COG:直系同源蛋白数据库
COG:直系同源蛋白数据库
欢迎关注”生信修炼手册”!
为了研究不同物种间保守的蛋白功能，进一步揭示其进化关系，1997年的时候科学家选取了七个完整基因组的蛋白序列，根据序列和功能相似性，将这些蛋白进行了分类。这个分类叫做cluster of orthologous group，简称COG。每个COG是一组同源蛋白的集合，具有相同的生物学功能。 官网如下
https://www.ncbi.nlm.nih.gov/COG/
构建原始的COG使用的蛋白序列来自以下7个物种
- E.coli
- H.influenzae
- M. genitalium
- M. pneumoniae
- Synechocystis sp.
- M. jannaschii
- S. cerevisiae
可以发现，这些物种都是细菌。所以COG这个概念指的是细菌中的同源蛋白。
随着测序技术的发展，越来越多的物种拥有了完整的基因组序列。2003年的时候，又根据66个细菌物种的蛋白序列，对之前的COG结果进行了补充和拓展。
同时将orthologous group 的概念推广到了真核生物中，根据7个真核生物的蛋白序列构建了真核生物中的同源蛋白簇, 全称为eukaryotic orthologous groups, 简称KOG。
之后又陆续在不同类型的物种中建立起相关的同源蛋白簇。古菌中的同源蛋白簇简称为arCOG, 噬菌体中的同源蛋白簇简称为POG，感染真核生物的病毒中的同源蛋白簇简称为NCVOG，巨型病毒的同源蛋白簇简称为mimiCOG。
在官网上，提供了下载功能。这里以COG为例进行说明。FTP地址如下
ftp://ftp.ncbi.nih.gov/pub/COG/COG2014/data
fun2003-2014.tab 保存了COG的分类信息，将所有的COG的功能分为了以下26个类别，每个类别用一个字母表示
# Code Name
J Translation, ribosomal structure and biogenesis
A RNA processing and modification
K Transcription
L Replication, recombination and repair
B Chromatin structure and dynamics
D Cell cycle control, cell division, chromosome partitioning
Y Nuclear structure
V Defense mechanisms
T Signal transduction mechanisms
M Cell wall/membrane/envelope biogenesis
N Cell motility
Z Cytoskeleton
W Extracellular structures
U Intracellular trafficking, secretion, and vesicular transport
O Posttranslational modification, protein turnover, chaperones
X Mobilome: prophages, transposons
C Energy production and conversion
G Carbohydrate transport and metabolism
E Amino acid transport and metabolism
F Nucleotide transport and metabolism
H Coenzyme transport and metabolism
I Lipid transport and metabolism
P Inorganic ion transport and metabolism
Q Secondary metabolites biosynthesis, transport and catabolism
R General function prediction only
S Function unknowncognames2003-2014.tab 文件保存了COG的详细信息，包括编号，对应的分类，功能描述等信息。示例如下
# COG func name
COG0001 H Glutamate-1-semialdehyde aminotransferase
COG0002 E N-acetyl-gamma-glutamylphosphate reductase
COG0003 P Anion-transporting ATPase, ArsA/GET3 family
COG0004 P Ammonia channel protein AmtBcog2003-2014.csv 文件保存了蛋白和COG的对应关系，示例如下
333894695,Alteromonas_SN2_uid67349,333894695,427,1,427,COG0001,0,第一列编号为蛋白质的GI号。
prot2003-2014.fa.gz 保存了fasta格式的蛋白序列，示例如下
>gi|118430838|ref|NP_146899.2| putative mercury ion binding protein[Aeropyrum pernix K1]
MIIFKRHSQAILFSHNKQEKALLGIEGMHCEGCAIAIETALKNVKGIIDTKVNYSRGSAI
VTFDDTLVSINDILEHYIFKVPSNYRAKLVSFIS通过比对COG数据库，可以确定蛋白质的功能。
END
喜欢
分享
or
腾讯云开发者
