Interested Article - UniProt

isla
  • 2021-03-18
  • 1

UniProt — открытая база данных последовательностей белков. Консорциум UniProt действует с 2003 года . Единая база данных UniProt была создана путём объединения нескольких баз . UniProt состоит из четырёх крупных баз данных (База знаний , Архив , Справочные кластеры и метагеномные данные ) и охватывает различные аспекты анализа белковых последовательностей. Многие из последовательностей стали известны в результате реализации проектов секвенирования геномов последних лет. Кроме того, база данных UniProt содержит большое количество информации о биологических функциях белков, полученной из научной литературы.

Uniprot-консорциум

В UniProt-консорциум входят: Европейский Институт Биоинформатики (EBI), Швейцарский Институт Биоинформатики (SIB) и Белковый Информационный Ресурс (PIR) .

В EBI, расположенном в посёлке Хинкстон (Hinxton), Великобритания, размещено большое количество биоинформатических баз данных и сервисов .

SIB, расположенный в Женеве, Швейцария, является хранилищем серверов, служащих для экспертного белкового системного анализа (ExPASy-серверов), являющихся главным источником для инструментов протеомики и соответствующих баз данных .

PIR расположен в Медицинском центре Джорджтаунского университета в Вашингтоне, округ Колумбия, США, и представляет собой интегрированный биоинформатический ресурс, предназначенный для поддержки исследований в области геномики и протеомики .

В 2002 году PIR (Белковый Информационный Ресурс), вместе со своими международными партнёрами, EBI (Европейским Институтом Биоинформатики) и SIB (Швейцарским Институтом Биоинформатики), получили грант от Национального Института Здоровья (NIH) для создания UniProt, единой всемирной базы данных последовательностей и функций белков. Так появился консорциум UniProt . Проект UniProt начал действовать с декабря 2003 года .

UniProt финансируется за счёт грантов от Национальных Институтов Здравоохранения США (NIH), Национального Института исследования генома человека (NHGRI), Национального Института Общемедицинских Hаук (NIGMS), Британского фонда по борьбе с сердечными заболеваниями (BHF), Швейцарского Федерального Правительства через Федеральное управление образования и науки, Национального научного фонда (NSF) .

Происхождение базы данных UniProt

Единая база данных UniProt была создана путём объединения баз данных Swiss-Prot, TrEMBL и PIR — PSD .

Swiss-Prot

База данных Swiss-Prot была создана в 1986 году Амосом Байрошем во время работы над своим PhD-проектом и развита в дальнейшем в Швейцарском Институте Биоинформатики (SIB), а позже доработана Рольфом Апвейлером в Европейском Институте Биоинформатики (EBI) . Основная функция базы данных Swiss-Prot направлена на обеспечение надёжности информации о белковых последовательностях, обусловленной высоким, детальным уровнем аннотации, выполненной вручную. Она включает описание функции белка, его доменной структуры, пост-трансляционных модификаций , различных вариантов последовательности и т. д., причём с минимальным уровнем избыточности и высоким уровнем интеграции с другими базами данных .

TrEMBL

База данных «Библиотека данных Нуклеотидных последовательностей» (TrEMBL) была разработана в 1996 году как аннотированное компьютерное приложение к Swiss-Prot . Решение о создании TrEMBL было принято в ответ на увеличение потока данных в результате появления геномных проектов, а затратный по времени и трудоемкий процесс ручной аннотации в UniProtKB / Swiss-Prot превышал возможности Swiss-Prot для того, чтобы включить все доступные белковые последовательности . TrEMBL предоставляет возможность автоматизированной аннотации для трансляции имеющихся нуклеотидных последовательностей и превращения их в белковые последовательности вне Swiss-Prot .

