當(dāng)我們投身于蛋白質(zhì)的研究時(shí)，探索的焦點(diǎn)通常匯聚于蛋白質(zhì)表達(dá)的動(dòng)態(tài)變化、蛋白質(zhì)發(fā)生翻譯后修飾的精妙調(diào)控、蛋白質(zhì)間錯(cuò)綜復(fù)雜的相互作用、蛋白質(zhì)所參與的生命過(guò)程和功能、三維結(jié)構(gòu)的奧秘以及作為藥物靶點(diǎn)的潛力。每一個(gè)研究方向都蘊(yùn)含著豐富的知識(shí)并彼此交織，共同編織出蛋白質(zhì)世界的復(fù)雜圖景。為了應(yīng)對(duì)這一領(lǐng)域的復(fù)雜性，我們精心整理了一系列常用的蛋白質(zhì)研究數(shù)據(jù)庫(kù)，旨在為科研工作者提供高效便捷的信息資源，節(jié)省寶貴的時(shí)間與精力。

1.1 Uniprot

UniProt（Universal Protein Resource，https://www.uniprot.org/）是一個(gè)免費(fèi)開(kāi)放的綜合性蛋白質(zhì)數(shù)據(jù)庫(kù)。該數(shù)據(jù)庫(kù)蛋白信息來(lái)源于EMBL、GenBank、DDBJ等公共數(shù)據(jù)庫(kù)（非冗余蛋白質(zhì)序列數(shù)據(jù)庫(kù)），目前使用頻率非常高，包含信息非常全面。該數(shù)據(jù)庫(kù)主要提供了蛋白質(zhì)序列和豐富的功能注釋信息，用途多樣，是查詢蛋白功能和蛋白質(zhì)組學(xué)研究中搜庫(kù)匹配的首選數(shù)據(jù)庫(kù)。應(yīng)用工具搜索不僅可以進(jìn)行序列-物種/序列-序列比對(duì)，還可以對(duì)不同數(shù)據(jù)來(lái)源的ID進(jìn)行轉(zhuǎn)換。

圖1.1 Uniprot頁(yè)面介紹

常用的UniProtKB由兩個(gè)子庫(kù)構(gòu)成：Swiss-Prot和TrEMBL。其中Swiss-Prot通常來(lái)源于已發(fā)表的文獻(xiàn)，是經(jīng)過(guò)人工驗(yàn)證和注釋的高質(zhì)量和可靠的非冗余蛋白質(zhì)注釋數(shù)據(jù)，人工注釋這些數(shù)據(jù)效率較低?；诨蚪M序列由機(jī)器自動(dòng)翻譯和預(yù)測(cè)的蛋白質(zhì)序列數(shù)據(jù)庫(kù)TrEMBL建立彌補(bǔ)了人工注釋的不足，并提供了大量新蛋白質(zhì)信息，但其注釋程度不如Swiss-Prot高。

當(dāng)我們做蛋白質(zhì)組學(xué)涉及以上兩個(gè)子庫(kù)的選擇問(wèn)題時(shí)，如果對(duì)鑒定的準(zhǔn)確度要求更高，可以選擇下載Swiss-Prot數(shù)據(jù)庫(kù)進(jìn)行搜庫(kù)，常規(guī)物種做蛋白質(zhì)組學(xué)通常選擇Swiss-Prot。如果為了鑒定蛋白更加全面，通常建議選擇UniprotKB的總蛋白序列信息進(jìn)行搜庫(kù)。

圖1.2 Uniprot子庫(kù)下載

此外Uniprot數(shù)據(jù)庫(kù)包含豐富的功能模塊，主要包含：蛋白序列、結(jié)構(gòu)域、亞細(xì)胞定位、翻譯后修飾、表達(dá)情況、蛋白互作等，可以直接輸入蛋白質(zhì)ID或者名稱進(jìn)行查詢?cè)摰鞍讌⑴c的生物學(xué)過(guò)程。

圖1.3 Uniprot 蛋白功能注釋信息

1.2 NCBI

NCBI（National Center for Biotechnology Information，美國(guó)國(guó)家生物技術(shù)信息中心，https://www.ncbi.nlm.nih.gov/）數(shù)據(jù)庫(kù)包含了大量關(guān)于基因、蛋白質(zhì)、核酸序列、疾病、藥物、解剖學(xué)、文獻(xiàn)等多個(gè)方面的信息，收錄全世界所有實(shí)驗(yàn)室檢測(cè)信息，是一個(gè)綜合性數(shù)據(jù)庫(kù)，NCBI的數(shù)據(jù)庫(kù)內(nèi)容更為廣泛和綜合，可以提供36種不同的數(shù)據(jù)檢索及分析工具。

