Pfam:蛋白质家族数据库简介

欢迎关注”生信修炼手册”!

在蛋白质分子中，包含多个结构特异并且功能区里的区域，这些区域称之为domain， domain 可以看做蛋白质功能的基本单位，蛋白质的功能由包含的多个domain共同决定。研究domain, 可以更好的研究蛋白质功能。

Pfam是蛋白质家族的数据库，根据多序列比对结果和隐马尔可夫模型，将蛋白质分为不同的家族。网址如下

http://pfam.xfam.org/

在该数据库中，提供了以下2个不同层级蛋白质家族信息。

1. family

每个family以PF编号唯一标识，示意如下

所有的family可以分为以下6种类型

1. Family A collection of related protein regions
2. Domain A structural unit
3. Repeat A short unit which is unstable in isolation but forms a stable structure when multiple copies are present
4. Motifs A short unit found outside globular domains
5. Coiled-Coil Regions that predominantly contain coiled-coil motifs, regions that typically contain alpha-helices that are coiled together in bundles of 2-7.
6. Disordered Regions that are conserved, yet are either shown or predicted to contain bias sequence composition and/or are intrinsically disordered (non-globular).

2. clan

对多个family进行相似性分析，将具有相似的三维结构或者相同motif的family归为一个clan, 可以看做是superfamily的概念，每个clan以CL编号标识，示意如下

除此以外，还提供了物种的蛋白质组信息，就是该物种内所有的蛋白质family 信息，示意如下

以human为例，其蛋白质组的信息如下

其实就是该物种的所有蛋白质对应的Pfam的集合。

该数据库最新版本为31.0, 于2017年3月更新，包含16712个蛋白质家族信息。ftp地址如下

ftp://ftp.ebi.ac.uk/pub/databases/Pfam/releases/Pfam31.0/

后缀为hmm的文件是由HMMER3构建的隐马可夫模型，可用于序列比对。