PIR-PSD

PIR, организованный Национальным фондом медико-биологических исследований (NBRF) в Медицинском центре Джорджтаунского университета в Вашингтоне, округ Колумбия, США, является наследником старейшей базы данных последовательностей белков, а именно, созданным Маргарет Окли Дейхофф «Атласом последовательностей белка и структуры», впервые опубликованным в 1965 году . PIR поддерживает несколько белковых баз данных, а именно: главную базу белковых последовательностей (PIR-PSD), базу данных, связанную с классификацией белков по структуре и функциям (iProClass), а также другие базы данных белковых последовательностей и курируемых семейств .

Организация баз данных UniProt

UniProt предоставляет четыре основных базы данных:

  1. UniProtKB (Swiss-Prot и TrEMBL),
  2. UniParc,
  3. UniRef,
  4. UniMes.

UniProt KnowledgeBase (UniProtKB)

База знаний UniProt (UniProtKB) представляет собой белковую базу данных, частично курируемую экспертами и состоящую из двух секций:

  • UniProtKB / Swiss-Prot, содержащую обзорные, вручную аннотированные записи. По состоянию на 15 марта 2017 года UniProtKB / Swiss-Prot содержит 553941 запись последовательностей (включающих 198311666 аминокислот), полученных из 251243 источников .
  • UniProtKB / TrEMBL, содержащую нерецензированные, автоматически аннотированные записи . По состоянию на 15 марта 2017 года UniProtKB / TrEMBL содержит 80204459 записей белковых последовательностей (включающих 26890984395 аминокислот) .

UniProtKB/Swiss-Prot

UniProtKB/Swiss-Prot является аннотированной вручную, без резервирования, базой данных белковых последовательностей. Целью UniProtKB / Swiss-Prot является предоставление всей известной необходимой информации о конкретном белке . Аннотации регулярно проверяются, чтобы соответствовать текущим научным результатам. Требования к составлению аннотации записи включают подробный анализ последовательности белка и данных о нём из научной литературы . Последовательности белка того же самого гена и того же вида объединены в одной и той же записи базы данных. Различия между последовательностями идентифицированы, и их причины документально зафиксированы и приведены (например, такие как альтернативный сплайсинг , естественные изменения, неправильные сайты инициации, неправильные экзонные границы, неправильные рамки считывания , список неопознанных конфликтов и другие). Целый диапазон инструментов анализа последовательностей используется при аннотации записей в UniProtKB/Swiss-Prot. Компьютерные предсказания вручную анализируются, и подходящие результаты отбираются для включения в записи базы данных. Эти предсказания включают пост-трансляционные модификации, последовательность, структуру и топологию трансмембранных доменов, сигнальные пептиды , доменную идентификацию и классификацию белковых семейств . Соответствующие публикации идентифицируются поиском в базах данных, таких как PubMed . Полный текст каждого документа считывается, и информация добавляется к записи.

Аннотация, как правило, включает нижеперечисленную информацию :

Аннотированная запись должна пройти контроль качества перед включением в UniProtKB / Swiss-Prot. При появлении новых данных существующие записи обновляются .

UniProtKB/TrEMBL

UniProtKB / TrEMBL содержит записи, проанализированные с помощью компьютерной техники, которые дополнены при помощи автоматической аннотации .

Трансляция аннотированных кодирующих последовательностей в базах данных последовательностей нуклеотидов, таких как Европейская молекулярно-биологическая лаборатория (EMBL-Bank), ГенБанк , Японская база данных ДНК (DDBJ) осуществляется автоматически, после чего эти белковые последовательности заносятся в UniProtKB / TrEMBL. UniProtKB / TrEMBL также содержит последовательности из Белкового Банка Данных (PDB) и предсказанные гены, в том числе из Ensembl — объединённого научного проекта, включающего Европейский Институт Биоинформатики и the Wellcome Trust Sanger Institute, RefSeq и CCDS .

