一、Uniprot蛋白數(shù)據(jù)庫介紹及使用詳解

Uniprot數(shù)據(jù)庫是資源最廣、信息最豐富的蛋白質(zhì)數(shù)據(jù)庫，是查詢蛋白功能的首選數(shù)據(jù)庫。Uniprot數(shù)據(jù)庫由Swiss-Prot、TrEMBL和PIR-PSD三大子數(shù)據(jù)庫構(gòu)成，數(shù)據(jù)主要來自于各物種基因組測序完成后得到的全基因蛋白質(zhì)序列，并包含了很多來自文獻(xiàn)中的蛋白及其功能信息。尤其是swiss-prot 子數(shù)據(jù)庫，庫中蛋白質(zhì)信息都是手工核對(duì)過的 ，非冗余， 有詳細(xì)注釋信息的蛋白數(shù)據(jù)。作為一名科研工作者，Uniprot數(shù)據(jù)庫的使用技能應(yīng)該是必備的技能之一。

（1）UniProtKB（UniProt Knowledgebase）是蛋白質(zhì)序列、功能、分類、交叉引用等信息存取中心;UniProtKB 主要由兩部分組成∶

UniProtKB/Swiss-Prot∶高質(zhì)量的、手工注釋的、非冗余的數(shù)據(jù)集;主要來自文獻(xiàn)中的研究成果和 E-value 校驗(yàn)過計(jì)算分析結(jié)果。有質(zhì)量保證的數(shù)據(jù)才被加入該數(shù)據(jù)庫;

UniProtKB/TrEMBL∶該數(shù)據(jù)集包含高質(zhì)量的計(jì)算分析結(jié)果，—般都在自動(dòng)注釋中富集，主要應(yīng)對(duì)基因組項(xiàng)目獲得的大量數(shù)據(jù)流以及人工校驗(yàn)在時(shí)間上和人力上的不足。注釋所有可用的蛋白序列。在三大核酸數(shù)據(jù)庫（EMBL-Bank/GenBank/DDBJ）中注釋的編碼序列都被自動(dòng)翻譯并加入該數(shù)據(jù)庫中。它也有來自 PDB 數(shù)據(jù)庫的序列，以及Ensembl、Refeq和 CCDS基因預(yù)測的序列;

（2）UniRef（UniProt Non-redundant Reference）將密切相關(guān)的蛋白質(zhì)序列組合到一條記錄中，以便提高搜索速度。目前，根據(jù)序列相似程度形成 3個(gè)子庫，即 UniRef10 0、UniRef90和 UniRef50;

（3）UniParc（UniProt Archive）是一個(gè)綜合性的非冗余數(shù)據(jù)庫，包含了所有主要的、公開的數(shù)據(jù)庫的蛋白質(zhì)序列。由于蛋白質(zhì)可能在不同的數(shù)據(jù)庫中存在，并且可能在同一個(gè)數(shù)據(jù)庫中有多個(gè)版本，為了去幾余，UniaraParc 對(duì)每條唯—的序列只存—次無論是否為同一物種的序列，只要序列相同就被合并為一條，每條序列提供穩(wěn)定的、唯一的編號(hào) UPI。該數(shù)據(jù)庫含有蛋白質(zhì)的序列信息，而沒有注釋數(shù)據(jù)。

UniProt 數(shù)據(jù)庫中，UniProtKB/Swiss-Prot 是我們最常用的，今天我們主要介紹這個(gè)數(shù)據(jù)庫的使用。我們?cè)谳斎霗谥休斎隒CL4L2，點(diǎn)擊search，就會(huì)出現(xiàn)不同物種該蛋白的詳細(xì)信息。找到我們想要的物種條目，點(diǎn)擊進(jìn)入。

