的蛋白质组数据库的部分结构和组成的示意图。
[0019] 图3是本发明的一个实施例中的在蛋白质组数据库中利用蛋白名字进行排序聚 类，α -2, 8-唾液酸转移酶8家族的蛋白成员的分布情况示意图。
[0020] 图4是本发明的一个实施例中的在蛋白质组数据库中利用MTS序列进行排序聚 类，α -2, 8-唾液酸转移酶8家族的蛋白成员的分布情况示意图。
【具体实施方式】
[0021] 根据本发明的一个实施例，提供一种构建蛋白质组数据库方法，如图1所示，该方 法包括以下步骤：
[0022] SlO接收多个蛋白序列。
[0023] 进行SlO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。根据本发明的一个实施例，原始数据来自包含蛋白序列的数据库，例如下载来自 UniProt(Universal Protein)数据库的全部蛋白序列，UniProt是资源最广的蛋白质数据 库，它整合了 Swiss-Prot、TrEMBL和PIR-PSD三大数据库的数据。
[0024] S20消除每个蛋白序列的起始氨基酸，获得对应的截断序列。
[0025] 消除SlO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。
[0026] S30建立数据表，以获得蛋白质组数据库。
[0027] 数据表的建立可以利用现有软件程序，例如利用EXCEL、FoxTable等。使所建的数 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。
[0028] 根据本发明的一些实施例，所建数据库的数据表的字段包括所列序列参数中的三 种、四种或者全部五种；较佳的，数据表的字段还包括蛋白名称、氨基酸序列和/或蛋白登 录号。如此，包含多种序列参数或者序列信息，即使得每条序列具有多个特有属性，方便对 每条序列进行定位，也方便对一组具有相似属性的序列进行分类分组或者筛出。
[0029] 根据本发明的一个实施例，数据表的字段包括所述序列长度，所述序列长度分为 五个分量：[0, 200)，[200,500)，[500,1000)，[1000, 2000)和大于等于 2000aa。根据本 发明的一个实施例，数据表的字段包括所述序列分子量，所述序列分子量分为五个分量： [0, 23000)，[23000, 57500)，[57500, 115000)，[115000, 230000)和大于等于 230000Da。根 据本发明的一个实施例，数据表的字段包括所述序列等电点，所述序列等电点分为五个分 量：[0, 4. 0)，[4. 0, 6. 0)，[6. 0, 8. 0)，[8. 0, 10. 0)和大于等于 10. 0。根据本发明的一个 实施例，数据表的字段包括所述序列疏水性，所述序列疏水性分为五个分量：小于-1. 0， [-1.0,-0. 5)，[-0.5, 0.0)，[0.0,0. 5)和大于等于0.5。根据本发明的一个实施例，数据 表的字段包括所述氨基酸丰度，包括所列20中氨基酸的丰度，所述氨基酸丰度分为五个分 量：[0. 0, 0. 05)，[0. 05, 0. 1)，[0. 1，0. 15)，[0. 15, 0. 20)和[0. 20, 1]。如此，数据库包含多 种序列参数或者序列信息，即使得每条序列具有多个特有属性，而且每个属性具有多个分 量，方便对每条序列进行准确定位，也方便对一组具有一个或多个相似属性/分量的序列 进行分类分组或者一次性筛出。
[0030] 根据本发明的一个实施例，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。
[0031] 根据本发明的一些实施例，蛋白质组数据库中的数据表的字段包括氨基酸丰度， 所述数据表的记录按照所述氨基酸丰度的大小排布，例如，每个截断序列按照其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丰度中的一个或几个进行排序聚类。如此，使该蛋白质组数据库能够依据序列的任 一种或者任几种氨基酸丰度对蛋白进行定位和/或对一组蛋白进行分组分类。
[0032] 根据本发明的一些实施例，蛋白质组数据库中的数据表的字段包括序列等电点， 数据库的记录按照所述序列等电点的大小排布。根据本发明的一些实施例，蛋白质组数据 库中的数据表的字段包括序列疏水性，数据库的记录按照所述序列疏水性的大小排布。根 据本发明的一些实施例，蛋白质组数据库中的数据表的字段包括序列分子量，数据库的记 录按照所述序列分子量的大小排布。根据本发明的一些实施例，蛋白质组数据库中的数据 表的字段包括蛋白质名称，数据库的记录按照所述蛋白质名称的字母顺序排布。如此，数据 库的记录以某个序列参数值聚类分布，利于具有相同或相近的序列参数属性的蛋白聚类、 分组和定位。
[0033] 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。
[0034] 根据本发明的一些实施例，提供上述本发明任一实施例中的蛋白质组数据库在蛋 白质分类和/或检索定位中的用途。上述对蛋白质组数据库的优点和技术特征的描述，同 样适用该用途，在此不再赘述。
[0035] 根据本发明的一个实施例，提供一种定位蛋白的方法，其根据所述蛋白的序列参 数在上述本发明任一实施例中的蛋白质组数据库中的