InterPro - InterPro

InterPro

Obsah
Popis	InterPro funkčně analyzuje proteinové sekvence a klasifikuje je do proteinových rodin, přičemž předpovídá přítomnost domén a funkčních míst.
Kontakt
Výzkumné centrum	EMBL
Laboratoř	Evropský institut pro bioinformatiku
Primární citace	Databáze proteinových rodin a domén InterPro: 20 let
Datum vydání	1999
Přístup
webová stránka	www .ebi .ac .uk /interpro /
Stáhnout URL	ftp.ebi.ac.uk/pub/databases/interpro/
Smíšený
Frekvence uvolňování dat	8 týdně
Verze	83.0 (2. prosince 2020 ; před 8 měsíci ) ( 2020-12-02 )

InterPro je databáze proteinových rodin, domén a funkčních míst, ve kterých lze identifikovatelné rysy nalezené ve známých proteinech aplikovat na nové proteinové sekvence, aby je bylo možné funkčně charakterizovat.

Obsah InterPro se skládá z diagnostických podpisů a proteinů, které se významně shodují. Podpisy se skládají z modelů (jednoduchých typů, jako jsou regulární výrazy nebo složitějších, jako jsou modely Skrytého Markova ), které popisují rodiny proteinů, domény nebo weby. Modely jsou vytvořeny z aminokyselinových sekvencí známých rodin nebo domén a následně jsou použity k vyhledávání neznámých sekvencí (jako jsou ty, které vznikají z nového sekvenování genomu) za účelem jejich klasifikace. Každá z členských databází InterPro přispívá k jinému výklenku, od klasifikací na velmi vysoké úrovni struktur ( SUPERFAMILY a CATH-Gene3D) až po zcela specifické klasifikace podrodin ( PRINTS a PANTHER ).

Záměrem InterPro je poskytnout jednotné kontaktní místo pro klasifikaci proteinů, kde budou všechny podpisy vytvořené různými členskými databázemi umístěny do záznamů v databázi InterPro. Podpisy, které představují ekvivalentní domény, weby nebo rodiny, jsou vloženy do stejného záznamu a položky mohou také navzájem souviset. Pokud je to možné, ke každému záznamu jsou přidruženy další informace, jako je popis, konzistentní názvy a termíny Gene Ontology (GO).

Údaje obsažené v InterPro

InterPro obsahuje tři hlavní entity: proteiny, podpisy (označované také jako „metody“ nebo „modely“) a záznamy. Proteiny v UniProtKB jsou také ústředními proteinovými entitami v InterPro. Informace o tom, které podpisy se významně shodují s těmito proteiny, se vypočítají, když jsou sekvence uvolňovány UniProtKB a tyto výsledky jsou zpřístupněny veřejnosti (viz níže). Shody podpisů s proteiny určují, jak jsou podpisy integrovány společně do záznamů InterPro: jako indikátory příbuznosti se používá komparativní překrývání shodných proteinových sad a umístění shod podpisů na sekvencích. Do InterPro jsou integrovány pouze podpisy, které jsou považovány za dostatečně kvalitní. Od verze 81.0 (vydáno 21. srpna 2020) položky InterPro anotovaly 73,9% zbytků nalezených v UniProtKB a dalších 9,2% bylo označeno podpisy, které čekají na integraci.

Pokrytí zbytků UniProtKB vstupy InterPro od verze InterPro 81.0.

InterPro také obsahuje data pro sestřihové varianty a proteiny obsažené v databázích UniParc a UniMES.

Členské databáze konsorcia InterPro

Podpisy z InterPro pocházejí ze 13 „členských databází“, které jsou uvedeny níže.

