山大公开课笔记2

第五节 蛋白质数据库

一、一级蛋白质数据库

1. 一级蛋白质序列数据库
   swissprot、TrEMBL、PIR 三者共同构成UNIPROT
   （1）swissprot: 一个人工注释的蛋白质序列数据库，拥有注释可信度高、冗余度小的优点。由欧洲生物信息学研究生EMBL-EBI与瑞士生物信息学研究生SIB共同管理。
   （2）TrEMBL（translation from EMBL）: 一个计算机注释的蛋白质序列数据库，它包含EMBL核酸序列数据库中的为蛋白质编码的核酸序列（CDS）的所有翻译产物，并把已包含在Swissprot中的序列提出。但可信度低且冗余度大。
   （3）PIR（Protein Information Resource）： 一个支持基因组学，蛋白质组学和系统生物学研究的综合公共生物信息学资源。
   （4）UniProt（Universal Protein Resource）: 将上述三大蛋白数据库联合 http://www.uniprot.org
   UniProt三个层次数据库：
   UniParc: 收录所有UniProt数据库子库中的蛋白质序列， 量大，粗糙。
   UniRef: 归纳UniProt几个主要数据库并将重复序列去除后的数据库。
   UniProtKB: 有详细注释并与其他数据库有链接的数据库，分为UniProtKB/Swiss-Prot（最常用）和UniProtKB/TrEMBL
   可保存为纯文本格式，条目索引参照：
2. 一级蛋白质结构数据库
   PDB
   基本信息部分：
   HEADER: 分子类别，存储日期，PDB ID
   TITLE: 一般为相关文献
   COMPND：对各个分子的描述
   SOURCE：结构中包括的每一个分子的实验来源
   KEYWDS: 一系列关键词，可用于数据库搜索
   EXPDTA：测定结构所采用的试验方法
   AUTHOR:
   REVDAT: 历史上曾经对该数据库记录进行过的修改
   …
   一级结构信息部分
   氨基酸序列、残基修饰等
   二级结构信息部分
   3D坐标部分
   Download
   PDB自带的形成3D结构的可视化软件：JSmol

二、二级蛋白质数据库
SCOP, PRINTS, CATH, STRING, prosite,Pfam
Pfam：是一个蛋白质结构域家族的集合。
SEARCH：输入.fasta格式的蛋白质文件，找到结构域
CATH：蛋白质结构分类数据库（名字是四种结构分类层次的首字母）
（1）蛋白质种类（class, C）
分为四类：全α型，全β型，α+β型，低二级结构型
（2）蛋白质二级结构的构架（architecture, A）
螺旋和折叠形成的超二级结构排列方式，不考虑他们之间的连接关系。
（3）蛋白质的拓扑结构（topology[fold], T）
二级结构的形状和二级结构间的联系
（4）蛋白质同源超家族（homologous superfamily, H）
先通过序列比较，然后用结构比较确定的同源性分类。

分类对象是PDB中存储的那些已经测定结构的蛋白质结构域，既使用计算机程序，也进行人工检查。
SCOP2：更多考虑蛋白质之间的进化关系，分类主要基于人工验证。