Az InterPro fehérjecsaládok, fehérjedomének és funkciós helyek adatbázisa, ahol ismert fehérjék azonosítható jellemzői alkalmazhatók új fehérjeszekvenciák esetén funkcionális jellemzésükhöz.
Az InterPro diagnosztikai aláírásokat és az azoknak jelentős mértékben megfelelő fehérjéket tartalmaznak. E jelek fehérjecsaládokat, -doméneket vagy helyeket leíró modellekből (egyszerűekből, például reguláris kifejezésekből, vagy összetettebbekből, például rejtett Markov-modellekből) állnak. A modellek az ismert családok aminosav-szekvenciáiból épülnek, és ezeket később ismeretlen (például új genom szekvenálásából származó) szekvenciák keresésére használják azok besorolásához. Az InterPro mindegyik tagadatbázisa eltérő részhez járul a nagyon magas szintű, szerkezeti alapú osztályzástól (SUPERFAMILY és CATH-Gene3D) a specifikus alcsalád-besorolásig (PRINTS, PANTHER).
Az InterPro célja a fehérjékről szóló információk egy helyen való megtalálhatósága, ahol minden eltérő adatbázis által adott eredmény az InterPro-adatbázisban lévő bejegyzésekbe kerül. Az ekvivalens doméneket, helyeket vagy családokat adó eredmények egy helyre kerülnek, és a bejegyzések összekapcsolhatók. További információk, például leírás, konzisztens nevek és génontológiai (GO) fogalmak tartoznak minden bejegyzéshez, ha lehetséges. Az InterPro adatai Az InterPro három fő entitást tartalmaz: fehérjéket, aláírásokat (metódusok, modellek) és bejegyzések. A UniProtKB-ben lévő fehérjék az InterPro központi fehérjeentitásai. Az adott aláírásnak jelentősen megfelelő fehérjék a UniProtKB-ben lévő szekvenciákból vannak számítva, ezen eredmények nyilvánosak. Az aláírás-fehérje egyezések határozzák meg az aláírások integrálását InterPro-bejegyzésekbe: az egyeztetett fehérjecsoportok átfedése és az aláírások egyezésének foka használatosak a rokonság indikátoraiként. Csak az elegendően magas minőségű aláírások kerülnek az InterPróba. Az InterPro 81.0 a UniProtKB-ben lévő csoportok 73,9%-át tartalmazta, további 9,2% pedig integrálás alatt állt. bélyegkép|A UniProtKB-csoportok lefedettsége InterPro-bejegyzésekkel az InterPro 81.0-ban|523x523px Az InterPro tartalmaz továbbá adatokat splicingváltozatokhoz és a UniParc és UniMES adatbázisokban lévő fehérjékhez. Az InterPro tagadatbázisai bélyegkép|480x480px|Az InterPro 13 tagadatbázisa adatbázis-építő módszer és a központban lévő biológiai entitás szerint csoportosítva.|left Az InterPro aláírásait 13 „tagadatbázis” adja: CATH-Gene3D: Fehérjecsaládokat és doménarchitektúrákat ír le teljes genomokban. A fehérjecsaládok Markov-csoportosítóalgoritmussal jönnek létre többkapcsolatos csoportosítással szekvenciaazonosságnak megfelelően. Az előrejelzett szerkezet és a szekvenciadomének összekapcsolása rejtett Markov-modellel történik. A funkciós jelölés több erőforrásból származó fehérjékre használható. A funkciós előrejelzés és analízis a Gene3D-weblapról elérhető. CDD: a Conserved Domain Database fehérjejelző adatbázis, mely többszekvenciás elrendezési modellekből áll ősi doménekhez és teljes fehérjékhez is. Pozícióspecifikus pontszámmátrixok (PSSM) érhetők el az állandó domének gyors azonosítására RPS-BLAST-tal. HAMAP: a High-quality Automated and Manual Annotation of microbial Proteomes rövidítése. A HAMAP-profilokat kézzel készítik szakértők jól állandósult bakteriális, archeális és plasztiszok (például kloroplasztisz, cianellum, apikoplasztisz, nem fotoszintetikus plasztisz) kódolta fehérjék családjairól vagy alcsaládjairól. MobiDB: a MobiDB a fehérjék belső rendezetlenségét jelölő adatbázis. PANTHER: a PANTHER nagy, funkcionálisan rokon alcsaládokba osztott fehérjecsaládok kézzel karbantartott gyűjteménye. Ezen alcsaládok a funkciók divergenciáját modellezik, lehetővé téve a pontosabb összekapcsolást a funkcióval (kézzel karbantartott molekulárisfunkció- és biológiaifolyamat-osztályzások és útvonaldiagramok), valamint a funkciós specificitáshoz fontos aminosavak inferenciáját. A családokhoz és alcsaládokhoz rejtett Markov-modellek készülnek további szekvenciák azonosításához. Pfam: Nagy többszekvenciás elrendeződések és több gyakori fehérjedomént és -családot lefedő rejtett Markov-modellek gyűjteménye. PIRSF: a PIRSF többszintű szekvenciadiverzitással működő adatbázis főcsaládtól alcsaládig, mely a teljes fehérjék és domének kapcsolatát tükrözi. Az elsődleges PIRSF osztályozási egység a homeomorf család, melynek tagjai homológok (közös ősből fejlődtek) és homeomorfak (teljes hosszúságú szekvenciahasonlóságuk és közös doménszerkezetük van). PRINTS: a PRINTS fehérje-ujjlenyomatok gyűjteménye. Az ujjlenyomat egy fehérjecsalád jellemzésére használható állandósult motívumok gyűjteménye, diagnosztikai