CATH-Gene3D

Popisuje proteinové rodiny a doménové architektury v kompletních genomech. Proteinové rodiny se vytvářejí pomocí Markovova shlukovacího algoritmu, po kterém následuje klastrování s více vazbami podle identity sekvence. Mapování predikovaných domén struktury a sekvence se provádí pomocí skrytých knihoven Markovových modelů reprezentujících domény CATH a Pfam . Funkční anotace je poskytována proteinům z více zdrojů. Funkční predikce a analýza doménových architektur je k dispozici na webových stránkách Gene3D.

CDD

Conserved Domain Database je zdroj anotací proteinů, který se skládá ze sbírky komentovaných modelů zarovnání více sekvencí pro starodávné domény a plnohodnotné proteiny. Ty jsou k dispozici jako pozičně specifické skóre matice (PSSM) pro rychlou identifikaci konzervovaných domén v proteinových sekvencích pomocí RPS-BLAST.

HAMAP

Znamená vysoce kvalitní automatizovanou a ruční anotaci mikrobiálních proteinů. Profily HAMAP jsou ručně vytvořeny odbornými kurátory a identifikují proteiny, které jsou součástí dobře konzervovaných bakteriálních, archaálních a plastidem kódovaných (tj. Chloroplastů, kyanel, apikoplastů, nefotosyntetických plastidů) proteinových rodin nebo podskupin.

MobiDB

MobiDB je databáze anotující vnitřní poruchu proteinů.

PANTER

PANTHER je velká sbírka proteinových rodin, které byly rozděleny do funkčně příbuzných podrodin s využitím lidských znalostí. Tyto podčeledi modelují divergenci specifických funkcí v rámci proteinových rodin, což umožňuje přesnější asociaci s funkcí (klasifikace molekulárních funkcí a klasifikace biologických procesů a diagramy drah kurátorem), jakož i odvození aminokyselin důležitých pro funkční specifitu. Skryté Markovovy modely (HMM) jsou vytvořeny pro každou rodinu a podrodinu pro klasifikaci dalších proteinových sekvencí.

Pfam

Je velká sbírka více sekvenčních zarovnání a skrytých Markovových modelů pokrývajících mnoho běžných proteinových domén a rodin.

13 členských databází konsorcia InterPro seskupených podle jejich metody konstrukce podpisu a biologické entity, na kterou se zaměřují.

PIRSF

Proteinový klasifikační systém je síť s více úrovněmi rozmanitosti sekvencí od superrodin po podskupiny, která odráží evoluční vztah plnohodnotných proteinů a domén. Primární klasifikační jednotkou PIRSF je homeomorfní rodina, jejíž členové jsou homologní (vyvinuli se ze společného předka) a homeomorfní (sdílející podobnost sekvencí v plné délce a architekturu společné domény).

TISKY

PRINTS je souhrn proteinových otisků prstů. Otisk prstu je skupina konzervovaných motivů používaných k charakterizaci rodiny proteinů; jeho diagnostická síla je vylepšena iteračním skenováním UniProt. Motivy se obvykle nepřekrývají, ale jsou od sebe odděleny sekvencí, i když mohou v 3D prostoru na sebe navazovat. Otisky prstů mohou kódovat proteinové záhyby a funkce flexibilněji a silněji než jednotlivé motivy, jejich plná diagnostická účinnost vyplývající ze vzájemného kontextu poskytovaného sousedy motivů.

PROSITE

PROSITE je databáze proteinových rodin a domén. Skládá se z biologicky významných míst, vzorů a profilů, které pomáhají spolehlivě identifikovat, do které známé rodiny proteinů (pokud existuje) nová sekvence patří.

CHYTRÝ

Jednoduchý nástroj pro výzkum modulární architektury Umožňuje identifikaci a anotaci geneticky mobilních domén a analýzu doménových architektur. Je detekovatelných více než 800 doménových rodin nacházejících se v signalizaci, extracelulárních a chromatinově asociovaných proteinech. Tyto domény jsou rozsáhle anotovány s ohledem na fyletické distribuce, funkční třídu, terciární struktury a funkčně důležité zbytky.