NCBI也可以作為蛋白質(zhì)組學(xué)的物種背景數(shù)據(jù)庫(kù)，搜索物種信息即可得到RefSeq蛋白信息，但是會(huì)有很多冗余的蛋白信息。因此同一個(gè)物種，NCBI的蛋白比UniProt多，假陽(yáng)性也會(huì)隨之升高。

圖1.4 NCBI 蛋白使用下載

關(guān)于蛋白質(zhì)組學(xué)搜庫(kù)數(shù)據(jù)庫(kù)的選擇（NCBI vs Uniprot），通常建議優(yōu)先使用Uniprot數(shù)據(jù)庫(kù)，若該物種Uniprot數(shù)據(jù)庫(kù)蛋白較少，可使用NCBI數(shù)據(jù)庫(kù)進(jìn)行搜庫(kù)。若特定物種在Uniprot和NCBI中均沒(méi)有蛋白數(shù)據(jù)，優(yōu)先考慮基因組或轉(zhuǎn)錄組測(cè)序序列翻譯成的蛋白質(zhì)數(shù)據(jù)庫(kù)，也可以使用上一級(jí)或者近緣物種的蛋白質(zhì)數(shù)據(jù)庫(kù)作為備選數(shù)據(jù)庫(kù)。

蛋白質(zhì)翻譯后修飾（Post-translational modification，PTM）是指在翻譯后的蛋白質(zhì)氨基酸殘基上通過(guò)添加或移除特定的基團(tuán)進(jìn)行化學(xué)修飾，從而調(diào)節(jié)蛋白質(zhì)的活性、定位、以及蛋白與其他生物大分子間相互作用。

2.1 PhosphoSitePlus

PhosphoSitePlus數(shù)據(jù)庫(kù)（https://www.phosphosite.org/）是一個(gè)由CST和NIH聯(lián)合開(kāi)發(fā)免費(fèi)的翻譯后修飾預(yù)測(cè)數(shù)據(jù)庫(kù)，整合了大量來(lái)自高通量測(cè)序預(yù)測(cè)和科學(xué)研究實(shí)驗(yàn)驗(yàn)證的結(jié)果，為蛋白質(zhì)翻譯后修飾的研究提供了全面的信息和工具。該數(shù)據(jù)庫(kù)主要包括磷酸化、甲基化、乙?；?、泛素化等，共收錄了59499個(gè)蛋白的600798個(gè)翻譯后修飾位點(diǎn)。通過(guò)查詢蛋白質(zhì)可以獲得蛋白質(zhì)基本信息（結(jié)構(gòu)域、亞細(xì)胞定位）以及蛋白質(zhì)發(fā)生修飾的類型、修飾位點(diǎn)、抗體、修飾相關(guān)疾病，以及激酶底物序列。

圖2.1PhosphoSitePlus數(shù)據(jù)庫(kù)使用

2.2 qPTM

qPTM（quantification of Post-Translational Modifications，http://qptm.omicsbio.info）是中山大學(xué)腫瘤防治中心劉澤先教授團(tuán)隊(duì)收集并整合PTMs文獻(xiàn)的數(shù)據(jù)庫(kù)，涉及從600多個(gè)已發(fā)表研究中收集的四種不同生物體（人、大鼠、小鼠、酵母）中40728個(gè)蛋白質(zhì)在2596種條件下的660 030個(gè)非冗余PTM位點(diǎn)，修飾類型包括6種（磷酸化、乙酰化、糖基化、甲基化、SUMO化以及泛素化修飾）。通過(guò)搜索特定物種的蛋白，即可獲得前人研究的修飾發(fā)生的位點(diǎn)以及實(shí)驗(yàn)條件和參考文獻(xiàn)。

