ユニプロット

ユニプロット
コンテンツ
説明	UniProt は、 Swiss-Prot、TrEMBL、および PIR-PSDデータベースを組み合わせて作成されたタンパク質データの中央リポジトリであるUni versal Prot ein リソースです。
; キャプチャされたデータの種類	タンパク質の注釈
生物	全て
接触
研究センター	EMBL-EBI、英国; SIB、スイス; PIR、米国。
主な引用	ユニプロットコンソーシアム
アクセス
データ形式	カスタムフラットファイル、FASTA、GFF、RDF、XML。
Webサイト	www.uniprot.org ; www.uniprot.org/news/
ダウンロードURL	www.uniprot.org/downloads & 完全なデータセットのダウンロードについてはftp.uniprot.org
ウェブサービスURL	はい – JAVA API についてはここを参照、REST についてはここを参照
ツール
ウェブ	高度な検索、BLAST、Clustal O、一括検索/ダウンロード、IDマッピング
その他
ライセンス	クリエイティブ・コモンズ表示 - 改変禁止
バージョン管理	はい
データ公開; 頻度	8週間
キュレーションポリシー	はい、手動と自動です。自動注釈のルールは、データベースキュレーターと計算アルゴリズムによって生成されます。
ブックマーク可能な; エンティティ	はい – 個々のタンパク質のエントリと検索の両方

UniProt は、タンパク質配列と機能情報の自由にアクセスできるデータベースです。多くのエントリはゲノム配列プロジェクトから派生しています。研究文献から派生したタンパク質の生物学的機能に関する大量の情報が含まれています。UniProt は、ヨーロッパのいくつかのバイオインフォマティクス組織と米国ワシントン DCの財団で構成される UniProt コンソーシアムによって管理されています。

UniProtコンソーシアム

UniProt コンソーシアムは、欧州バイオインフォマティクス研究所(EBI)、スイスバイオインフォマティクス研究所(SIB)、およびタンパク質情報リソース(PIR) で構成されています。英国ヒンクストンのウェルカムトラストゲノムキャンパスにある EBI は、バイオインフォマティクスデータベースとサービスの大規模なリソースをホストしています。スイスのジュネーブにある SIB は、プロテオミクスツールとデータベースの中心的なリソースであるExPASy (Expert Protein Analysis System) サーバーを管理しています。米国ワシントン DC のジョージタウン大学メディカルセンターにある国立生物医学研究財団 (NBRF) がホストする PIR は、1965 年に最初に出版されたマーガレットデイホフのタンパク質配列と構造のアトラスという最も古いタンパク質配列データベースを引き継いでいます。 ^[2] 2002 年に、EBI、SIB、および PIR は UniProt コンソーシアムとして力を合わせました。^[3]

UniProtデータベースのルーツ

各コンソーシアムメンバーは、タンパク質データベースの維持と注釈付けに深く関わっています。最近まで、EBIとSIBは共同でSwiss-ProtデータベースとTrEMBLデータベースを作成し、PIRはタンパク質配列データベース（PIR-PSD）を作成していました。^[4]^[5]^{[6]これらのデータベースは、異なる}タンパク質配列の範囲と注釈付けの優先順位で共存していました。

Swiss-Protは、1986年にAmos Bairochが博士課程在籍中に作成し、スイスバイオインフォマティクス研究所で開発され、その後、欧州バイオインフォマティクス研究所のRolf Apweilerが開発しました。^[7]^[8]^{[9] Swiss-Protは、高レベルの注釈（タンパク質の機能、}ドメイン構造、翻訳後修飾、バリアントなどの説明）、最小限の冗長性、および他のデータベースとの高度な統合に関連付けられた信頼性の高いタンパク質配列を提供することを目的としていました。配列データがSwiss-Protの対応能力を超えるペースで生成されていることを認識し、TrEMBL（Translated EMBL Nucleotide Sequence Data Library）が作成され、Swiss-Protにないタンパク質の自動注釈を提供しました。一方、PIRは、タンパク質配列とキュレーションされたファミリーのデータベースであるiProClassを含むPIR-PSDと関連データベースを維持しました。