UniProt Архив (UniParc)

UniProt Архив (UniParc) представляет собой всеобъемлющую, содержащуюся без резервирования базу данных, которая содержит последовательности белков из основных общедоступных баз данных белковых последовательностей . Так как один и тот же белок может находиться в нескольких различных исходных базах данных, а также присутствовать в нескольких экземплярах в одной и той же базе данных, во избежание избыточности UniParc сохраняет каждую уникальную последовательность только один раз. Идентичные последовательности объединяются независимо от того, являются ли они белками, представляющими одни и те же или разные виды. Каждой последовательности присвоен стабильной и уникальный код (УПИ), что делает возможным идентифицировать один и тот же белок из различных исходных баз данных .

UniParc содержит только белковые последовательности без аннотации. Перекрёстные ссылки в записях из базы данных UniParc позволяют получить дополнительную информацию о белке из базы данных, являющейся первоисточником. Если в исходных базах данных последовательности изменяются, эти изменения отслеживаются в UniParc, а история всех изменений сохраняется в архиве .

Источники данных для UniParc
База данных Тип данных
Японская база данных ДНК (DDBJ)

(ENA)

База данных ДНК и РНК (GenBank)

Кодирующие последовательности
Объединённый научный проект, включающий Европейский Институт Биоинформатики и the Wellcome Trust Sanger Institute (Ensembl)

База данных Геномной Аннотации Позвоночных (VEGA)

Прогнозируемые кодирующие последовательности из геномов позвоночных
Основное хранилище генетических и молекулярных данных для насекомых семейства Drosophilidae (FlyBase) Кодирующая последовательность для видов из семейства Drosophilidae
Исчерпывающий источник аннотаций для человеческих генов и транскриптов (H-Inv) Последовательности человеческого белка
Международный Белковый Индекс (IPI) Протеиновые последовательности высших эукариот
(USPTO) Кодирующие последовательности, связанные с патентами из патентных ведомств
Белковые информационные ресурсы (PIR-PSD) Курированные последовательности белка
Белковый Банк данных (PDB) Последовательности белков, трёхмерные структуры которых находятся в PDB
Белковый исследовательский фонд (PRF) Протеиновые последовательности из научных трудов и предсказаний
Кластеры ссылок UniProt (RefSeq) Кодирующие последовательности из набора NCBI геномных, транскрипционных и белковых эталонных последовательностей
Дрожжевая геномная база данных (SGD) Кодирующие последовательности для Saccharomyces cerevisiae
База информационных ресурсов для Arabidopsis thaliana (TAIR) Кодирующие последовательности для Arabidopsis thaliana
Прогнозируемые аминокислотные последовательности
UniProtKB/Swiss-Prot Обработанные вручную белковые последовательности, главным образом производные от TrEMBL
UniProtKB/TrEMBL Автоматически курируемые последовательности белка, полученные из кодирующих последовательностей в базах данных нуклеотидных последовательностей
База данных геномных и других биологических характеристик Caenorhabditis elegans (WormBase) Кодирующие последовательности для нематоды Caenorhabditis elegans

Справочные кластеры UniProt (UniRef)

Кластеры ссылок UniProt (UniRef) состоят из трёх баз данных (UniRef100, UniRef90 и UniRef50), сформированных из кластеризованных наборов белковых последовательностей из UniProtKB и отобранных записей UniParc .

База данных UniRef100 сочетает идентичные последовательности и фрагменты последовательности (из любого организма) в одной записи UniRef .

Последовательности UniRef100 были кластеризованы с использованием CD-HIT алгоритма , чтобы построить UniRef90 и UniRef50 . Каждый из двух последних кластеров состоит из последовательностей, которые имеют не менее 90 % и не менее 50 % идентичности, соответственно, с самой длинной найденной последовательностью. В настоящее время покрытие UniRef превышает 4000000 исходных последовательностей .

Кластеризация последовательностей значительно уменьшает размер базы данных: UniRef100, UniRef90 и UniRef50 дают уменьшение размера базы данных примерно на ~ 10, 40 и 70 %, соответственно. Снижение избыточности увеличивает скорость поиска подобия и позволяет повысить надёжность поиска далёких родственных белков .

