蛋白质组数据库及其应用
【技术领域】
[0001] 本发明涉及生物信息领域，具体的，本发明涉及构建蛋白质组数据库的方法、蛋白 质组数据库、蛋白质组数据库在蛋白质分类和/或检索定位中的用途、定位蛋白的方法、定 位蛋白的系统、蛋白的分类方法及系统。
【背景技术】
[0002] 蛋白质是生命功能的执行者和生命活动的直接体现者。随着四千多个物种全基因 组序列测定的完成，基因组研究的战略重点从结构基因组学转向功能基因组学，蛋白质组 学正是功能基因组研究的重要支柱，是后基因组时代生命科学研究的核心内容之一。蛋白 质组学对蛋白质的功能分析、鉴定及其翻译后修饰的研究，将会对阐明基因的功能起到极 大的推动作用，并能更加客观准确地揭示生命现象。
[0003]质谱（MS)为基础来分析蛋白质组的鸟枪法是非常强大的方法，但是鸟枪法这样 的策略在很大程度上依赖于完整的蛋白质组数据库，通常使用数据库检索算法进行蛋白质 的鉴定。目前，全蛋白质组数据库中的大部分蛋白质序列是来源于预测全基因组和转录组 序列中的蛋白质编码基因得到的注释结果，只有部分蛋白质具有实验证据的支持。随着实 验数据的积累和预测注释的改进，蛋白质数据库不断更新且日趋完善其完整性和准确性， 但是依然不能反映全蛋白质组的全部信息。
【发明内容】
[0004] 本发明的目的之一在于构建一种蛋白质组数据库。发明人基于以下发现和认识而 作出本发明：
[0005] 蛋白质分子的疏水性（Hydrophobicity)，等电点（PI)，序列长度和分子量等理化 特性只依赖于蛋白质氨基酸组成，与蛋白质序列信息无关，这些理化特性被认为是蛋白质 氨基酸组成相关的理化特性。这些特性值可以从一个线性氨基酸序列推算出。蛋白质氨基 酸组成和氨基酸组成衍生的理化特性，已被广泛用于预测蛋白质结构和功能分类，蛋白_ 蛋白相互作用和蛋白质亚细胞定位。
[0006] 蛋白质组学获得和鉴定低丰度蛋白是一个巨大的挑战。例如，双向电泳方法有一 定的局限性：它很难分析出非常酸性的，碱性的，小的，大的和疏水性的蛋白质。完全测序的 四千多个蛋白序列构成的全蛋白质组可提供丰富的生物信息来指导未来的生物研究，但是 本领域普通技术人员无法应对含有几千至几万条蛋白序列的全蛋白质组的大数据挑战，所 以目前全蛋白质组的数据应用并不广泛。
[0007] 因而，构建蛋白质组数据库，建立全蛋白质组的坐标系统，实现对含有几千、几万 甚至更多条蛋白序列的全蛋白质组的大数据进行有序化管理，实现对蛋白质组的蛋白质序 列的理化特性有序化组织，成为促进蛋白质组学的发展的一种强烈需要。
[0008] 依据本发明的第一方面，本发明提供一种构建蛋白质组数据库的方法，该方法包 括以下步骤：接收多个蛋白序列；消除每个所述蛋白序列的起始氨基酸，获得相应的截断 序列；建立数据表，以获得所述蛋白质组数据库，所述数据表包含多个记录，一个所述记录 与一个所述截断序列对应，所述数据表包含多个字段，所述字段包括以下序列参数中的至 少两种：氨基酸丰度、序列长度、序列分子量、序列疏水性和序列等电点，所述氨基酸丰度包 括以下至少之一：Ala丰度、Cys丰度、Asp丰度、Glu丰度、Phe丰度、Gly丰度、His丰度、 Ile丰度、Lys丰度、Leu丰度、Met丰度、Asn丰度、Pro丰度、Gln丰度、Arg丰度、Ser丰度、 Thr丰度、Val丰度、Trp丰度和Tyr丰度。