圖2.2 qPTM數(shù)據(jù)庫(kù)使用

2.3 dbPTM

dbPTM（https://awi.cuhk.edu.cn/dbPTM/index.php）是蛋白質(zhì)翻譯后修飾 (PTM) 的綜合資源，整合來(lái)自40+數(shù)據(jù)庫(kù)、70+種修飾類型、已經(jīng)被實(shí)驗(yàn)/文獻(xiàn)證實(shí)的PTM位點(diǎn)和預(yù)測(cè)位點(diǎn)共2235664個(gè)，其中重點(diǎn)修飾類型包括磷酸化、糖基化和硫修飾。通過(guò)搜索蛋白可獲得蛋白二級(jí)結(jié)構(gòu)、修飾位點(diǎn)信息、上游調(diào)節(jié)蛋白、位點(diǎn)功能以及疾病相關(guān)信息。

圖2.3dbPTM數(shù)據(jù)庫(kù)使用

2.4 Plant PTM Viewer

Plant PTM Viewer（http://www.psb.ugent.be/PlantPTMViewer）是植物蛋白翻譯后修飾數(shù)據(jù)庫(kù)，包含8種不同植物（擬南芥、水稻、大豆、小立碗蘚、番茄、玉米、小麥、萊茵衣藻）大約128920個(gè)蛋白334255個(gè)PTM位點(diǎn)的33種蛋白質(zhì)修飾。通過(guò)該網(wǎng)站我們可以檢索目的蛋白在植物中的修飾情況，此外還可以搜索同源序列中的保守翻譯后修飾位點(diǎn)。

圖2.4Plant PTM Viewer數(shù)據(jù)庫(kù)使用

一般情況下蛋白質(zhì)很難單獨(dú)發(fā)揮作用，都是由多個(gè)蛋白質(zhì)分子的相互協(xié)調(diào)共同實(shí)現(xiàn)復(fù)雜的細(xì)胞功能。對(duì)于已知蛋白與哪些未知蛋白具有結(jié)合作用，我們可通過(guò)Co-IP結(jié)合質(zhì)譜鑒定技術(shù)（運(yùn)用蛋白質(zhì)相互作用數(shù)據(jù)庫(kù)）對(duì)研究有更深入的了解。

3.1 String

STRING（Search Tool for Retrieval of Interacting Genes/Proteins，https://www.string-db.org/）數(shù)據(jù)庫(kù)整合了多個(gè)數(shù)據(jù)源的PPI信息，包括實(shí)驗(yàn)數(shù)據(jù)、文獻(xiàn)挖掘和計(jì)算預(yù)測(cè)。它提供了廣泛的物種覆蓋和功能注釋，可用于PPI網(wǎng)絡(luò)構(gòu)建和功能分析，涵蓋了5090種生物的兩千四百多萬(wàn)種蛋白質(zhì)，是目前蛋白質(zhì)互作數(shù)據(jù)庫(kù)中覆蓋物種和互作信息尤其全面的一個(gè)數(shù)據(jù)庫(kù)。主要可以進(jìn)行對(duì)已知蛋白與之互作的未知蛋白進(jìn)行分析，結(jié)果互作網(wǎng)絡(luò)圖可根據(jù)Score值評(píng)估互作，Score分越高，互作可能性越大。

圖3.1STRING數(shù)據(jù)庫(kù)使用

3.2 PiSite

PiSite（Database of Protein Interaction Sites，http://pisite.hgc.jp）通過(guò)基于大量實(shí)驗(yàn)和計(jì)算方法中獲取的蛋白質(zhì)結(jié)構(gòu)數(shù)據(jù)，分析不同的PDB條目來(lái)識(shí)別蛋白質(zhì)鏈上的結(jié)合位點(diǎn)。它整合各種蛋白質(zhì)相互作用位點(diǎn)的信息，包括氨基酸殘基相互作用、結(jié)合能力以及結(jié)構(gòu)特征等，來(lái)構(gòu)建一個(gè)全面的數(shù)據(jù)庫(kù)。

圖3.2PiSite數(shù)據(jù)庫(kù)使用

4.1 IUOHAR-DB

IUOHAR-DB（https://www.guidetopharmacology.org/）是G蛋白偶聯(lián)受體、離子通道數(shù)據(jù)庫(kù)，提供這些蛋白的基因、功能、結(jié)構(gòu)、配體、表達(dá)圖譜、信號(hào)轉(zhuǎn)導(dǎo)機(jī)制、多樣性等數(shù)據(jù)。可以用于藥物靶點(diǎn)查找，可以按照免疫過(guò)程信號(hào)通路查詢或者在不同細(xì)胞特異表達(dá)查詢或者根據(jù)蛋白激酶、離子通道分類進(jìn)行查詢。

