Pfam-[The Pfam protein families database in 2019]

今年Pfam数据库发文称：过去几年，Pfam数据库发生了重大变化！

细看了一下，果真变化重大！

吓得我赶紧过来把笔记更新了~~

* 32.0版的Pfam更新了些什么 ？（31.0版，2017年，才1年多）

1. 数据量增加：蛋白家族数量增加到17,929；

2. 蛋白家族宗族分类和功能注释的优化：将重新定义的蛋白家族与已有的家族进行整合；

3. 与RepeatsDB协同优化Pfam中的串联重复蛋白结构定义：RepeatsDB （ a database of tandem repeat protein structures）串联重复是蛋白质结构分析中的一个难题，因为这些序列可能是高度退化的；

4. 造了825个新的家族：基于蛋白结构域进化分类（Evolutionary Classification of Protein Domains ，ECOD）的相似性比较分析；

5. 定义了Pfam中蛋白家族的序列本体论，（Sequence Ontology， SO）：知道基因本体论（Gene Ontology，GO）的肯定能推断这是个啥意思。。不知道就自行百度咯~

6. 关联了每一个Pfam数据贡献者的ORCID ID：ORCID，是Open Research and Contributor ID的简称，即开放学术出版物及学术产出的作者(即科研工作者)标识符。ORCID 是一套不产生任何费用的、在全世界范围唯一的16 位身份识别码，是科研工作者在学术领域的身份证。我咋没有？我是黑户~

Pfam的关注度这么大~引用量上万了~~

* Pfam是什么？

    Pfam（http://pfam.sanger.ac.uk/）是一个大型的蛋白家族数据库， 最新版本的Pfam数据库（31.0，2017年 ）包含了16712个蛋白家族的注释及基于隐马尔科夫模型（Hidden Markov models，HMMs）的多序列比对信息 。数据库更新啦，32.0版本的Pfam包含了17929个蛋白家族的注释及基于HMMsD的多序列比对信息。

* Pfam能干什么 ？

    Pfam提供蛋白质家族和结构域的完整准确的分类，被广泛用于查询蛋白家族或蛋白结构域的注释，结构及其多序列比对信息。在该数据库中，每个蛋白家族由多个序列比对和HMMs（hidden Markovmodels，隐马尔可夫模型）所体现。

Pfam包括两个质量级别的家族数据库：Pfam-A和Pfam-B。

   1.  Pfam-A来自基础序列数据库Pfamseq，是根据最新的UniProtKB数据库建立，质量较高。

   2.  Pfam-B做为Pfam-A的补充，是一个未注释的低质量数据库，一般是由ADDA数据中的非冗余cluster自动生成的。虽然质量较低，但对于鉴定Pfam-A无法覆盖到的功能保守区域也是非常有用的。

* Pfam的结果怎么解读？

序列搜索结果页以提问的这位同学发给我的截图为例：

该蛋白比对到的是Pfam-A 数据库，结果靠谱。

1）Family：蛋白家族名称；

2）Description：蛋白家族描述；

3）Entry type：类型；

4）Clan：宗族（根据序列，结构，功能和HMM比较的相似度将多个蛋白家族整合为宗族），2005年首次将Clan引入Pfam；

5）Envelope (From To)：比对到的蛋白序列（the region on the sequence over which the match lies）；

6）Alignment（Start End）：高置信度的比对蛋白序列（the region over which the alignment confidence is high）；

7）HMM （From To）：比对到结构域区域；

8）HMM length：Pfam结构域的长度；9）Bit Score：比对打分；

10）E-value：比对的E值(pfam结构域筛选阈值为: E-value < 0.001)；11）Predicted active sites：预测的活性位点。

12)#HMM: 与查询序列相同的残基显示为浅蓝色，与查询序列类似标记为深蓝色；

13）#PP：每个氨基酸残基位点比对的后验概率（posterior probability），PP越高表示在HMM图谱中该位点比对的置信度越高；

14）#SEQ：蛋白序列标记原则同#HMM。ps：Envelope区域与HMM length不匹配的比对被认为是局部比对。

参考文献

1) The Pfam protein families database: towards a more sustainable future: R.D. Finn, P. Coggill, R.Y. Eberhardt, S.R. Eddy, J. Mistry, A.L. Mitchell, S.C. Potter, M. Punta, M. Qureshi, A. Sangrador-Vegas, G.A. Salazar, J. Tate, A. Bateman

2） Pfam-Wikipedia.https://en.wikipedia.org/wiki/Pfam

3）The Pfam protein families database in 2019: S. El-Gebali, J. Mistry, A. Bateman, S.R. Eddy, A. Luciani, S.C. Potter, M. Qureshi, L.J. Richardson, G.A. Salazar, A. Smart, E.L.L. Sonnhammer, L. Hirsh, L. Paladin, D. Piovesan, S.C.E. Tosatto, R.D. Finn.

4）Nucleic Acids Research(2019)  doi: 10.1093/nar/gky995