コンソーシアムのメンバーは重複するリソースと専門知識を共有し、2003年12月にUniProtを立ち上げました。^[10]

UniProtデータベースの構成

UniProt は、UniProtKB (サブパーツ Swiss-Prot および TrEMBL を含む)、UniParc、UniRef、および Proteome の 4 つのコアデータベースを提供します。

ユニプロKB

UniProt Knowledgebase (UniProtKB) は、専門家によって部分的にキュレーションされたタンパク質データベースで、UniProtKB/Swiss-Prot (レビュー済みの手動で注釈が付けられたエントリを含む) と UniProtKB/TrEMBL (レビューされていない、自動的に注釈が付けられたエントリを含む) の 2 つのセクションで構成されています。^[11] 2023 年 2 月 22 日現在^{[アップデート]}、UniProtKB/Swiss-Prot のリリース「2023_01」には 569,213 の配列エントリ (291,046 の参照から抽出された 205,728,242 のアミノ酸で構成) が含まれ、UniProtKB/TrEMBL のリリース「2023_01」には 245,871,724 の配列エントリ (85,739,380,194 のアミノ酸で構成) が含まれています。^[12]

UniProtKB/スイス・プロト

UniProtKB/Swiss-Prot は手動で注釈が付けられた、冗長性のないタンパク質配列データベースです。科学文献から抽出された情報とバイオキュレーターが評価した計算分析を組み合わせています。UniProtKB/Swiss-Prot の目的は、特定のタンパク質に関するすべての既知の関連情報を提供することです。注釈は定期的に見直され、最新の科学的知見に追いつきます。エントリの手動注釈には、タンパク質配列と科学文献の詳細な分析が含まれます。^[13]

同じ遺伝子および同じ種の配列は、同じデータベースエントリに統合されます。配列間の差異が特定され、その原因が文書化されます（たとえば、選択的スプライシング、自然変異、誤った開始部位、誤ったエクソン境界、フレームシフト、未確認の競合）。UniProtKB/Swiss-Protエントリの注釈には、さまざまな配列解析ツールが使用されます。コンピューター予測は手動で評価され、エントリに含めるために関連する結果が選択されます。これらの予測には、翻訳後修飾、膜貫通ドメインとトポロジー、シグナルペプチド、ドメイン識別、およびタンパク質ファミリー分類が含まれます。^[13]^[14]

関連する出版物は、 PubMedなどのデータベースを検索して特定されます。各論文の全文が読み込まれ、情報が抽出されてエントリに追加されます。科学文献から生じる注釈には、以下が含まれますが、これらに限定されません。^[10]^[13]^[14]

タンパク質と遺伝子の名前
関数
酵素固有の情報（触媒活性、補因子、触媒残基など）
細胞内位置
タンパク質間相互作用
表現のパターン
重要なドメインとサイトの場所と役割
イオン、基質、補因子結合部位
自然な遺伝的変異、 RNA編集、選択的スプライシング、タンパク質分解処理、翻訳後修飾によって生成されるタンパク質変異体

注釈付きエントリは、UniProtKB/Swiss-Prot に追加される前に品質保証を受けます。新しいデータが利用可能になると、エントリが更新されます。

ユニプロットKB/TrEMBL

UniProtKB/TrEMBLには、自動注釈が充実した高品質の計算解析レコードが含まれています。これは、ゲノムプロジェクトによるデータフローの増加に対応して導入されました。時間と労力を要するUniProtKB/Swiss-Protの手動注釈プロセスでは、利用可能なすべてのタンパク質配列を含めるように拡張できなかったためです。^[10]EMBL-Bank/GenBank/DDBJヌクレオチド配列データベースの注釈付きコード配列の翻訳は自動的に処理され、UniProtKB/TrEMBLに入力されます。UniProtKB/TrEMBLには、 PDBからの配列や、 Ensembl、RefSeq、CCDSなどの遺伝子予測からの配列も含まれています。^{[15] 2021年7月22日以降、}AlphaFold2で予測された構造も含まれています。^[16]

