Uniprot、pfam数据库的使用方法

莫北

                                                                                                   
首先给大家看一张图，准确来说是半张（只截取了一部分），是下图这样子的：


(BMCgenomics, 2018) 如果要绘制这样的图，就需要构建进化树以及进行结构域分析。如何快速实现这样组合图的绘制？其实用EvolView的话很简单，我的下一篇微信推文将重点介绍。在此之前，先向大家介绍UniProt和Pfam这两个常用数据库的用法，为下一篇文章做些铺垫。

UniProt

UniProt（Universal Protein Resource）是最全面的蛋白质序列和注释信息数据库，包括UniProtKB，UniRef 和 UniParc 三个部分，整合了Swiss-Prot、 TrEMBL 和 PIR-PSD 三大数据库的数据。
网址：https://www.uniprot.org/



其中，UniProtKB为UniProt数据库的核心，主要由两部分组成：UniProtKB/Swiss-Prot 和 UniProtKB/TrEMBL ，下面我们简单看下怎么使用UniProtKB。
进入Uniplot数据库的首页，在搜索栏中直接输入关键词进行搜索，可以是蛋白名称、ID号、基因名等等，用法类似于NCBI。比如这里输入“aquaporin human”，查询结果如下：



在结果页面的左侧，可设置条件进行进一步的筛选，Entry为蛋白的ID，点击Entry ID可查看详细的注释信息，另外这里的Entry name非常重要，可用作进化树“树叶”的标签，勾选所需的序列后可接着做Blast（勾选1条序列）或Align(选择两条以上的序列)，也可直接点Download，下载选中的序列。
如果还需要查找其他的序列，可点Add to basket按钮，先将菜...呸...将序列放在“篮子”里，然后接着搜索其他的序列。序列收集完后，点右上角的Basket按钮，即可批量下载这些序列，我这里保存为fasta（canonical）格式，可直接用于进化树的构建。



进化树序列的准备工作到此就初步完成了，下面了解下如何预测蛋白的结构域（domain）。

Pfam

Pfam是一个蛋白质家族的数据库，提供完整、准确的蛋白质家族和结构域的分类信息。Pfam使用隐马尔科夫算法（hidden Markov models）而不是经典的Blast进行同源匹配，主要用于蛋白结构域的预测，这对蛋白的功能研究非常有帮助。 少罗嗦，我们看下怎么用它做在线分析。通过下面网址直接进入Pfam序列批量预测模式。

网址：http://pfam.xfam.org/search

然后在Batch sequence search 窗口选择包含多个序列的fasta文件，可以是上文提到的从Uniportd的”篮子”批量导出的蛋白序列文件，填写邮箱，然后点Submit through hmmer按钮提交任务。



这里的fasta文件最多可包含5000条序列，一般的个性化分析足以胜任。之后，等着收邮件就好，任务耗时的多少与序列的多少有关，一般几个小时就会有结果，它会估计任务排队的时间，如下图。
  


收到的邮件是下图这样子的，会直接给出所有序列的结构域信息，可复制粘贴到记事本或Excel中。



你也可以点邮件中的链接，接着点show，如下图，在网页中查看每条序列的详细预测结果。



比如这里查看第3条序列的分析结果，如下，预测到3个domain，其中有一个功能未知的domain。结果中的Family容易理解，至于这里的Clan （/klæn/，宗族，来源于苏格兰盖尔语），从字面意思来模糊理解：宗族还是比家族要“大”。因此，BTB和BACK属于同一个Clan，这里的Clan可视作superfamily。

Tips:
Motif：A short unit found outside globulardomains.
Domain：A structural unit.
E-values： expectation values，值要小于1，E-values越小越好，如果等于1预测的结果和随机产生的结果概率一样。

此外还给出每个domain的位置信息和E-value值。类似与NCBI的Blast，E-value值越小越可信。



最后，点Download，进入下载页面，可以下载当前序列的分析结构，格式选Tab Delimited 的文本文件即可，如下图。



到此，回到本文开始如何画进化树和结构域的组合图的问题，那么，需要我们自己花时间准备结构域文件吗？我在下一篇微信公众号文章会详细介绍这种图的绘制方法，不过我这里先告诉大家：不需要！ 今天的内容就到这里啦~

参考文献：
Xie T, Chen C, Li C, et al. Genome wide investigation of WRKY gene family in pineapple: evolution and expression profiles during development and stress[J]. BMC Genomics, 2018, 19(1):490.   

gd624618874

非常有用的方法。赞一个

西瓜

楼主V5

莫北

gd624618874 发表于 2018.9.25 14:45
非常有用的方法。赞一个

莫北

西瓜 发表于 2018.9.25 19:25
楼主V5

hwyao

感谢分享

莫北

hwyao 发表于 2018.9.26 20:43
感谢分享

各自为王

有人知道楼主的微信公众号嘛？

莫北

各自为王 发表于 2018.12.23 14:22
有人知道楼主的微信公众号嘛？

搜索 基迪奥生物

崔俊丽

很实用，谢谢分享

qinyuan

jiay ou

qinyuan

下一篇在哪里，，有用，

qinyuan

我想问一下那篇微信公众号文章在哪里？一直找不到啊，，求分享求告知求分享

zhangs

非常的赞