UniProt 蛋白质知识库：序列、功能与注释整合

快速概览

UniProt 是蛋白质序列与功能注释的统一入口。理解 Swiss-Prot（人工审编）与 TrEMBL（自动注释）的质量差异、Accession 体系、以及蛋白层级注释（功能、结构域、PTM、互作），是从基因走向功能解释的关键。

Swiss-Prot：高质量人工审编，经过实验验证的蛋白质记录
TrEMBL：自动注释，覆盖更广但质量未经人工确认
Accession（如 P04637）是稳定的蛋白质标识符
提供功能、结构域、翻译后修饰（PTM）、亚细胞定位等注释
跨数据库映射：连接基因数据库（Ensembl/NCBI）、结构数据库（PDB）、通路数据库（KEGG/Reactome）

是什么

UniProt（Universal Protein Resource） 是全球最全面的蛋白质序列与功能注释数据库，由 EMBL-EBI、SIB 和 PIR 联合维护。

核心组成

| 子库 | 质量 | 规模 | 说明 | |------|------|------|------| | Swiss-Prot | 人工审编（Reviewed） | ~56 万条 | 高质量，经过实验验证和文献确认 | | TrEMBL | 自动注释（Unreviewed） | ~2.2 亿条 | 覆盖广，但未经人工确认 |

核心信息

每条 UniProt 记录包含：

蛋白质序列：氨基酸序列（FASTA 格式）
功能注释：分子功能、生物学过程、细胞组分（Gene Ontology）
结构域：保守功能域（Pfam、InterPro）
翻译后修饰（PTM）：磷酸化、乙酰化、泛素化等
亚细胞定位：蛋白质在细胞中的位置
变异信息：自然变异、致病变变、药物反应
跨数据库链接：PDB、KEGG、Reactome、ClinVar 等

为什么重要

UniProt 是从基因/转录本走向蛋白质功能解释的关键桥梁：

蛋白质功能注释：提供实验验证的分子功能和生物学过程
结构域识别：保守功能域暗示蛋白质的催化活性或结合特性
变异解释：氨基酸替换如何影响蛋白质功能或稳定性
药物靶点：已知药物-蛋白质相互作用信息
跨物种映射：直系同源蛋白质的功能保守性

关键认知：基因-level 注释（Ensembl/NCBI Gene）告诉你"这个基因在哪里"，UniProt 告诉你"这个蛋白质做什么"。

Accession 体系

稳定的蛋白质标识符

UniProt Accession 是稳定的标识符，不随蛋白质命名变化而变化：

| Accession | 示例 | 说明 | |-----------|------|------| | 6 位字符 | P04637 | 经典格式（如人类 TP53 蛋白） | | 10 位字符 | A0A024B7W1 | 扩展格式（新测序物种） |

Accession vs 蛋白质名称

| 特性 | Accession | 蛋白质名称 | |------|-----------|-----------| | 稳定性 | 稳定，不变化 | 可能随命名约定变化 | | 唯一性 | 唯一对应一条蛋白质 | 可能存在同义命名 | | 推荐使用 | 数据库查询和程序分析 | 人工阅读和文献交流 |

TP53 蛋白示例：

Accession：P04637
蛋白质名称：Cellular tumor antigen p53
基因名称：TP53
物种：Human

Swiss-Prot vs TrEMBL

质量差异

维度	Swiss-Prot	TrEMBL
注释方式	人工审编 + 实验验证	自动注释（计算预测）
置信度	高，经过文献确认	中等，需要实验验证
覆盖度	较小（~56 万条）	很大（~2.2 亿条）
更新频率	持续人工更新	自动批量更新

何时使用哪个

| 场景 | 推荐 | 原因 | |------|------|------| | 查询已知人类蛋白功能 | Swiss-Prot | 高质量人工注释 | | 新测序物种蛋白质 | TrEMBL | Swiss-Prot 可能尚未覆盖 | | 大规模批量分析 | TrEMBL | 覆盖更全 | | 临床或药物开发 | Swiss-Prot | 置信度高 |

建议：优先使用 Swiss-Prot，对于未覆盖的蛋白质再查询 TrEMBL。

蛋白质注释层级

1. 功能注释（Function）

描述蛋白质的分子功能和生物学角色：

FUNCTION: Acts as a tumor suppressor in many tumor types;
induces growth arrest or apoptosis depending on the
physiological circumstances and cell type.

2. 结构域（Domains）

保守功能域暗示蛋白质的催化或结合活性：

| 结构域 | 位置 | 功能 | |--------|------|------| | Transactivation domain | 1-43 | 转录激活 | | DNA-binding domain | 94-292 | DNA 结合 | | Tetramerization domain | 323-356 | 四聚体形成 |

3. 翻译后修饰（PTM）

| PTM 类型 | 位置 | 功能影响 | |---------|------|---------| | Phosphorylation | Ser-15, Ser-20 | 稳定蛋白质，激活转录 | | Acetylation | Lys-382 | 增强 DNA 结合 | | Ubiquitination | Lys-48 | 蛋白酶体降解 |

4. 变异与疾病

自然变异和致病变异信息：

VARIANT: Pro 72 → Arg (dbSNP:rs1042522)
  - Associated with increased apoptosis and cancer susceptibility

DISEASE: Mutations in TP53 are found in >50% of human cancers

跨数据库映射

UniProt 充当蛋白质世界的中心枢纽，连接其他数据库：

| 目标数据库 | 映射内容 | 示例 | |-----------|---------|------| | Ensembl/NCBI Gene | 基因 → 蛋白质 | ENSG00000141510 → P04637 | | PDB | 蛋白质 → 三维结构 | P04637 → 1TUP（p53 tetramer） | | KEGG/Reactome | 蛋白质 → 通路 | P04637 → hsa04115（p53 signaling） | | ClinVar | 变异 → 临床意义 | P04637:Arg248Trp → Pathogenic | | DrugBank | 蛋白质 → 药物 | P04637 → 药物靶点 |

与真实工具或流程的连接

常见概念误区

本章小结

UniProt 是蛋白质序列与功能注释的统一入口
Swiss-Prot（人工审编）质量高，TrEMBL（自动注释）覆盖广
Accession 是稳定的蛋白质标识符
提供功能、结构域、PTM、变异、跨数据库映射等注释
从基因走向蛋白质功能解释的关键桥梁