Записи UniRef содержат сведения о последовательности репрезентативного белка, подсчёт членов и общей таксономии кластера, а также регистрационные номера всех присоединяемых записей и ссылок на аннотации в UniProtKB для облегчения биологических исследований .

UniRef доступен с сайта UniREF FTP .

UniMrot (UniMes)

UniProt KB содержит записи с известной таксономией источника. Новые разработки привели к обнаружению новых источников для поиска белковых последовательностей. Появление метагеномных данных потребовало создания принципиально нового раздела в UniProt KB, а именно, отдельной базы данных — UniProt метагеномных последовательностей и неизвестных последовательностей из окружающей среды, UniMES (The UniProt Metagenomic and Environmental Sequences database) .

Метагеномика (metagenomics) представляет собой масштабный геномный анализ микробов, выделенных из проб из окружающей среды, в отличие от лабораторно выращенных организмов, которые представляют лишь небольшую часть микробного мира.

UniMES в настоящее время содержит данные о белковых последовательностях организмов из мирового океана, обеспеченных глобальной океанической экспедицией по сбору проб (Global Ocean Sampling expedition — GOS) , которые были первоначально представлены в Международной базе данных нуклеотидных последовательностей (INSDC) .

Первоначальный GOS-набор данных состоит из 25 миллионов последовательностей ДНК, в основном из океанических микробов, и почти 6 миллионов предсказанных белков. UniMES объединяет предсказанные белковые последовательности с автоматической классификацией по Interpro, который является интегрированным ресурсом для белковых семейств, доменов и функциональных сайтов. Поэтому UniMES является уникальной базой данных, которая обеспечивает свободный доступ к массиву геномной информации, полученной от экспедиций для отбора проб. Данные пробы из окружающей среды, содержащиеся в этой базе данных, отсутствуют в UniProt базе знаний или UniProt справочных кластерах (UniRef), но интегрированы в UniParc .

UniMES доступен на UniProt FTP site в формате FASTA .

