月20日，星期一第44頁，共73頁，2023年，2月20日，星期一2.蛋白質(zhì)功能預(yù)測InterPro數(shù)據(jù)庫與蛋白質(zhì)功能預(yù)測蛋白質(zhì)的功能分類蛋白質(zhì)序列的代謝途徑分析第45頁，共73頁，2023年，2月20日，星期一

由EBI，SIB，SangerInstitute

等十多家單位維護結(jié)合了UniProt、PROSITE，

Pfam，PRINTS，ProDom、

SMART，PANTHER和

Gene3D等數(shù)據(jù)庫（1）InterPro數(shù)據(jù)庫與蛋白質(zhì)功能預(yù)測第46頁，共73頁，2023年，2月20日，星期一InterPro功能

收集了已知蛋白質(zhì)家族、蛋白質(zhì)功能域和功能位點的信息，可用于未知蛋白質(zhì)序列的：分類（superfamily,familyandsubfamilylevels）功能域重復(fù)序列重要位點其他的包括GOterms等深度注釋第47頁，共73頁，2023年，2月20日，星期一不同數(shù)據(jù)庫在數(shù)據(jù)組成上有所不同Pfam包含常見的蛋白質(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)家族的功能分類信息，一個大的蛋白質(zhì)家族進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)家族的功能表達更準確。第48頁，共73頁，2023年，2月20日，星期一ProDom家族是由UniProtKnowledgeDatabase中自動生成的綜合性的蛋白質(zhì)功能域家族數(shù)據(jù)庫。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）僅包含全基因組測序的生物基因組的蛋白質(zhì)信息。第49頁，共73頁，2023年，2月20日，星期一(2)

蛋

白質(zhì)的功能分類

基因分類協(xié)會（GeneOntologyConsortium，GOC）整合了現(xiàn)有數(shù)據(jù)庫生物信息資源，建立了基因分類數(shù)據(jù)庫（theGeneOntology）第50頁，共73頁，2023年，2月20日，星期一GOC基因分類協(xié)會(GOC)建立了可控的動態(tài)詞匯系統(tǒng)，它從分子功能(MolecularFunction)、生物過程(BiologicalProcess)和細胞組分(CellularComponent)3個不同分類角度，建立了3棵分類樹對已經(jīng)分類到樹上的同源蛋白質(zhì)序列，賦予蛋白質(zhì)特定的術(shù)語名稱和GO編號GOC各成員提供其蛋白質(zhì)數(shù)據(jù)庫中已分類的蛋白編號和GO號對照表，是對未知蛋白序列進行分類的參照和標準目前GeneBank和SwissProt已有60多萬條蛋白序列具有GO號，即它們定位于GO的分類樹上。同時一些綜合的蛋白質(zhì)注釋數(shù)據(jù)庫如酶協(xié)會(EC)、InterPro等與GO還有相對應(yīng)的列表，從而使蛋白序列數(shù)據(jù)庫和分類樹建立起聯(lián)系第51頁，共73頁，2023年，2月20日，星期一GOC基因分類協(xié)會成員第52頁，共73頁，2023年，2月20日，星期一第53頁，共73頁，2023年，2月20日，星期一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：

mitochondrialmatrixandmitochondrialinnermembrane第54頁，共73頁，2023年，2月20日，星期一3個分支：分子功能、生物過程和細胞組成第55頁，共73頁，2023年，2月20日，星期一

FunctionalclassNumberPercentageRegulatoryfunction451.05Putativeregulatoryproteins1333.10Cellstructure1824.24Putativemembraneproteins130.30Putativestructuralproteins420.98Phage,transposons,plasmids872.03Transportandbindingproteins2816.55Putativetransportproteins1463.40Energymetabolism2435.67DNAreplication,recombination,modification,andrepair1152.68Transcription,RNAsynthesis,metabolism,andmodification551.28Translation,posttranslationalproteinmodification1824.24E.coliproteins的22個功能類群

（tobecontinued）第56頁，共73頁，2023年，2月20日，星期一

FunctionalclassNumberPercentage

Cellprocesses(includingadaptation,protection)1884.38Biosynthesisofcofactors,prostheticgroups,andcarriers1032.40Putativechaperones90.21Nucleotidebiosynthesisandmetabolism581.35Aminoacidbiosynthesisandmetabolism1313.06Fattyacidandphospholipidmetabolism481.12Carboncompoundcatabolism1303.03Centralintermediarymetabolism1884.38Putativeenzymes2515.85Otherknowngenes(geneproductorphenotypeknown)260.61Hypothetical,unclassified,unknown163238.06Total4288100.00第57頁，共73頁，2023年，2月20日，星期一編碼序列的注釋－－

DistributionofSC-B67proteinsamong22functionalgroups第58頁，共73頁，2023年，2月20日，星期一(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

（KyotoEncyclopediaofGenesandGenomes，KEGG，http://www.genome.ad.jp/kegg/）

是日本京都大學生物信息學中心建立和維護的系統(tǒng)分析基因功能的綜合數(shù)據(jù)庫第59頁，共73頁，2023年，2月20日，星期一

包含7萬多條代謝途徑的數(shù)據(jù)庫有關(guān)基因目錄（GeneCatalogs）的基因數(shù)據(jù)庫（GENES）有關(guān)功能等級（FunctionalHierarchies）的BRITE數(shù)據(jù)庫有關(guān)化學物質(zhì)及其反應(yīng)（BioChemicalcompoundsandReactions）配體數(shù)據(jù)庫（LIGAND）KEGGDatabases

第60頁，共73頁，2023年，2月20日，星期一KEGGpathway數(shù)據(jù)的結(jié)構(gòu)第61頁，共73頁，2023年，2月20日，星期一第62頁，共73頁，2023年，2月20日，星期一第63頁，共73頁，2023年，2月20日，星期一3.蛋白質(zhì)結(jié)構(gòu)預(yù)測(1)蛋白質(zhì)二級結(jié)構(gòu)預(yù)測二級結(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，常見若干相鄰的二級結(jié)構(gòu)單元組合在一起，形成規(guī)則的、在空間上能辨認的充當三級結(jié)構(gòu)構(gòu)件（blockbuilding）的二級結(jié)構(gòu)組合體（combination），又稱超二級結(jié)構(gòu)（supersecondarystructure）。蛋白質(zhì)二級結(jié)構(gòu)的預(yù)測大多通過與已知蛋白質(zhì)的三維結(jié)構(gòu)和二級結(jié)構(gòu)相比較，或通過計算各種結(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)測方法實現(xiàn)的。目前，二級結(jié)構(gòu)預(yù)測對α－螺旋預(yù)測精度較好，對β－折疊的預(yù)測精度差些。第64頁，共73頁，2023年，2月20日，星期一蛋白質(zhì)二級結(jié)構(gòu)預(yù)測的工具用于蛋白質(zhì)二級結(jié)構(gòu)預(yù)測的工具較多，如：PredictProtein（/）ANTHEPROT（http：//antheprot-pbil.ibcp.fr/）COILS（http：///）等等其中最常用的是PredictProtein第65頁，共73頁，2023年，2月20日，星期一

由歐洲分