ユニパーク

UniProt Archive (UniParc) は包括的で冗長性のないデータベースで、公開されている主要なタンパク質配列データベースのすべてのタンパク質配列が含まれています。^[17]タンパク質は、いくつかの異なるソースデータベースに存在する場合があり、同じデータベースに複数のコピーが存在する場合があります。冗長性を回避するために、UniParc は各一意の配列を 1 つだけ保存します。同一の配列は、同じ種または異なる種のものであるかどうかに関係なく、マージされます。各配列には安定した一意の識別子 (UPI) が付与されるため、異なるソースデータベースから同じタンパク質を識別できます。UniParc にはタンパク質配列のみが含まれ、注釈はありません。UniParc エントリのデータベース相互参照により、ソースデータベースからタンパク質に関する詳細情報を取得できます。ソースデータベースの配列が変更されると、これらの変更は UniParc によって追跡され、すべての変更の履歴がアーカイブされます。

ソースデータベース

現在、UniParc には、次の公開データベースからのタンパク質配列が含まれています。

INSDC EMBL -Bank/ DDBJ / GenBankヌクレオチド配列データベース
アンサンブル
欧州特許庁（EPO）
FlyBase: ショウジョウバエ科昆虫の遺伝的および分子的データの主要なリポジトリ(FlyBase)
H-招待データベース(H-Inv)
国際タンパク質指数（IPI）
日本特許庁（JPO）
タンパク質情報リソース(PIR-PSD)
タンパク質データバンク(PDB)
タンパク質研究財団（PRF）^[18]
参照シーケンス
サッカロミセスゲノムデータベース(SGD)
アラビドプシス情報リソース(TAIR)
トロメ^[19]
米国特許庁(USPTO)
UniProtKB/Swiss-Prot、UniProtKB/Swiss-Prot タンパク質アイソフォーム、UniProtKB/TrEMBL
脊椎動物およびゲノム注釈データベース(VEGA)
ワームベース

ユニレフ

UniProt Reference Clusters (UniRef) は、UniProtKB および選択された UniParc レコードからのタンパク質配列のクラスター化されたセットの 3 つのデータベースで構成されています。^[20] UniRef100 データベースは、同一の配列と配列フラグメント (任意の生物から) を 1 つの UniRef エントリに結合します。代表的なタンパク質の配列、すべての結合されたエントリのアクセッション番号、および対応する UniProtKB および UniParc レコードへのリンクが表示されます。UniRef100 配列は CD-HITアルゴリズムを使用してクラスター化され、UniRef90 および UniRef50 が構築されます。^[20]^[21]各クラスターは、最長配列に対してそれぞれ少なくとも 90% または 50% の配列同一性を持つ配列で構成されています。配列をクラスター化するとデータベースのサイズが大幅に削減され、配列検索が高速化されます。

UniRef は UniProt FTP サイトから入手できます。

資金調達

UniProtは、国立ヒトゲノム研究所、国立衛生研究所（NIH）、欧州委員会、スイス連邦政府（連邦教育科学省経由）、NCI-caBIG、米国国防総省からの助成金によって資金提供されています。 ^[11]