Uniprot數(shù)據(jù)庫主要子數(shù)據(jù)庫組成：

以上子數(shù)據(jù)庫間的關(guān)系如下：uniprot會(huì)收集EMBL，GenBank，DDBJ等公共數(shù)據(jù)庫中的蛋白質(zhì)序列及功能信息等原始數(shù)據(jù)，處理后存入U(xiǎn)niParc的非冗余蛋白質(zhì)序列數(shù)據(jù)庫；UniPrc作為數(shù)據(jù)倉庫，再分別給UniProtKB，Proteomes，UNIRef提供可靠的數(shù)據(jù)集，其中在UniProtKB數(shù)據(jù)庫中Swiss-Prot是由TrEMBL經(jīng)過手動(dòng)注釋后得到的高質(zhì)量非冗余數(shù)據(jù)庫，也是我們最常用的蛋白質(zhì)數(shù)據(jù)庫之一。

Uniprot數(shù)據(jù)庫官方鏈接：https://www.uniprot.org/

1. 單個(gè)蛋白質(zhì)信息查詢

下圖是Uniprot官方網(wǎng)站首頁，在UniprotKB欄輸入蛋白ID或Accession number，然后點(diǎn)擊search，就可以查詢蛋白功能。

我們以HUMAN  CCL4L2為例，搜索其在Uniprot數(shù)據(jù)庫中的信息，如下圖，頁面默認(rèn)顯示Entry模式，頁面顯示內(nèi)容包括：蛋白名稱、物種來源、GO功能注釋、亞細(xì)胞定位、組織特異性表達(dá)情況、互作蛋白、Domain、序列信息、同源蛋白以及其他數(shù)據(jù)鏈接等信息。

點(diǎn)擊Display下Publications按鈕，數(shù)據(jù)庫會(huì)展示該蛋白發(fā)表已經(jīng)收錄的文章。

2. 批量蛋白質(zhì)信息查詢

假如需要查詢的蛋白較多，則可以通過點(diǎn)擊首行任務(wù)欄Retrieve/ID mapping，如下圖，查詢蛋白列表可直接粘貼在下圖1. Provide your identifiers文本框中，也可以將蛋白ID單列粘貼于TXT文本中提交到網(wǎng)站。另外該頁面2. Select options 還可提供ID轉(zhuǎn)換功能，支持多種數(shù)據(jù)庫間的ID轉(zhuǎn)換。

提交好蛋白列表后，點(diǎn)擊Submit，網(wǎng)站便會(huì)自動(dòng)分析，結(jié)果展現(xiàn)形式如下：

展示信息包括：蛋白對(duì)應(yīng)的基因名、蛋白描述、序列長度等信息。

點(diǎn)擊Column按鈕，可以選擇需要展示的數(shù)據(jù)庫信息，如GO、pathway、亞細(xì)胞定位等注釋信息，如下圖，選擇完畢后點(diǎn)擊save保存設(shè)置，系統(tǒng)會(huì)自動(dòng)跳轉(zhuǎn)至信息展示頁面。

最終結(jié)果展示如下圖，勾選感興趣的蛋白，即可將本次注釋結(jié)果下載到本地查看，并且支持包括Excel格式在內(nèi)的多種文本格式。

Names & Taxonomyⁱ

對(duì)于科研試劑銷售工作者來說，用的比較多的是這個(gè)板塊，該板塊展示的是命名（其中包括蛋白名，基因名）和來源種屬信息，如需要可以直接跳轉(zhuǎn)到NCBI、Enzem數(shù)據(jù)庫進(jìn)行查詢。

Subcellular locationⁱ

之后是蛋白的亞細(xì)胞定位和拓?fù)浣Y(jié)構(gòu)?？梢钥吹紺CL4L2 是位于細(xì)胞膜外的分泌蛋白

PTM / Processingⁱ

在PTM部分，列舉著蛋白合成過程中，分子加工，氨基酸修飾及翻譯后修飾，比如剪切、糖基化、脂酰化、二硫鍵位置等信息，可以了解到此蛋白的信號(hào)肽序列，和前體蛋白并加以列出。

Sequences (10+)ⁱ

序列這部分是科研工作者需要的重要信息，此部分列出了蛋白從信號(hào)肽開始的完整序列，如果該蛋白有不同的剪切體，各剪切體的序列也會(huì)一一列出。方便研究者取用。

今天Uniprot數(shù)據(jù)庫的使用就介紹到這里，希望對(duì)您的科研有所幫助！