二級蛋白質(zhì)數(shù)據(jù)庫數(shù)目眾多，我們挑幾個常用的給大家介紹。
一、結(jié)構(gòu)域家族數(shù)據(jù)庫 Pfam
Pfam 數(shù)據(jù)庫是一個蛋白質(zhì)結(jié)構(gòu)域家族的集合，包括了一萬六千多個蛋白質(zhì)家族。蛋白質(zhì)一般是由一個或多個功能區(qū)域組成，這些功能區(qū)域通常稱作結(jié)構(gòu)域（domain）。在不同的蛋白質(zhì)中結(jié)構(gòu)域以不同的組合出現(xiàn)，形成了蛋白質(zhì)的多樣性。識別出蛋白質(zhì)中的結(jié)構(gòu)域?qū)τ诹私獾鞍踪|(zhì)的功能有重要意義。
比如 Toll 樣受體蛋白：人的免疫系統(tǒng)中有許多種 Toll 樣受體蛋白，所有這些種類的 Toll 樣受體蛋白都可以分成三個結(jié)構(gòu)域， 每個結(jié)構(gòu)域行使不同的功能。胞外域用于識別不同的入侵物，跨膜區(qū)穿膜，胞內(nèi)域用于胞內(nèi)信號轉(zhuǎn)導(dǎo)。
另一個免疫蛋白 MyD88，存在于胞內(nèi)。它與 Toll 樣受體的功能不同，但它有一個和 Toll 樣受體胞內(nèi)域相同的結(jié)構(gòu)域。這兩個不同蛋白上的相同結(jié)構(gòu)域可以相互結(jié)合以激活下游的信號傳導(dǎo)。
因此，如果我們能夠探明一個未知功能的蛋白質(zhì)上有哪些已知的結(jié)構(gòu)域， 那我們就大致可以推測出它的功能。
Pfam 主頁上的搜索工具可以幫助我們查找某條序列上有哪些結(jié)構(gòu)域。
最后一個是 TIR 結(jié)構(gòu)域，也就是我們剛才說的 Toll 樣受體蛋白的胞內(nèi)域。
點(diǎn)擊胞內(nèi)域查看詳細(xì)信息如下：
Summary 里可以獲得這個結(jié)構(gòu)域的功能注釋以及結(jié)構(gòu)信息。
Domain Organization 里可以看到目前有多少蛋白質(zhì)擁有 TIR 結(jié)構(gòu)域，以及 TIR 結(jié)構(gòu)域和其他結(jié)構(gòu)域之間的組合搭配關(guān)系。
Structure 會列出目前所有包含 TIR 結(jié)構(gòu)域的蛋白質(zhì)結(jié)構(gòu)，以及他們在序列數(shù)據(jù)庫 UniProt 和結(jié)構(gòu)數(shù)據(jù)庫 PDB 中的鏈接。同時，也提供 JSmol 在線結(jié)構(gòu)查看工具。
二、CATH 數(shù)據(jù)庫
根據(jù)結(jié)構(gòu)域的空間特征可以對結(jié)構(gòu)域進(jìn)行分類。
CATH 和SCOP 是兩個重要的蛋白質(zhì)結(jié)構(gòu)分類數(shù)據(jù)庫。
CATH 數(shù)據(jù)庫由倫敦大學(xué)1993 年創(chuàng)建。CATH的名字C、A、T、H 是數(shù)據(jù)庫中四種結(jié)構(gòu)分類層次的首字母。
所有蛋白質(zhì)結(jié)構(gòu)域在CATH 中被首先分成4 種CLASS，這就是C。四種CLASS 分別是全α型，全β型， α +β型，低二級結(jié)構(gòu)型。比如圖中第一行這三個蛋白質(zhì)，很顯然左邊是全α的，右邊是全β的，中間是 α +β的。
每一個Class 中的結(jié)構(gòu)域又被具體分為不同的architecture，也就是A。A 這一層是按照螺旋和折疊所形成的超二級結(jié)構(gòu)排列方式分類的。比如α +β這個class 下的結(jié)構(gòu)可以進(jìn)一步分為桶狀的，三明治狀的，還有滾軸狀等Architecture。
每種Architecture 里的結(jié)構(gòu)域，又可以根據(jù)二級結(jié)構(gòu)的形狀和二級結(jié)構(gòu)間的聯(lián)系更進(jìn)一步分為不同的topology，也就是T。
最后再通過序列比較以及結(jié)構(gòu)比較確定同源性分類，劃分出不同的homologous superfamily，也就是H。
這樣每個結(jié)構(gòu)從粗到細(xì)，即從A 到H，會有四個層次的分類。
