Uniprot （Universal Protein ）是包含蛋白質(zhì)序列，功能信息副签，研究論文索引的蛋白質(zhì)數(shù)據(jù)庫讨勤，整合了包括EBI（ European Bioinformatics Institute）购裙，SIB（the Swiss Institute of Bioinformatics）链嘀，PIR（Protein Information Resource）三大數(shù)據(jù)庫的資源萌狂。
- EBI（ European Bioinformatics Institute）：歐洲生物信息學(xué)研究所（EMBL-EBI）是歐洲生命科學(xué)旗艦實驗室EMBL的一部分。位于英國劍橋欣克斯頓的惠康基因組校園內(nèi)怀泊，是世界上基因組學(xué)領(lǐng)域最強地帶之一粥脚。
- SIB（the Swiss Institute of Bioinformatics）：瑞士日內(nèi)瓦的SIB維護著ExPASy（專家蛋白質(zhì)分析系統(tǒng)）服務(wù)器，這里包含有蛋白質(zhì)組學(xué)工具和數(shù)據(jù)庫的主要資源包个。
- PIR（Protein Information Resource）：PIR由美國國家生物醫(yī)學(xué)研究基金會（NBRF）于1984年成立，旨在協(xié)助研究人員識別和解釋蛋白質(zhì)序列信息冤留。
目前碧囊，UniProt主要由以下子庫構(gòu)成：
他們的關(guān)系如下：
通過EMBL，GenBank纤怒，DDBJ等公共數(shù)據(jù)庫得到原始數(shù)據(jù)糯而，處理后存入UniParc的非冗余蛋白質(zhì)序列數(shù)據(jù)庫。UniProt作為數(shù)據(jù)倉庫泊窘，再分別給UniProtKB熄驼，Proteomes，UNIRef提供可靠的數(shù)據(jù)集烘豹。其中在UniProtKB數(shù)據(jù)庫中Swiss-Prot是由TrEMBL經(jīng)過手動注釋后得到的高質(zhì)量非冗余數(shù)據(jù)庫瓜贾，也是我們今后常用的蛋白質(zhì)數(shù)據(jù)庫之一。
UniProtKB/Swiss-Prot
高質(zhì)量的携悯、手工注釋的祭芦、非冗余的數(shù)據(jù)集
Swiss-Prot旨在提供與高水平注釋（例如，蛋白質(zhì)功能憔鬼，其域結(jié)構(gòu)龟劲，翻譯后修飾胃夏，變體等的描述）相關(guān)的可靠蛋白質(zhì)序列，最小程度的冗余和高水平與其他數(shù)據(jù)庫的集成級別昌跌。注釋主要來自文獻中的研究成果和E-value校驗過計算分析結(jié)果仰禀，有質(zhì)量保證的數(shù)據(jù)才被加入該數(shù)據(jù)庫 。
Swiss-Prot由Amos Bairoch博士在1986年創(chuàng)建蚕愤，由瑞士生物信息學(xué)研究所開發(fā)答恶，隨后由歐洲生物信息學(xué)研究所的Rolf Apweiler開發(fā)。也是說EBI和SIB共同制作了Swiss-Prot和TrEMBL數(shù)據(jù)庫审胸。
Swiss-Prot條目的注釋中使用了一系列序列分析工具亥宿。包括手動評估，計算機預(yù)測砂沛，并選擇結(jié)果包含在相應(yīng)的條目中烫扼。這些預(yù)測包括翻譯后修飾，跨膜結(jié)構(gòu)域和拓撲碍庵，信號肽映企，結(jié)構(gòu)域識別和蛋白質(zhì)家族分類。
來自相同基因和相同物種的序列合并到相同的數(shù)據(jù)庫條目中静浴。確定序列之間的差異包含：可變剪接堰氓，自然變異，錯誤的起始位點苹享，錯誤的外顯子邊界双絮，移碼，未識別的沖突得问。
注釋會用相關(guān)出版物通過搜索數(shù)據(jù)庫（例如PubMed）進行識別囤攀。閱讀每篇論文的全文，然后提取信息并將其添加到條目中宫纬》倌樱科學(xué)文獻中的注釋包括但不限于：
- 蛋白質(zhì)和基因名稱
- 功能
- 特定于酶的信息，例如催化活性漓骚，輔因子和催化殘基
- 亞細胞定位
- 蛋白質(zhì)相互作用
- 表達方式
- 重要域和站點的位置和角色
- 離子蝌衔，底物和輔因子結(jié)合位點
- 通過自然遺傳變異，RNA編輯蝌蹂，替代剪接噩斟，蛋白水解加工和翻譯后修飾產(chǎn)生的蛋白質(zhì)變異形式
常用的操作
<1>：這里輸入基因名，UniProt ID孤个，或者感興趣的關(guān)鍵字
<2>：篩選：Reviewed：存儲在Swiss-Prot數(shù)據(jù)庫中經(jīng)過驗證的蛋白數(shù)據(jù)亩冬，Unreviewed：存儲在TrEMBL數(shù)據(jù)庫中沒有經(jīng)過驗證的蛋白數(shù)據(jù)
<3>：篩選某個物種，點擊就好切換到該物種
<4>：通過基因名或蛋白名來篩選
<5>：依次是Unprot ID，該蛋白數(shù)據(jù)庫命名硅急，蛋白質(zhì)名覆享，基因名，物種营袜，序列長
<6>：如果需要Blast來查看某個蛋白有哪些序列相似的蛋白序列撒顿，先選中感興趣蛋白前的方框，點擊Blast
<7>：如果需要多序列比對荚板，先選中感興趣蛋白前的方框凤壁，點擊Align