erejét a UniProt iteratív ellenőrzése növeli. Általában a motívumok nem fednek át, hanem egy szekvencián elválnak, azonban 3D-s térben folytonosak lehetnek. Az ujjlenyomatok rugalmasabban kódolhatják fehérjék szerkezetét és funkcióit, mint egyes motívumok, teljes diagnosztikai képességük a szomszédaik adta kontextusból származik. PROSITE: a PROSITE fehérjecsaládok és -domének adatbázisa. Biológiailag jelentős helyekből, mintákból és profilokból áll, melyek segítik a megbízható eldöntését annak, hogy egy új szekvencia mely család tagja (ha tagja). SMART: a Simple Modular Architecture Research Tool lehetővé teszi genetikailag mobilis domének azonosítását és jelölését és a doménarchitektúrák elemzését. Több mint 800 doméncsalád észlelhető szignál-, sejten kívüli és kromatinasszociált fehérjékben. Ezek jelentős mértékben meg vannak jelölve, figyelembe véve a filetikus eloszlásokat, a funkciós osztályt, a harmadlagos szerkezeteket és a funkcióhoz fontos csoportokat. SUPERFAMILY: a SUPERFAMILY rejtett profil-Markov-modellek könyvtára, minden ismert szerkezetű fehérjével. A könyvtár a SCOP-besoroláson alapul: minden modell egy SCOP-doménnek felel meg, célja az egész SCOP-szupercsalád lefedése, melyhez az adott domén tartozik. A SUPERFAMILY használható teljesen szekvenált genomokhoz való szerkezet-hozzárendelésekhez. SFLD hierarchikus enzimosztályozás, mely szekvencia-szerkezeti jellemzőket kapcsol össze bizonyos kémiai funkciókhoz. TIGRFAMs a TIGRFAMs fehérjecsaládok gyűjteménye, több szekvenciaelrendezéssel, rejtett Markov-modellekkel és jelölésekkel, eszközként szolgálva a funkcionálisan kapcsolódó fehérjék azonosítására szekvenciahomológia alapján. Az „ekvivalog” bejegyzések a homológ fehérjéket csoportosítják, melyek funkciója állandó.
Adattípusok Az InterPro a különböző tagok által biztosított 7 adattípusból áll: +InterPro-adattípusokAdattípusLeírásAdatbázisokInterPro-bejegyzésekFehérjék egy vagy több aláírás alapján előrejelzett szerkezeti vagy funkciós doménjeiMind a 13 tagadatbázistagadatbázis-aláírásokTagadatbázisból származó aláírások. Ide tartoznak az InterPróba integrált és még nem integrált aláírások is.Mind a 13 tagadatbázisFehérjeFehérjeszekvenciákUniProtKB (Swiss-Prot, TrEMBL)ProteomEgy élőlényhez tartozó fehérjék gyűjteményeUniProtKBSzerkezet3 dimenziós fehérjeszerkezetPDBeTaxonómiaFehérje taxonómiai információiUniProtKBCsoportEvolúciósan kapcsolódó családok csoportjaiPfam, CDD bélyegkép|263x263px|Az InterPro 5 bejegyzéstípusát azonosító ikonok (homológ szupercsalád, család, domén, ismétlődés, hely).
InterPro-bejegyzéstípusok Az InterPro bejegyzései 5 típusra bonthatók: homológ szupercsalád: közös evolúciós eredetű fehérjecsoport, mely a szerkezeti hasonlóságokon látható, még ha a szekvenciák nem is hasonlók. Ezeket 2 tagadatbázis biztosítja: a CATH-Gene3D és a SUPERFAMILY. család: közös evolúciós eredetű fehérjecsoport szerkezeti hasonlóságokon, hasonló funkciókon vagy szekvenciahomológián keresztül. domén: egy fehérje adott egysége adott funkcióval, szerkezettel vagy szekvenciával. ismétlődés: általában 50 aminosavnál nem hosszabb aminosav-szekvencia, mely egy fehérjében többször ismétlődik. hely: rövid aminosav-szekvencia, ahol legalább 1 aminosav azonos. Ide tartoznak a poszttranszlációs módosítási helyek, az állandó helyek, a kötőhelyek és az aktív helyek.
Elérés Az adatbázis elérhető szöveg- és szekvenciaalapú keresésekre webszerveren, valamint letöltésre anonim FTP-n keresztül. Más EBI-adatbázisokhoz hasonlóan közkincs, mivel tartalma „felhasználható bárki által bármilyen célra”. Az InterPro 8 hetente tesz közzé adatot, általában ugyanazon fehérjék UniProtKB-kiadásától számított egy napon belül.
InterPro-alkalmazásprogramozásifelület (API) Az InterPro API-t biztosít az összes bejegyzésének és hasonló bejegyzések JSON-formátumban való eléréséhez. 6 fő, különböző InterPro-adattípusokhoz tartozó végpontja van az API-nak: bejegyzés, fehérje, szerkezet, taxonómia, proteom és csoport.
InterProScan Az InterProScan szekvenciák tagadatbázisokban lévő bejegyzésekkel való összehasonlítását lehetővé tevő szoftvercsomag. Ezen aláírás-ellenőrző szoftver használható új nukleotid- vagy fehérjeszekvenciák funkcionális jellemzésére. Az InterProScan gyakran használatos genomprojektekben a kívánt genom első jellemzésére. 2020 decemberében az InterProScan nyilvános változata (5.x) Java-alapú architektúrát használt. A szoftvercsomag csak 64 bites Linuxon támogatott.
Az InterProScan más EMBL-EBI bioinformatikai eszközökhöz hasonlóan a REST és SOAP Web Services API-kkal érhető el.
Jegyzetek
Fordítás
További információk – InterPro-szerver
Kategória:Proteomika Kategória:Biológiai adatbázisok