利用该方法构建蛋白质组数据库时，不限制接收 的蛋白序列的数目，即不限制所构建的蛋白质组数据库包含的序列数目，较佳的，接收的蛋 白序列为几十条、几百条、几千条或者几万条，或者更多。消除接收的每个蛋白序列的起始 氨基酸，例如消除每个真核生物蛋白序列一般都有的起始甲硫氨酸，获得相应的甲硫氨酸 截断序列（M-truncated sequence，MTS)，真核生物或者原核生物的蛋白一般都具有相同的 起始氨基酸。这样，消除原始数据的共性，基于接收数据的差异进行数据库构建，利于蛋白 质组数据库构建，也利于构建得的数据库用于蛋白定位和/或分类。
[0009] 依据本发明的第二方面，本发明提供一种蛋白质组数据库，其根据上述本发明一 方面的构建蛋白质组数据库的方法构建获得。该蛋白质组数据库，其数据表的字段为蛋白 序列本身固有的理化性质指标。将数据表作为坐标系统，其各个记录即每条蛋白序列都以 其理化性质参数数值作为坐标，方便对所包含的蛋白序列的组织、批量操作处理。该蛋白质 组数据库，能够承载几十、几百、几千、几万甚至更多的蛋白序列信息，使得能够在多维空间 中对一个全蛋白质组含有几千至几万条甚至更多的蛋白序列实现定位和/或分类。
[0010] 依据本发明的第三方面，本发明提供上述本发明一方面的蛋白质组数据库在蛋白 质分类和/或检索定位中的用途。
[0011] 依据本发明的第四方面，本发明提供一种定位蛋白的方法，其根据所述蛋白的序 列参数在上述本发明一方面的蛋白质组数据库中的位置，以实现所述定位，所述序列参数 与所述蛋白质组数据库中的数据表的字段相对应。
[0012] 依据本发明的第五方面，本发明提供一种定位蛋白的系统，该系统能够实现上述 本发明一方面的定位蛋白的方法的全部或部分步骤，该系统包括：输入装置，用以输入所述 蛋白的序列参数；输出装置，用以输出所述蛋白的定位信息；以及本发明一方面提供的蛋 白质组数据库，与所述输入装置和所述输出装置相连，用以依据所述蛋白的序列参数在所 述蛋白质组数据库中的位置，实现所述定位，所述序列参数与所述蛋白质组数据库中的数 据表的字段相对应。
[0013] 依据本发明的第六方面，本发明提供一种对蛋白进行分类的方法，其根据每个所 述蛋白的序列参数在本发明一方面提供的蛋白质组数据库中的位置，以实现所述分类，所 述序列参数与所述蛋白质组数据库中的数据表的字段相对应。
[0014] 依据本发明的第七方面，本发明提供一种对蛋白进行分类的系统，其能够用于实 施上述本发明一方面的蛋白分类方法的全部或部分步骤，该系统包括：输入装置，用以输入 各个蛋白的序列参数；输出装置，用以输出所述蛋白的分类信息；以及上述本发明一方面 提供的蛋白质组数据库，与所述输入装置和所述输出装置相连，用以依据每个所述蛋白的 序列参数在所述蛋白质组数据库中的位置，实现所述分类，所述序列参数与所述蛋白质组 数据库中的数据表的字段相对应。
[0015] 上述涉及的蛋白质组数据库，是基于发明人提出的利用蛋白序列本身固有的理化 性质指标作为坐标系统，使每个蛋白序列的理化性质参数成为其的坐标参数，从而构建获 得的。构建的蛋白质组数据库能够方便的对其中的蛋白序列进行批量操作处理，例如，依据 数据表中的任一字段和/或序列信息，实现对蛋白的检索定位和/或分类分组。
【附图说明】
[0016] 本发明的上述和/或附加的方面和优点从结合下面附图对实施方式的描述中将 变得明显和容易理解，其中：
[0017] 图1是本发明的一个实施例中的构建蛋白质组数据库的方法的流程图。
[0018] 图2是本发明的一个实施例中