<8>：如果要下載信息，先選中感興趣蛋白前的方框跪另，點擊Download下載拧抖。這里不選擇序列，默認會下載全部序列
下面以 PO5F1_HUMAN 為例免绿，下載對應(yīng)的fasta序列來看看：
下載到的序列：
>sp|Q01860|PO5F1_HUMAN POU domain, class 5, transcription factor 1 OS=Homo sapiens OX=9606 GN=POU5F1 PE=1 SV=1
MAGHLASDFAFSPPPGGGGDGPGGPEPGWVDPRTWLSFQGPPGGPGIGPGVGPGSEVWGI
PPCPPPYEFCGGMAYCGPQVGVGLVPQGGLETSQPEGEAGVGVESNSDGASPEPCTVTPG
AVKLEKEKLEQNPEESQDIKALQKELEQFAKLLKQKRITLGYTQADVGLTLGVLFGKVFS
QTTICRFEALQLSFKNMCKLRPLLQKWVEEADNNENLQEICKAETLVQARKRKRTSIENR
VRGNLENLFLQCPKPTLQQISHIAQQLGLEKDVVRVWFCNRRQKGKRSSSDYAQREDFEA
AGSPFSGGPVSFPLAPGPHFGTPGYGSPHFTALYSSVPFPEGEAFPPVSVTTLGSPMHSN
首先看 > 后的注釋信息
sp：Swiss-Prot數(shù)據(jù)庫的簡稱唧席，也就是上面說的驗證后的蛋白數(shù)據(jù)庫
Q01860：UniProt ID號
PO5F1_HUMAN：是UniProt 的登錄名
POU domain, class 5, transcription factor 1：蛋白質(zhì)名稱
OS=Homo sapiens：OS是Organism簡稱，Homo sapiens為人的拉丁文分類命名嘲驾，也就是這是人的蛋白質(zhì)
OX=9606：Organism Taxonomy淌哟，也就是物種分類數(shù)據(jù)庫Taxonomy ID
GN=POU5F1：Gene name，基因名為POU5F1
PE=1：Protein Existence辽故，蛋白質(zhì)可靠性徒仓，對應(yīng)5個數(shù)字，數(shù)字越小越可靠：
1：Experimental evidence at protein level
2：Experimental evidence at tranlevel
3：Protein inferred from homology
4：Protein predicted
5：Protein uncertain
SV=1：Sequence Version誊垢，序列版本號
UniProtKB/TrEMBL
在認識到序列數(shù)據(jù)的生成速度超過了Swiss-Prot的注釋能力時掉弛，為了給不在Swiss-Prot中的那些蛋白質(zhì)提供自動注釋，UniProt創(chuàng)建了TrEMBL（翻譯的EMBL核苷酸序列數(shù)據(jù)庫）喂走。在三大核酸數(shù)據(jù)庫（EMBL-Bank/GenBank/DDBJ）中注釋的編碼序列都會被自動翻譯并加入該數(shù)據(jù)庫中狰晚。它也有來自PDB數(shù)據(jù)庫的序列，以及Ensembl缴啡、Refeq和CCDS基因預(yù)測的序列。之前提到的PIR組織制作了蛋白質(zhì)序列數(shù)據(jù)庫（PIR-PSD）瓷们。
UniParc
UniProt Archive（UniParc）包含來自主要公共可用蛋白質(zhì)序列數(shù)據(jù)庫的所有蛋白質(zhì)序列的非冗余數(shù)據(jù)集业栅。蛋白質(zhì)可能存在于幾個不同的來源數(shù)據(jù)庫中，并且在同一數(shù)據(jù)庫中存在多個副本谬晕。 為了避免冗余碘裕，UniParc僅將每個唯一序列存儲一次。 相同序列被合并攒钳，無論它們來自相同還是不同物種帮孔。 每個序列都有一個穩(wěn)定且唯一的標識符（UPI），從而可以從不同的來源數(shù)據(jù)庫中識別相同的蛋白質(zhì)乍迄。
UniParc僅包含蛋白質(zhì)序列啦膜，沒有注釋。 UniParc條目中的數(shù)據(jù)庫交叉引用允許從源數(shù)據(jù)庫檢索有關(guān)該蛋白質(zhì)的更多信息宴霸。 當源數(shù)據(jù)庫中的序列發(fā)生更改時姆坚，UniParc將跟蹤這些更改澳泵，并記錄所有更改的歷史記錄。
UniRef
UniProt Reference Clusters（UniRef）：聚類序列可顯著減小數(shù)據(jù)庫大小兼呵，從而加快序列搜索的速度兔辅。用于計算的蛋白質(zhì)序列來自UniProtKB和部分UniParc記錄的序列。UniRef100序列將相同的序列和序列片段（來自任何生物）合并到一個UniRef條目中击喂，用于顯示代表性蛋白質(zhì)的序列维苔。 使用CD-HIT算法對UniRef100序列進行聚類，并構(gòu)建UniRef90和UniRef50懂昂。UniRef90和UniRef50分別代表每個簇由與最長序列分別具有至少90％或50％序列同一性的序列組成介时。
一文極速讀懂 Uniprot 蛋白質(zhì)數(shù)據(jù)庫