圖4.1IUOHAR-DB數(shù)據(jù)庫(kù)使用

4.2 Binding-DB

Binding-DB（Bindind Database），加州大學(xué)圣地亞哥分校 Michael K.Gilson實(shí)驗(yàn)室發(fā)布的一個(gè)可公開(kāi)訪問(wèn)的主要收集藥物靶點(diǎn)蛋白質(zhì)和類藥小分子之間相互作用親和力的數(shù)據(jù)庫(kù)。BindingDB的數(shù)據(jù)來(lái)自相關(guān)文獻(xiàn)報(bào)道數(shù)據(jù)、專利信息、PubChem BioAssays 數(shù)據(jù)和 ChEMBL 記錄數(shù)據(jù)。BindingDB 收錄了110萬(wàn)個(gè)化合物與8800個(gè)靶點(diǎn)之間的250萬(wàn)個(gè)相互作用數(shù)據(jù)。

圖4.2Binding-DB數(shù)據(jù)庫(kù)使用

每一種蛋白質(zhì)都有其獨(dú)特的功能和結(jié)構(gòu)，這構(gòu)成了生物多樣性的一部分。為了揭示這種多樣性需要對(duì)成千上萬(wàn)的蛋白質(zhì)進(jìn)行分類和功能預(yù)測(cè)。

5.1 InterPro

InterPro（https://www.ebi.ac.uk/interpro/）將13個(gè)蛋白質(zhì)特征數(shù)據(jù)庫(kù)合并為一個(gè)集中資源，包括Coils、Gene3D、Pfam、PRINTS、ProSitePatterns、ProSiteProfiles、SMART、SUPERFAMILY、TIGRFAM、ProDom、PIR等數(shù)據(jù)庫(kù)?？梢灾苯铀阉鞯鞍仔蛄谢蛘呓Y(jié)構(gòu)域ID獲得結(jié)構(gòu)域結(jié)果。

圖5.1InterPro數(shù)據(jù)庫(kù)使用

蛋白質(zhì)的生物活性不僅決定于蛋白質(zhì)分子的一級(jí)結(jié)構(gòu)，而且與其特定的空間結(jié)構(gòu)密切相關(guān)。異常的蛋白質(zhì)空間結(jié)構(gòu)很可能導(dǎo)致其生物活性的降低、喪失。在功能和結(jié)構(gòu)細(xì)節(jié)上闡明關(guān)于蛋白質(zhì)折疊的過(guò)程將對(duì)相關(guān)疾病的預(yù)防和治療有重要意義。

6.1 PDB

PDB（Protein Data Bank，http://www.rcsb.org/），是美國(guó)Brookhaven國(guó)家實(shí)驗(yàn)室于1971年創(chuàng)建的，通過(guò)X射線單晶衍射、核磁共振、電子衍射等實(shí)驗(yàn)手段確定的蛋白質(zhì)、多糖、核酸、病毒等生物大分子的三維結(jié)構(gòu)數(shù)據(jù)庫(kù)，通過(guò)搜索蛋白質(zhì)可以獲得蛋白質(zhì)結(jié)構(gòu)的三維可視化（如果有配體相互作用）和結(jié)構(gòu)質(zhì)量指標(biāo)。

圖6.1PDB數(shù)據(jù)庫(kù)使用

6.2 AlphaFold

AlphaFold（https://deepmind.google/technologies/alphafold/）是由谷歌DeepMind開(kāi)發(fā)的一款蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)程序，它采用 AI 和深度學(xué)習(xí)技術(shù)僅根據(jù)其基因序列就能預(yù)測(cè)蛋白質(zhì)的3D結(jié)構(gòu)，僅需數(shù)日內(nèi)可識(shí)別蛋白質(zhì)的形狀，從而找到藥物靶點(diǎn)。

圖6.2AlphaFold預(yù)測(cè)蛋白

7.1 KEGG

KEGG（https://www.genome.jp/kegg/）是一個(gè)整合了基因組、化學(xué)和系統(tǒng)功能信息的綜合性數(shù)據(jù)庫(kù)，連接已知分子間相互作用的信息網(wǎng)絡(luò)，如代謝通路、復(fù)合物、生化反應(yīng)。KEGG途徑主要包括：代謝、遺傳信息處理、環(huán)境信息處理、細(xì)胞過(guò)程、人類疾病、藥物開(kāi)發(fā)等。KEGG包含多個(gè)子數(shù)據(jù)庫(kù)，有代謝通路、基因信息、化合物、酶、藥物等等，均包含大量有用的信息，經(jīng)常使用的是Pathway查詢與分析 。