SUPERFAMILY

SUPERFAMILY je knihovna profilových skrytých Markovových modelů, které představují všechny proteiny známé struktury. Knihovna je založena na klasifikaci proteinů SCOP : každý model odpovídá doméně SCOP a má za cíl reprezentovat celou superrodinu SCOP , do které doména patří. SUPERFAMILY byla použita k provádění strukturálních přiřazení ke všem kompletně sekvenovaným genomům.

SFLD

Hierarchická klasifikace enzymů, která spojuje specifické rysy struktury sekvence se specifickými chemickými schopnostmi.

TIGRFAMY

TIGRFAMs je sbírka proteinových rodin s kurátorovými vícenásobnými zarovnáními, skrytými Markovovými modely (HMM) a anotací, která poskytuje nástroj pro identifikaci funkčně příbuzných proteinů na základě sekvenční homologie. Tyto záznamy, které jsou "ekvivalogy", seskupují homologní proteiny, které jsou konzervovány s ohledem na funkci.

Typy dat

InterPro se skládá ze sedmi typů údajů poskytovaných různými členy konsorcia:

Ikony, které identifikují pět typů záznamů nalezených v InterPro (homologní nadčeleď, rodina, doména, opakování nebo web).

Typy vstupů InterPro

Záznamy InterPro lze dále rozdělit na pět typů:

• Homologní superrodina : Skupina proteinů, které sdílejí společný evoluční původ, jak je vidět na jejich strukturálních podobnostech, i když jejich sekvence nejsou příliš podobné. Tyto položky konkrétně poskytují pouze dvě členské databáze: CATH-Gene3D a SUPERFAMILY.
• Rodina : Skupina proteinů, které mají společný evoluční původ určený strukturálními podobnostmi, souvisejícími funkcemi nebo sekvenční homologií .
• Doména: Zřetelná jednotka v proteinu s konkrétní funkcí, strukturou nebo sekvencí.
• Opakování: Sekvence aminokyselin, obvykle ne delší než 50 aminokyselin, které mají tendenci se v proteinu mnohokrát opakovat.
• Místo: Krátká sekvence aminokyselin, kde je zachována alespoň jedna aminokyselina. Patří sem posttranslační modifikační místa, konzervovaná místa, vazebná místa a aktivní místa .

Přístup

Databáze je k dispozici pro textové a sekvenční vyhledávání prostřednictvím webového serveru a ke stažení prostřednictvím anonymního FTP. Stejně jako ostatní databáze EBI je veřejně přístupný , protože jeho obsah může používat „každý jednotlivec a pro jakýkoli účel“. InterPro si klade za cíl zveřejnit data veřejnosti každých 8 týdnů, obvykle do jednoho dne od vydání stejných proteinů UniProtKB.

InterPro rozhraní pro programování aplikací (API)

InterPro poskytuje API pro programový přístup ke všem položkám InterPro a jejich souvisejícím záznamům ve formátu Json . Pro API existuje šest hlavních koncových bodů odpovídajících různým datovým typům InterPro: vstup, protein, struktura, taxonomie, proteom a sada.

InterProScan

InterProScan je softwarový balíček, který umožňuje uživatelům skenovat sekvence podle podpisů členské databáze. Uživatelé mohou tento software pro skenování podpisů použít k funkční charakterizaci nových nukleotidových nebo proteinových sekvencí. InterProScan se často používá v genomových projektech, aby se získala charakteristika požadovaného genomu „first-pass“. V prosinci 2020 používá veřejná verze InterProScan (v5.x) architekturu založenou na jazyce Java . Softwarový balíček je aktuálně podporován pouze na 64bitovém operačním systému Linux .

K InterProScan, spolu s mnoha dalšími bioinformatickými nástroji EMBL-EBI, lze přistupovat také programově pomocí API RESTful a SOAP Web Services.

Viz také

• Proteinová rodina
• Doména neznámé funkce
• Sekvenční motiv

Reference

externí odkazy

• Oficiální web - webový server