Примечания

  1. ↑ (англ.) . обращения: 31 марта 2017. 30 апреля 2017 года.
  2. (англ.) . обращения: 24 апреля 2017. 1 мая 2017 года.
  3. (англ.) . обращения: 24 апреля 2017. 25 апреля 2017 года.
  4. (англ.) . обращения: 24 апреля 2017. 22 марта 2017 года.
  5. Funding for Global Protein Database Will Create One Reliable Resource ( от 24 сентября 2015 на Wayback Machine )
  6. ↑ Apweiler R. , Bairoch A. , Wu C. H. (англ.) // Current opinion in chemical biology. — 2004. — Vol. 8, no. 1 . — P. 76—80. — doi : . — . [ ]
  7. ↑ (англ.) // Nucleic acids research. — 2010. — Vol. 38. — P. D142–148. — doi : . — . [ ]
  8. ↑ O'Donovan C. , Martin M. J. , Gattiker A. , Gasteiger E. , Bairoch A. , Apweiler R. (англ.) // Briefings in bioinformatics. — 2002. — Vol. 3, no. 3 . — P. 275—284. — . [ ]
  9. Wu C. H. , Yeh L. S. , Huang H. , Arminski L. , Castro-Alvear J. , Chen Y. , Hu Z. , Kourtesis P. , Ledley R. S. , Suzek B. E. , Vinayaka C. R. , Zhang J. , Barker W. C. (англ.) // Nucleic acids research. — 2003. — Vol. 31, no. 1 . — P. 345—347. — . [ ]
  10. ↑ Boeckmann B. , Bairoch A. , Apweiler R. , Blatter M. C. , Estreicher A. , Gasteiger E. , Martin M. J. , Michoud K. , O'Donovan C. , Phan I. , Pilbout S. , Schneider M. (англ.) // Nucleic acids research. — 2003. — Vol. 31, no. 1 . — P. 365—370. — . [ ]
  11. ↑ Bairoch A. , Apweiler R. (англ.) // Nucleic acids research. — 1996. — Vol. 24, no. 1 . — P. 21—25. — . [ ]
  12. Bairoch A. (англ.) // Bioinformatics. — 2000. — Vol. 16, no. 1 . — P. 48—64. — . [ ]
  13. Séverine Altairac, « от 12 июля 2010 на Wayback Machine ». от 21 июня 2011 на Wayback Machine , August 2006. ISSN 1660-9824.
  14. Dayhoff, Margaret O. Atlas of protein sequence and structure (неопр.) . — Silver Spring, Md: National Biomedical Research Foundation, 1965.
  15. UniProtKB/SwissProt release statistics ( от 29 мая 2010 на Wayback Machine )
  16. UniProtKB/TrEMBL release statistics ( от 1 октября 2015 на Wayback Machine )
  17. ↑ How do we manually annotate a UniProtKB entry ( от 13 декабря 2013 на Wayback Machine )
  18. Apweiler R. , Bairoch A. , Wu C. H. , Barker W. C. , Boeckmann B. , Ferro S. , Gasteiger E. , Huang H. , Lopez R. , Magrane M. , Martin M. J. , Natale D. A. , O'Donovan C. , Redaschi N. , Yeh L. S. (англ.) // Nucleic acids research. — 2004. — Vol. 32. — P. D115–119. — doi : . — . [ ]
  19. (англ.) . обращения: 16 апреля 2014. 15 декабря 2013 года.
  20. Leinonen R. , Diez F. G. , Binns D. , Fleischmann W. , Lopez R. , Apweiler R. (англ.) // Bioinformatics. — 2004. — Vol. 20, no. 17 . — P. 3236—3237. — doi : . — . [ ]
  21. ↑ Suzek B. E. , Huang H. , McGarvey P. , Mazumder R. , Wu C. H. (англ.) // Bioinformatics. — 2007. — Vol. 23, no. 10 . — P. 1282—1288. — doi : . — . [ ]
  22. ↑ Li W. , Jaroszewski L. , Godzik A. (англ.) // Bioinformatics. — 2001. — Vol. 17, no. 3 . — P. 282—283. — . [ ]
  23. . (недоступная ссылка)
  24. UniREF FTP site ( )
  25. ↑ Yooseph S. , Sutton G. , Rusch D. B. , Halpern A. L. , Williamson S. J. , Remington K. , Eisen J. A. , Heidelberg K. B. , Manning G. , Li W. , Jaroszewski L. , Cieplak P. , Miller C. S. , Li H. , Mashiyama S. T. , Joachimiak M. P. , van Belle C. , Chandonia J. M. , Soergel D. A. , Zhai Y. , Natarajan K. , Lee S. , Raphael B. J. , Bafna V. , Friedman R. , Brenner S. E. , Godzik A. , Eisenberg D. , Dixon J. E. , Taylor S. S. , Strausberg R. L. , Frazier M. , Venter J. C. (англ.) // Public Library of Science Biology. — 2007. — Vol. 5, no. 3 . — P. e16. — doi : . — . [ ]
  26. Brunak S. , Danchin A. , Hattori M. , Nakamura H. , Shinozaki K. , Matise T. , Preuss D. (англ.) // Science (New York, N.Y.). — 2002. — Vol. 298, no. 5597 . — P. 1333. — . [ ]
  27. (англ.) // Nucleic acids research. — 2008. — Vol. 36. — P. D190–195. — doi : . — . [ ]
  28. Uniprot FTP site UniMES ( (недоступная ссылка) )

Ссылки


Источник —

isla
  • 2021-03-18
  • 1
  • Tags:

Same as UniProt

The title for the last searches