蛋白研究常用数据库 | UniProt数据库介绍及使用说明

目前较常用的蛋白组数据库是UniProt和NCBI这2个公共库，其中UniProt整合了Swiss-Prot、 TrEMBL 和 PIR-PSD 三个数据库，主要优势在于添加了蛋白功能注释信息。具有更新速度快、与其他数据库联系密切、分析工具齐全、使用便捷的特点，成为了目前信息最丰富、资源最广的蛋白质数据库。

一般情况下，如果蛋白质组所研究的物种已经被测序，推荐使用Uniprot数据库作为蛋白搜库匹配的数据库，如果所研究的物种在UniProt数据库中蛋白数据较少，推荐使用NCBI数据库进行搜库。

数据库链接：https://www.uniprot.org/

UniProt主要分为6个主要部分，该6个部分的主要介绍如下：

1. UniProtKB（Universal Protein Knowledge Base）

该部分为蛋白知识库，分为两部分，第一部分Swiss-Prot数据库，此数据库是高质量的、人工注释的、非冗余的数据库，主要来自文献报道以及E-value校验的数据。第二部分为TrEMBL数据库，该部分是计算机对大量基因组数据进行分析注释、未经人工校验的条目，其数据质量低于Swiss-Prot。

2. Supporting Data

支撑数据，主要为相关模块的说明，其包含Literature citations、Taxonomy、Keywords、Subcellular locations、Cross-referenced databases、Human diseases等。

3. UniRef（UniProt Reference Clusters）

蛋白序列参考集，分为三个数据集，分别为UniRef100、UniRef90和UniRef50，主要来自UniProtKB知识库，同时也包括UniParc归档库中部分条目。UniRef100序列将相同的序列和序列片段（来自任何生物）合并到一个UniRef条目中，用于显示代表性蛋白质的序列。

4. UNIParc (UniProt Sequence Archive)

蛋白质序列归档库，是目前数据最为齐全的非冗余蛋白质序列数据库。蛋白质可能存在于几个不同的来源数据库中，并且在同一数据库中存在多个副本。为了避免冗余，相同序列归并到同一个记录中，并赋予特定标识符(Unique Identifier，UPI)。记录包含特定标识符UPI、序列、循环冗余校验码和源数据库名称等信息。

5. Proteomes

蛋白组数据，主要是指已经完成全基因组测序物种的核酸序列翻译所得的蛋白质序列。其由测序质量较好、数据比较完整、注释比较详尽的蛋白组数据组成，但是其序列条目并非都是经过人工审阅的。

6.搜索区

搜索区可以快速找到自己感兴趣的蛋白质，检索方法可以按照蛋白质的名称、ID号、基因名、物种等。

下面主要介绍3种常用检索方式的操作方法：

1.直接通过蛋白ID号搜索

(1）用浏览器登录Uniprot数据库官网：https://www.uniprot.org/；

(2）搜索框输入蛋白ID号（以P22223为例），点击Search。（一般情况我们提供给老师的数据都是给的蛋白的ID号，即Accession号，这些ID是唯一的，可以通过检索获得更多关注蛋白的信息）；

(3）查看P22223蛋白的生物学信息；

(4）下载序列数据，点击FASTA。

2.直接通过蛋白名搜索（我们只知道蛋白名，不清楚蛋白的ID号的时候使用该搜索功能）

(1）在搜索框输入蛋白名（以Cystatin-C为例）之后search，进入下图界面；

①区域即为人物种的Cystatin-C蛋白结果。

(2)点击蓝色ID，进入下一级页面（链接：uniprot.org/uniprot/P01034#ptm_processing）；

③区域主要是蛋白名、基因名、物种信息、蛋白研究水平等

(3)红框为蛋白完整氨基酸序列，点击FASTA即可下载此蛋白序列；

(4）下载蛋白序列。

sp：Swiss-Prot数据库的蛋白，说明该蛋白是经过人工检查、校验的条目，是高质量的、人工注释的、非冗余的蛋白质。

P01034：蛋白在uniprot上的ID号，即蛋白的识别号（Accession号）。

CYTC_HUMAN：蛋白在uniprot上的登录名。

Cystatin-C：蛋白名称。

OS：Organism，表示物种来源，一般是物种的拉丁名，这里Homo sapiens为人的拉丁文。

GN：gene name，即基因名称。

PE：Protein Existence，即蛋白的可靠性。

SV：SequenceVersion，即序列版本号。

PE：分别有1、2、3、4、5这5个等级，数字越小可靠性越高，具体可靠性说明如下：

1. Experimental evidence at protein level 蛋白质水平验证的蛋白

2. Experimental evidence at transcript level 转录水平验证的蛋白

3. Protein inferred from homology 同源推断的蛋白

4. Protein predicted 预测的蛋白

5. Protein uncertain 未知蛋白

3.通过物种拉丁文（或者物种的编号）检索整个物种数据库。

（注：很多时候我们需要了解整个物种库的情况，此时就需要用到物种拉丁文搜索）

(1）在Uniprot数据库官网选择Proteomes子库，然后在搜索框输入物种拉丁名（以mus musculus为例，选择Organism ID为10090的小鼠为例）；

(2）输入mus musculus，点击Search；

(3）点击Protein Count: 55315，显示小鼠蛋白Entry，可以根据需要定制自己需要的数据：例如，我们需要GeneID，点击Columns进行个性化的定制；

如下所示：

(4）点击Download下载所需要的数据，选择文件格式。如果我们需要的是表格数据，建议下载Tab分割符（Tab-separated）的txt文件，因为Excel表格有最大行数的限制，如果超出最大行数会导致数据丢失；

(5）如果是序列文件，我们选择下载FASTA格式的文件（FASTA格式的文件可以直接用于数据库匹配，表格格式方便查看）。

UniProtKB条目的交叉引用部分显示了与核苷酸序列数据库、模型生物数据库、基因组和蛋白质组学资源等数据库的显式和隐式链接。一个条目可以交叉引用几十个不同的数据库，并有几百个单独的链接。如果感兴趣，直接点击链接查询对应数据库注释信息。

以上为UniProt数据库介绍及常用功能使用指南，该数据库与其他数据库资源相互联系，实现最广覆盖度、最全注释，终极目标是为科研工作者提供高质量的蛋白开源数据库，也希望本说明书能够帮助到大家。

重大活动关注

空代千万医学支持计划

活动超长周期：

2022.5.09~2022.8.09

深度交流：1v1技术交流探讨课题组，空间代谢组学讲座预约；

针对方向：鹿明生物空间代谢组学

申请方法：只需在线提交800字研究目的、思路及意义；即可参与活动~~

（点击图片即可申请）

猜你还想看

·鹿明“库”系列

1、干货 | METLIN：一个强大的代谢物鉴定及查询的数据库

2、干货 | 临床样本数字化管理应该如何做？看完秒懂~

3、如何入局多组学实验？4D-蛋白组+代谢组双平台知识干货带您入门！

4、百万立项计划 | 突破代谢组学化合物鉴定技术瓶颈：标品库管理背后的故事

END

小鹿迷|撰文

小久| 排版

欢迎转发到朋友圈

本文系鹿明生物原创

转载请注明本文转自鹿明生物