参考文献

^ UniProt、コンソーシアム。(2015年1月)。「 UniProt : タンパク質情報のハブ」。核酸研究。43 (データベース号): D204–12。doi : 10.1093 / nar/gku989。PMC 4384041。PMID 25348405。
^ Dayhoff, Margaret O. (1965).タンパク質配列と構造のアトラス。メリーランド州シルバースプリング：国立生物医学研究財団。
^ 「2002年発表：NHGRIがグローバルタンパク質データベースに資金提供」国立ヒトゲノム研究所（NHGRI）。2015年9月24日時点のオリジナルよりアーカイブ。 2018年4月14日閲覧。
^ O'Donovan, C.; Martin, MJ; Gattiker, A.; Gasteiger, E.; Bairoch, A.; Apweiler, R. (2002). 「高品質のタンパク質知識リソース：SWISS-PROTとTrEMBL」。Briefings in Bioinformatics . 3 (3): 275–284. doi : 10.1093/bib/3.3.275 . PMID 12230036. 2024-01-24 にオリジナルからアーカイブ。2024-01-24に取得。
^ ウー、CH;そうだね、LS。ファン、H.アーミンスキー、L.カストロ＝アルベアル、J.チェン、Y。胡、Z。クルテス、P.レドリー、RS;ベルギー州スゼック。ヴィニャヤカ、CR;チャン、J.バーカー、トイレ (2003)。「タンパク質情報リソース」。核酸研究。31 (1): 345–347。土井：10.1093/nar/gkg040。PMC 165487。PMID 12520019。
^ Boeckmann, B.; Bairoch, A.; Apweiler, R.; Blatter, MC; Estreicher, A.; Gasteiger, E.; Martin, MJ; Michoud, K.; O'Donovan, C.; Phan, I.; Pilbout, S.; Schneider, M. (2003). 「SWISS-PROT タンパク質知識ベースと 2003 年の補足 TrEMBL」。Nucleic Acids Research . 31 (1): 365–370. doi :10.1093/nar/gkg095. PMC 165542 . PMID 12520024.
^ Bairoch, A.; Apweiler, R. (1996). 「SWISS-PROTタンパク質配列データバンクとその新しい補足TREMBL」. Nucleic Acids Research . 24 (1): 21–25. doi :10.1093/nar/24.1.21. PMC 145613. PMID 8594581 .
^ Bairoch, A. (2000). 「バイオインフォマティクスにおける偶然の発見、刺激的な時代を生き抜いたスイスのバイオインフォマティクス研究者の苦難！」バイオインフォマティクス. 16 (1): 48–64. doi : 10.1093/bioinformatics/16.1.48 . PMID 10812477. 2024-02-05にオリジナルからアーカイブ。2024-02-05に取得。
^ Séverine Altairac、「Naissance d'une banque de données: Interview du prof. Amos Bairoch 2010-07-12 at the Wayback Machineにアーカイブ」。Protéines à la Une 2011 年 6 月 21 日にWayback Machineにアーカイブ、2006 年 8 月。ISSN 1660-9824 。
^ abc Apweiler, R.; Bairoch, A.; Wu, CH (2004). 「タンパク質配列データベース」. Current Opinion in Chemical Biology . 8 (1): 76–80. doi :10.1016/j.cbpa.2003.12.004. PMID 15036160.
^ ab Uniprot, C. (2009). 「Universal Protein Resource (UniProt) in 2010」. Nucleic Acids Research . 38 (データベース号): D142–D148. doi : 10.1093/nar/gkp846. PMC 2808944. PMID 19843607.
^ “UniProtKB/Swiss-Prot Release 2023_01 統計”. web.expasy.org . 2023年4月4日時点のオリジナルよりアーカイブ。2023年3月31日閲覧。
^ abc 「UniProtKBエントリに手動で注釈を付けるにはどうすればよいですか？」。UniProt。2011年9月21日。2013年12月13日時点のオリジナルよりアーカイブ。 2018年4月14日閲覧。
^ apweiler、R.;バイロック、A.ウー、スイス;バーカー、トイレ。ベックマン、B.フェロ、S.ガスタイガー、E.ファン、H.ロペス、R.マグレイン、M.マーティン、MJ。ダヤダ州ナターレ。オドノバン、C.レダスキ、N.そう、LS (2004)。「UniProt: ユニバーサルタンパク質知識ベース」。核酸研究。32 (90001): 115D–1119。土井：10.1093/nar/gkh131。PMC 308865。PMID 14681372。
^ 「UniProtKBタンパク質配列はどこから来たのか？」UniProt 2011年9月21日。2013年12月15日時点のオリジナルよりアーカイブ。 2018年4月14日閲覧。
^ Hassabis, Demis (2022年7月22日). 「AlphaFoldのパワーを世界の手に」Deepmind . 2021年7月24日時点のオリジナルよりアーカイブ。 2021年7月24日閲覧。
^ Leinonen, R.; Diez, FG; Binns, D.; Fleischmann, W.; Lopez, R.; Apweiler, R. (2004). 「UniProt アーカイブ」.バイオインフォマティクス. 20 (17): 3236–3237. doi : 10.1093/bioinformatics/bth191 . PMID 15044231. 2024年3月30日時点のオリジナルよりアーカイブ(PDF) 。
^ 「Protein Research Foundation」。2010年8月30日時点のオリジナルよりアーカイブ。2010年8月25日閲覧。
^ ftp://ftp.isrec.isb-sib.ch/pub/databases/trome ^{[永久リンク切れ‍ ]}
^ ab Suzek, BE; Huang, H.; McGarvey, P.; Mazumder, R.; Wu, CH (2007). 「UniRef: 包括的かつ冗長性のない UniProt 参照クラスター」.バイオインフォマティクス. 23 (10): 1282–1288. doi :10.1093/bioinformatics/btm098. PMID 17379688.
^ Li, W.; Jaroszewski, L.; Godzik, A. (2001). 「大規模タンパク質データベースのサイズを縮小するための高度に相同な配列のクラスタリング」バイオインフォマティクス. 17 (3): 282–283. doi :10.1093/bioinformatics/17.3.282. PMID 11294794.

