【陪你学·生信】四、蛋白质相关的数据库

一、简单说蛋白质合成

对蛋白质提取和测序比DNA的操作贵，一般大家先分析核苷酸序列，推测ORFs，机器翻译出蛋白质的氨基酸序列。但是研究蛋白质的科学家觉得这个方法并不可靠。

因为一个成熟蛋白质的aa链需要经过很多修饰（切割、水解、甲基化等化学修饰、添加脂质分子、添加糖苷分子等），仅通过预测ORF→翻译蛋白也会把成熟蛋白质最基本的理化性质搞错，比如大小，分子质量，等电点。

前面的文章中介绍的数据库也有ORFs和机器翻译的aa信息。与之前简单的机器预测结果相比，蛋白质数据库的主要作用是展示蛋白质的一系列修饰信息，定位和结构域的信息等。而且Swiss-Prot是人工审核校对，注释的，其结果多为有实验证据支持的，而非全部都是计算机分析的结果。

二、Swiss-Prot数据库

尽管前面说了很多成熟蛋白质的诞生是多么不容易，但其实，就其长度短，起始终止区域明确，单链等特点，还是比较简单的分析对象。

其结果页面的条目也是很清晰的，包括基础信息、参考文献、功能信息、特征表和序列部分。以人类 epidermal growth factor receptor (EGFR，表皮生长因子受体)为例，Accession Number P00533，看看Swiss-Prot中的结果。 

数据库主页

https://www.uniprot.org/

左侧display栏中将结果分为四部分，内容真的很多，点进去都会有详细的解释：

还有一些交叉数据库的链接， 比如EMBL，PDB等。

三、分析蛋白质的更多信息——其他数据库

Swiss-Prot结果页已经对感兴趣蛋白质的综合信息展示地很全面了，而且也有该蛋白质在一些其他数据库的信息的超链接，但是还是额外介绍一下其他的分析蛋白质特定信息的网站吧。

1. 形成成熟蛋白质过程中对氨基酸的修饰

RESID （https://proteininformationresource.org/resid/resid.shtml）中检索关键词比如肉豆蔻酰化修饰（myristoylation），可以获得其化学式等详细信息。也可以在Swiss-Prot获得你想搜索的蛋白质ID，再去RESID中查找其修饰过程，不过有的没有被收录。

2. 包含更多生化信息的网站

（1）Glycan 数据库

收录了糖类物质的结构信息，并给出了糖类参数的各种代谢通路等。

http://www.glycanstructure.org/

（2）Lipid Bank 脂质信息数据库

http://lipidbank.jp/

（3） ChemIDplus 化合物化学结构

https://chem.nlm.nih.gov/chemidplus/

3. 蛋白质参与的生化途径

（1）Kyoto Encyclopedia of Genes and Genomes(KEGG)数据库

https://www.genome.jp/kegg/kegg2.html

（2）brenda数据库——生物合成催化酶数据库（设计实验必不可少的工具）

https://www.brenda-enzymes.org/

（3）大肠杆菌K-12 MG1655的数据库，包含基因组、转录调控、转运蛋白和代谢途径等信息。

https://ecocyc.org/

4. 蛋白质结构

对蛋白质的氨基酸序列进行分析之后，我们可能还想知道这几个氨基酸残基的位置，它们是否在蛋白质表面？与另一个残基是近还是远？回答这些问题需要先了解该蛋白质的结构信息。推荐以下数据库：

（1）PDB——最常用

https://www.rcsb.org/

（2） NCBI-Structure

https://www.ncbi.nlm.nih.gov/Structure/MMDB/mmdb.shtml

（3）SCOP

http://scop.mrc-lmb.cam.ac.uk/

（4）CATH

http://www.cathdb.info/

（5）Swiss-Model——蛋白质结构建模

https://swissmodel.expasy.org/

5. 了解主要蛋白家族的信息

有一些蛋白质家族是某些领域的研究热点，其相关信息有以下数据库进行收集整理。

（1）IMGT——免疫遗传学数据库，收录免疫球蛋白，T细胞受体等蛋白家族

http://www.imgt.org/

（2）REBASE——限制酶和相关蛋白的数据库

http://rebase.neb.com/rebase/rebase.html

（3）CAZy——研究降解、修饰和生成糖苷键的酶

http://www.cazy.org/

（4）MEROPS——蛋白酶数据库

https://www.ebi.ac.uk/merops/

（5）SPP——用于研究细胞信号通路的多组学数据库

https://signalingpathways.org/index.jsf