CATH数据库介绍和非冗余结构数据集

CATH数据库是一个蛋白质结构分类数据库（CATH: Protein Structure Classification Database at UCL），提供了基于蛋白质三维结构和进化关系的分类信息。CATH 是其四个主要分类层级的缩写：

1. Class (C)：根据二级结构类型的比例进行分类，分为α螺旋、β折叠、α/β混合等。
2. Architecture (A)：根据蛋白质折叠结构的大致形状和拓扑关系进行分类。
3. Topology (T)：基于蛋白质骨架的连通性和二级结构元素的相对位置分类。
4. Homologous superfamily (H)：将具有共同进化起源的蛋白质放在同一个同源超家族中。

CATH数据库的特点

• 基于结构域的分类：CATH主要对蛋白质结构域（domain）进行分类，而不是整条蛋白质。结构域是蛋白质中可以独立折叠并具有独立功能的单元。
• 层级分类：蛋白质在CATH中会按层级分类，从最广泛的类别（Class）到最具体的同源超家族（Homologous superfamily）。
• 定期更新：CATH数据库定期更新，以包含最新解析的蛋白质结构，并持续对已有数据进行重新分类。

非冗余结构集的构建