圖7.1KEGG數(shù)據(jù)庫(kù)使用

7.2 Reactome

Reactome（https://reactome.org/）是一個(gè)免費(fèi)、開(kāi)源、數(shù)據(jù)經(jīng)過(guò)手動(dòng)篩選和同行評(píng)審的生物分子通路知識(shí)數(shù)據(jù)庫(kù)。目前該庫(kù)覆蓋了19個(gè)物種的通路研究，包括經(jīng)典的代謝通路、信號(hào)轉(zhuǎn)導(dǎo)、基因轉(zhuǎn)錄調(diào)控、細(xì)胞凋亡與疾病。輸入蛋白或者基因搜索即可得到相關(guān)通路信息，并可以對(duì)感興趣的通路進(jìn)行富集分析。

圖7.2Reactome數(shù)據(jù)庫(kù)使用

7.3 GO

GO（Gene Ontology，https://www.geneontology.org/）數(shù)據(jù)庫(kù)為統(tǒng)一基因功能描述而建立，Gene Ontology把描述基因和基因產(chǎn)物功能的術(shù)語(yǔ)歸納到三個(gè)不同維度的本體中（BP-生物過(guò)程、CC-細(xì)胞組分、MF-分子功能）。搜索感興趣的蛋白或者基因ID獲取相關(guān)信息。

Human Protein Atlas-人類蛋白質(zhì)圖譜（HPA，https://www.proteinatlas.org）瑞典 Knut & Alice Wallenberg基金會(huì)創(chuàng)建，利用各種技術(shù)，包括基于抗體的成像技術(shù)、基于質(zhì)譜的蛋白質(zhì)組學(xué)、轉(zhuǎn)錄組和系統(tǒng)生物學(xué)等，繪制細(xì)胞、組織和器官中的人類蛋白質(zhì)圖譜。人類蛋白質(zhì)圖譜由十二個(gè)獨(dú)立的部分組成，包括組織圖譜、腦圖譜、單細(xì)胞圖譜、組織細(xì)胞類圖譜、病理圖譜、疾病血液圖譜、免疫細(xì)胞圖譜、血液蛋白圖譜、亞細(xì)胞圖譜、細(xì)胞系圖譜、結(jié)構(gòu)圖譜、相互作用圖譜。通過(guò)搜索蛋白獲得蛋白質(zhì)在多種人類正常組織、腫瘤組織、細(xì)胞系和血液細(xì)胞內(nèi)的分布和表達(dá)情況。

9.1 ProteomeXchange

ProteomeXchange（https://www.ebi.ac.uk/pride/）是專門用來(lái)儲(chǔ)存蛋白檢測(cè)數(shù)據(jù)的網(wǎng)站。例如通過(guò)檢索特定癌癥，可以在 ProteomeXchange 得到某類癌癥有關(guān)的蛋白質(zhì)組學(xué)數(shù)據(jù)集，并可以詳細(xì)看到每一個(gè)數(shù)據(jù)集的基本信息，包括研究的物種、疾病、使用的蛋白質(zhì)組學(xué)方法以及儀器等信息，并提供該數(shù)據(jù)集的原始文件以供研究者下載。

圖9.1ProteomeXchange網(wǎng)站時(shí)使用

9.2 CPTAC

CPTAC（Clinical Proteomic Tumor Analysis Consortium，https://pdc.cancer.gov/pdc/browse）是由美國(guó)國(guó)家癌癥研究所（NCI）資助建立的一個(gè)綜合性數(shù)據(jù)庫(kù)，CPTAC數(shù)據(jù)庫(kù)主要提供了臨床隊(duì)列不同癌癥類型的蛋白質(zhì)組學(xué)數(shù)據(jù)，此外還包含基因組測(cè)序、miRNA測(cè)序和DNA甲基化數(shù)據(jù)，希望通過(guò)應(yīng)用大規(guī)模蛋白質(zhì)組學(xué)和基因組分析（proteogenomics）來(lái)加速對(duì)癌癥分子基礎(chǔ)的理解。在首頁(yè)搜索欄輸入蛋白、基因或者疾病可以獲得數(shù)據(jù)集。

圖9.2CPTAC數(shù)據(jù)使用