外部リンク

ユニプロット

[1] ^ UniProt、コンソーシアム。(2015年1月)。「 UniProt : タンパク質情報のハブ」。核酸研究。43 (データベース号): D204–12。doi : 10.1093 / nar/gku989。PMC 4384041。PMID 25348405。

[dayhoff-2] Dayhoff, Margaret O. (1965).タンパク質配列と構造のアトラス。メリーランド州シルバースプリング：国立生物医学研究財団。

[3] 「2002年発表：NHGRIがグローバルタンパク質データベースに資金提供」国立ヒトゲノム研究所（NHGRI）。2015年9月24日時点のオリジナルよりアーカイブ。 2018年4月14日閲覧。

[pmid12230036-4] O'Donovan, C.; Martin, MJ; Gattiker, A.; Gasteiger, E.; Bairoch, A.; Apweiler, R. (2002). 「高品質のタンパク質知識リソース：SWISS-PROTとTrEMBL」。Briefings in Bioinformatics . 3 (3): 275–284. doi : 10.1093/bib/3.3.275 . PMID 12230036. 2024-01-24 にオリジナルからアーカイブ。2024-01-24に取得。

[pmid12520019-5] ウー、CH;そうだね、LS。ファン、H.アーミンスキー、L.カストロ＝アルベアル、J.チェン、Y。胡、Z。クルテス、P.レドリー、RS;ベルギー州スゼック。ヴィニャヤカ、CR;チャン、J.バーカー、トイレ (2003)。「タンパク質情報リソース」。核酸研究。31 (1): 345–347。土井：10.1093/nar/gkg040。PMC 165487。PMID 12520019。

[pmid12520024-6] Boeckmann, B.; Bairoch, A.; Apweiler, R.; Blatter, MC; Estreicher, A.; Gasteiger, E.; Martin, MJ; Michoud, K.; O'Donovan, C.; Phan, I.; Pilbout, S.; Schneider, M. (2003). 「SWISS-PROT タンパク質知識ベースと 2003 年の補足 TrEMBL」。Nucleic Acids Research . 31 (1): 365–370. doi :10.1093/nar/gkg095. PMC 165542 . PMID 12520024.

[7] Bairoch, A.; Apweiler, R. (1996). 「SWISS-PROTタンパク質配列データバンクとその新しい補足TREMBL」. Nucleic Acids Research . 24 (1): 21–25. doi :10.1093/nar/24.1.21. PMC 145613. PMID 8594581 .