注意：結(jié)構(gòu)分類是以結(jié)構(gòu)域?yàn)閱挝贿M(jìn)行的，而不是針對整個蛋白。所以PDB 中的一個蛋白質(zhì)結(jié)構(gòu)可能對應(yīng)CATH中多個結(jié)構(gòu)域分類。CATH 在分類時既使用計算機(jī)程序，也進(jìn)行人工檢查。
CATH 為每一層的每一種結(jié)構(gòu)分類命名，并用數(shù)字代號代表這一分類。因此每個結(jié)構(gòu)域會具有一個分類代碼。
第一個數(shù)字是C 這一層的分類代碼，第2 個數(shù)字是A 這一層的分類代碼，第3 個數(shù)字是T 這一層的分類代碼，第4 個數(shù)字是H 這一層的分類代碼。
目前CATH 已為PDB 數(shù)據(jù)庫中10 多萬個蛋白質(zhì)結(jié)構(gòu)所涉及的30 多萬個結(jié)構(gòu)域進(jìn)行了結(jié)構(gòu)分類，這些分類可以歸入兩千七百多個蛋白質(zhì)超家族中。此外，CATH-Gene3D 還為超過500 萬條來自公共數(shù)據(jù)庫的蛋白質(zhì)序列進(jìn)行了結(jié)構(gòu)分類預(yù)測。Gene3D 里的信息為絕大多數(shù)還未解析3D 結(jié)構(gòu)的蛋白質(zhì)提供了重要的功能研究依據(jù)。
接下來，我們從CATH 數(shù)據(jù)庫搜索一個PDB 結(jié)構(gòu)的分類信息。
搜索條輸入3H6X，這是我們在PDB 數(shù)據(jù)庫里查看過的dUTPase 的結(jié)構(gòu)。
結(jié)果顯示dUTPase 蛋白的結(jié)構(gòu)分類代碼是2.70.40.10。點(diǎn)擊這個分類代碼，可以獲得各層次具體的結(jié)構(gòu)分類信息以及各種結(jié)構(gòu)相關(guān)分析信息。
結(jié)果頁面的下半部分還提供聚類圖。這里，CATH 把所有擁有2.70.40.10結(jié)構(gòu)分類的結(jié)構(gòu)域，根據(jù)他們的序列相似度不同，進(jìn)行了聚類（如下圖）。不同深淺的圈代表不同的序列相似度。通過這張圖，我們可以了解到具有相同結(jié)構(gòu)分類的蛋白質(zhì)他們在序列水平上的親緣關(guān)系遠(yuǎn)近。
此外，CATH 還從2.70.40.10 這個結(jié)構(gòu)分類里挑出了19 個有代表性的結(jié)構(gòu)域，并且把他們的3D 結(jié)構(gòu)疊加在了一起（圖3）。從這個圖上，我們可以看到這個結(jié)構(gòu)分類的總體特征以及差異產(chǎn)生的位置
三、結(jié)構(gòu)分類數(shù)據(jù)庫SCOP 2
SCOP 數(shù)據(jù)庫與CATH 類似，也屬于蛋白質(zhì)結(jié)構(gòu)分類數(shù)據(jù)庫，但SCOP 的分類原則更多考慮蛋白質(zhì)間的進(jìn)化關(guān)系，而且分類主要依賴于人工驗(yàn)證。
和CATH 一樣，SCOP 的結(jié)構(gòu)分類也基于四個層次。
第一層也叫Class，也是基于二級結(jié)構(gòu)成分分類。
Class 之下是Fold，主要考慮結(jié)構(gòu)的空間幾何關(guān)系。
再往下是Superfamily，基于遠(yuǎn)源的蛋白質(zhì)進(jìn)化關(guān)系分類。
最后是Family，基于近源的蛋白質(zhì)進(jìn)化關(guān)系分類。
注意：SCOP 和CATH 里面都有提到Superfamily這個詞，但兩者的含義并不相同。CATH 里Superfamily 是指的從C 到A 到T 再到H 這樣四層的一個精細(xì)結(jié)構(gòu)分類。而Scop 中，Superfamily 是結(jié)構(gòu)分類的第三個層次的名稱。
目前，SCOP 已升級為SCOP2。SCOP2 的主頁上也有搜索條，可以查看某一個PDB 結(jié)構(gòu)的結(jié)構(gòu)分類。
搜索結(jié)果中的第2 到第5 條，就是該蛋白質(zhì)結(jié)構(gòu)的四層分類。
第一層Class，第二層Fold，第三層Superfamily，第四層Family。
第一層Class 之上是SCOP 數(shù)據(jù)庫的根。
第4 層family 之下是這個蛋白質(zhì)的名字，再往下是所屬物種。
雖然從這個譜系上看有7 個層次，但實(shí)際上真正的結(jié)構(gòu)分類只有中間四層。
