干货分享！常用的蛋白数据库，你了解多少？

在蛋白组学研究中，数据库是很重要的，数据库不匹配会对整个实验结果都造成很大的影响。因此数据库的下载是一个不能忽视的问题。那么通常我们用到的数据库如何下载？又包含有哪些信息呢？

首先，最最最常用到的公共数据库当然是Uniprot和NCBI了（这部分我们会重点介绍）；其次就是转录组数据分析得到的蛋白数据库；当然，Ensembl和Phytozome也是榜上有名的。

那就让我们一起了解一下这些数据库都有哪些信息吧~

以最常见的小鼠（Mus musculus (Mouse)）为例：

1/ Uniprot数据库

网址：https://www.uniprot.org/

简介：UniProt是UniversalProtein的英文缩写，是目前收录最广泛、注释信息最全的蛋白质数据库。它由Swiss-Prot、TrEMBL和PIR-PSD三大数据库的数据整合而成。其数据主要来自于基因组测序项目完成后获得的蛋白质序列，并包含了大量来自文献和人工注释的蛋白质的生物功能的信息。其中Swiss-Prot是高质量、手工注释、非冗余的数据集；TrEMBL包含有高质量的计算分析注释结果；PIR-PSD则是一个综合性的非冗余数据库。

从首页，我们可以看到五个部分，分别是：UniprotKB，UniRef，UniParc，Proteomes以及Supporting data。今天我们就主要来看一看UniprotKB和Supporting data部分。

首先从Supporting data中我们可以看到Taxonomy，在搜索框输入物种的拉丁文名（Mus musculus）：

点击上图箭头所指的UniprotKB，从新的网页中选择Download，即可下载对应的数据库信息（fasta文件）。 

其实这时候我们已经转到了UniprotKB部分，从搜索框内我们可以检索关注的蛋白ID，进一步查看其具体信息。

Entry：是Uniprot数据库中每个蛋白质独一无二的ID号；也就是我们平常说的 Protein ID。

Entry name：是蛋白ID的简称。

Protein names：是蛋白描述，也就是蛋白的名称。

Gene names：是编码这个蛋白的基因名。以数据库实际为准，有些物种是没有这一列信息的。。

Organism：蛋白的种属来源。。

Length：氨基酸序列长度。

其实从箭头所指的地方进入，是可以个性化添加列的展示项目，如Mass（分子量）、Annotation（注释）、Sequence（序列）、Subcellular location（亚细胞定位）等信息。

接下来我们可以选取感兴趣的蛋白进行全面了解，直接在检索框输入基因名即可，建议加上种属，方便快速查找。

我们以第一个“O35864“蛋白为例，来看一下Uniprot网站都包含有哪些具体的信息：

基本信息：蛋白名、基因名、物种和目前状态。

功能概括性介绍：帮助大家快速了解蛋白的功能，真的很详细~

继续往下我们可以看到GO功能注释情况、蛋白名称的组成、亚细胞定位信息、组织特异性表达情况、结构域分析以及蛋白的互作情况等等，最重要的当然还有序列信息~

举个例子：

亚细胞定位部分，黄色部分是人工注释，可靠性更高，而蓝色代表是计算机自动注释的；从图上我们可以看出Cops5主要是定位在细胞质和细胞核中。