[Bairoch2000-8] Bairoch, A. (2000). 「バイオインフォマティクスにおける偶然の発見、刺激的な時代を生き抜いたスイスのバイオインフォマティクス研究者の苦難！」バイオインフォマティクス. 16 (1): 48–64. doi : 10.1093/bioinformatics/16.1.48 . PMID 10812477. 2024-02-05にオリジナルからアーカイブ。2024-02-05に取得。

[9] Séverine Altairac、「Naissance d'une banque de données: Interview du prof. Amos Bairoch 2010-07-12 at the Wayback Machineにアーカイブ」。Protéines à la Une 2011 年 6 月 21 日にWayback Machineにアーカイブ、2006 年 8 月。ISSN 1660-9824 。

[pmid15036160-10] Apweiler, R.; Bairoch, A.; Wu, CH (2004). 「タンパク質配列データベース」. Current Opinion in Chemical Biology . 8 (1): 76–80. doi :10.1016/j.cbpa.2003.12.004. PMID 15036160.

[pmid19843607-11] Uniprot, C. (2009). 「Universal Protein Resource (UniProt) in 2010」. Nucleic Acids Research . 38 (データベース号): D142–D148. doi : 10.1093/nar/gkp846. PMC 2808944. PMID 19843607.

[SPstats-12] “UniProtKB/Swiss-Prot Release 2023_01 統計”. web.expasy.org . 2023年4月4日時点のオリジナルよりアーカイブ。2023年3月31日閲覧。

[faq45-13] 「UniProtKBエントリに手動で注釈を付けるにはどうすればよいですか？」。UniProt。2011年9月21日。2013年12月13日時点のオリジナルよりアーカイブ。 2018年4月14日閲覧。

[pmid14681372-14] weiler、R.;バイロック、A.ウー、スイス;バーカー、トイレ。ベックマン、B.フェロ、S.ガスタイガー、E.ファン、H.ロペス、R.マグレイン、M.マーティン、MJ。ダヤダ州ナターレ。オドノバン、C.レダスキ、N.そう、LS (2004)。「UniProt: ユニバーサルタンパク質知識ベース」。核酸研究。32 (90001): 115D–1119。土井：10.1093/nar/gkh131。PMC 308865。PMID 14681372。

[faq37-15] 「UniProtKBタンパク質配列はどこから来たのか？」UniProt 2011年9月21日。2013年12月15日時点のオリジナルよりアーカイブ。 2018年4月14日閲覧。

[16] Hassabis, Demis (2022年7月22日). 「AlphaFoldのパワーを世界の手に」Deepmind . 2021年7月24日時点のオリジナルよりアーカイブ。 2021年7月24日閲覧。

[pmid15044231-17] Leinonen, R.; Diez, FG; Binns, D.; Fleischmann, W.; Lopez, R.; Apweiler, R. (2004). 「UniProt アーカイブ」.バイオインフォマティクス. 20 (17): 3236–3237. doi : 10.1093/bioinformatics/bth191 . PMID 15044231. 2024年3月30日時点のオリジナルよりアーカイブ(PDF) 。

[18] 「Protein Research Foundation」。2010年8月30日時点のオリジナルよりアーカイブ。2010年8月25日閲覧。

[19] tp://ftp.isrec.isb-sib.ch/pub/databases/trome ^{[永久リンク切れ‍ ]}

[pmid17379688-20] Suzek, BE; Huang, H.; McGarvey, P.; Mazumder, R.; Wu, CH (2007). 「UniRef: 包括的かつ冗長性のない UniProt 参照クラスター」.バイオインフォマティクス. 23 (10): 1282–1288. doi :10.1093/bioinformatics/btm098. PMID 17379688.

[pmid11294794-21] Li, W.; Jaroszewski, L.; Godzik, A. (2001). 「大規模タンパク質データベースのサイズを縮小するための高度に相同な配列のクラスタリング」バイオインフォマティクス. 17 (3): 282–283. doi :10.1093/bioinformatics/17.3.282. PMID 11294794.