蛋白質(zhì)組學(xué)基礎(chǔ)：常用蛋白參考數(shù)據(jù)庫的介紹及選擇

數(shù)據(jù)庫介紹


2. NCBI數(shù)據(jù)庫
NCBI（National Center for Biotechnology Information）數(shù)據(jù)庫是全球最大的生物信息數(shù)據(jù)庫之一，由美國國立衛(wèi)生研究院（NIH）下屬的美國國家醫(yī)學(xué)圖書館（NLM）建立和維護(hù)。蛋白參考序列（RefSeq）只是NCBI數(shù)據(jù)庫組成的一部分，還包括基因序列數(shù)據(jù)庫（GenBank）、生物醫(yī)學(xué)文獻(xiàn)數(shù)據(jù)庫（PubMed）、基因數(shù)據(jù)庫（Gene）、結(jié)構(gòu)數(shù)據(jù)庫（Structure）、表型和基因型數(shù)據(jù)庫（dbGaP）等。

RefSeq 類似于 UniProtKB 的中“Proteome”的分類列表，是基于基因組注釋結(jié)果展示檢索結(jié)果的的。隨著基因組和RNA測序等其他支持?jǐn)?shù)據(jù)的更新，RefSeq也會(huì)隨之更新注釋，每個(gè)注釋版本都會(huì)有一個(gè)注釋報(bào)告，其中包含有關(guān)底層基因組、新基因組注釋、使用的其他信息以及有關(guān)更新內(nèi)容的各種統(tǒng)計(jì)數(shù)據(jù)。RefSeq 的蛋白質(zhì)序列是以每個(gè)物種為單位匯總的，不能像UniProt中那樣，通過Taxonomy分類樹逐級(jí)下載對(duì)應(yīng)的單個(gè)fasta文件。如需下載特定物種的fasta數(shù)據(jù)庫，可直接檢索具體的taxonomy ID。NCBI下載的FASTA冗余度較高，用戶需要使用其他工具進(jìn)一步合并和去除冗余條目。


如何選擇合適的數(shù)據(jù)庫
由于NCBI的參考蛋白信息以基因組注釋為主，檢索結(jié)果的冗余度較高，一般推薦優(yōu)先使用Uniprot來檢索目標(biāo)物種的參考蛋白序列，并且，要根據(jù)實(shí)驗(yàn)條件和樣本選擇最合適的FASTA數(shù)據(jù)庫。數(shù)據(jù)庫過大，會(huì)導(dǎo)致搜索空間變大，無關(guān)蛋白過多會(huì)使得假陽性過高，從而影響“正確”蛋白的鑒定結(jié)果。數(shù)據(jù)庫過小，則可能因?yàn)榈鞍讛?shù)過少而導(dǎo)致假陰性變高，譜圖中本來采集到的蛋白因?yàn)椴辉跀?shù)據(jù)庫里面而被漏掉。

對(duì)于人、小鼠等常見物種，由于實(shí)驗(yàn)數(shù)據(jù)豐富，被人工校驗(yàn)和注釋的蛋白數(shù)足夠多，因此一般直接在Swiss-Prot下載Reviewed protein fasta即可，但對(duì)于非常見物種來說，unreviewed proteins居多，甚至稀有物種本身連基因組注釋的信息都極少，此時(shí)，可以考慮Taxonomy上一級(jí)的參考序列，根據(jù)種屬同源性進(jìn)行搜索^[2]。

FASTA文件下載步驟及導(dǎo)入PEAKS^®
01 Uniprot數(shù)據(jù)庫下載


02 NCBI數(shù)據(jù)庫下載



03將FASTA導(dǎo)入PEAKS^®
> PEAKS Studio


> PEAKS Online

注意：對(duì)于NCBI下載的fasta數(shù)據(jù)庫，需要先手動(dòng)配置對(duì)應(yīng)的taxonomy文件（prot.accession2taxid.gz），配置方法見下圖（PEAKS Online直接將該文件copy至安裝目錄“\peaks-online\taxonomy”路徑下即可）。該文件可從NCBI官網(wǎng)下載，也可聯(lián)系我們獲取網(wǎng)盤下載鏈接。



我們將持續(xù)更新蛋白質(zhì)組學(xué)相關(guān)基礎(chǔ)知識(shí)，感興趣的您敬請(qǐng)持續(xù)關(guān)注哦！
若您想深入了解PEAKS軟件相關(guān)功能和應(yīng)用，歡迎點(diǎn)擊下方聯(lián)系方式提交您的咨詢信息！

參考文獻(xiàn)
1.Yuming Jiang, Jesse G. Meyer et al. Comprehensive Overview of Bottom-Up Proteomics using Mass Spectrometry. ACS Meas. Sci. Au 2024, 4, 4, 338–417.
2.UniProt. https://www.uniprot.org/help/sequence_origin (accessed 2024-05-07). 作為生物信息學(xué)的領(lǐng)軍企業(yè)，BSI專注于蛋白質(zhì)組學(xué)和生物藥領(lǐng)域，通過機(jī)器學(xué)習(xí)和先進(jìn)算法提供世界領(lǐng)先的質(zhì)譜數(shù)據(jù)分析軟件和蛋白質(zhì)組學(xué)服務(wù)解決方案，以推進(jìn)生物學(xué)研究和藥物發(fā)現(xiàn)。我們通過基于AI的計(jì)算方案，為您提供對(duì)蛋白質(zhì)組學(xué)、基因組學(xué)和醫(yī)學(xué)的卓越洞見。旗下著名的PEAKS®️系列軟件在全世界擁有數(shù)千家學(xué)術(shù)和工業(yè)用戶，包括：PEAKS®️ Studio，PEAKS®️ Online，PEAKS®️ GlycanFinder, PEAKS®️ AB，DeepImmu®️ 免疫肽組發(fā)現(xiàn)服務(wù)和抗體綜合表征服務(wù)等。
聯(lián)系方式：021-60919891；sales-china@bioinfor.com