База данных Uniprot

Практикум 5

Введение
В данном практикуме я изучил основы работы с базой данных Uniprot: получение информации из записей базы данных, анализ белковых кластеров, инструменты поиска по базе данных.

Задание 1

Uniprot ID	E8YVR4_9BURK
Uniprot AC	E8YVR4
RefSec ID	WP_013591072.1
PDB ID	3K0L, 5BMZ, 4RGR, 4RGS, 4RGU, 4RGX
Длина, а.о.	166
Молекулярная масса, Да	18486
Название (SubName)	Регуляторный белок MarR (англ. Regulatory protein MarR )
Организм	Burkholderia sp. CCGE1001

В PBD данный белок представлен двумя цепями по 162 аминокиcлотных остатка ^[1], в Uniprot - одной цепью в 166 а.о.^[2] Заслуживает внимания то факт, что для PDB файла 3K0L Uniprot AC - Q7X0D9 (ему соответствуют всего 6 записей в PDB), при этом для E8YVR4 записей в PDB не нашлось, а указанный организм в PDB отсутствует. Белок 3K0L происходит из организма Acinetobacter sp. ADP1.

Задание 2

Cluster ID	UniRef100_E8YVR4	UniRef90_E8YVR4	UniRef50_A0A095W948
Название кластора	Regulatory protein MarR	Regulatory protein MarR	MarR family transcriptional regulator
Количество белков в кластере	2	13	261
Названия организмов	Burkholderia sp. CCGE1001, Paraburkholderia phenoliruptrix BR3459a	Burkholderia sp. JPY366, Burkholderia sp. HB1, Paraburkholderia dilworthii, Paraburkholderia caledonica, Burkholderia sp. CCGE1001, Paraburkholderia phenoliruptrix BR3459a и др.	Collimonas fungivorans, Pandoraea pulmonicola, Mumia flava, Ralstonia sp. MD27 и др.

Так как с данным белком совпадает на 100% только один, принадлежащий другому роду семейства Burkholderiaceae, учитывая разнообразие рода Burkholderia, уже можно говорить о небольшой видоспецифичности белка и его сильном изменении в ходе эволюции. Вероятно, такое совпадение у этих двух видов связано с конвергентным эволюционным приобретением или с горизонтальным переносом генов между бактериями. Так как соответствующие на 90% белки обнаружены только у двух родов - Paraburkholderia и Burkholderia, можно предположить их более тесное эволюционное родство, в сравнении с другими родами в данном семействе. Существенное различие между количеством белков с уровнями соответствия 90 и 50% также служит подтверждением предположения выше. Анализируя список организмов с белками, соответствующими данному на 50%, я заметил, что большинство организмов принадлежит вышеуказанному семейству, но, как минимум один - Mumia flava - принадлежит другой группе бактерий - Terrabacteria^[3] . Возможно, этот организм получил ген путем трансдукции или трансформации. Также, запись UniRef50_A0A095W948 сформирована с использованием последовательности A0A095W948, принадлежащей другому организму рода Burkholderia, в качестве основы сравнения^[4] .

Задание 3

Номер запроса	Формулировка запроса	Количество результатов	Результатов из Swiss-Prot
1	name:regulatory name:protein name:marr	2551	0
2	name:"regulatory protein marr"	1866	0
3	name:marr	88088	3
4	name:"regulatory protein marr" taxonomy:"Bacteria [2]"	1753	0
5	name:"regulatory protein marr" taxonomy:"Archaea [2157]"	89	0
6	name:marr taxonomy:"Burkholderiaceae [119060]"	5306	0
7	name:"regulatory protein marr" AND organism:"Burkholderia sp. CCGE1001 [640510]"	7	0
8	name:"regulatory protein marr" taxonomy:"Burkholderiaceae [119060]"	72	0
9	name:"regulatory protein marr" taxonomy:"Proteobacteria [1224]"	691	0
10/td>	name:lysozyme	18905	229
11	name:lysozyme taxonomy:"Arthropoda [6656]"	593	17
12	name:lysozyme taxonomy:"Vertebrata [7742]"	775	123
13	name:lysozyme taxonomy:"Viridiplantae [33090]"	17	3
14	name:trypsin	14034	310
15	name:trypsin NOT name:inhibitor	11050	101
16	name:trypsin name:inhibitor	2984	209
16	name:trypsin inhibitor	3032	215

Как можно заметить из результатов поиска по названию белка, лишь около 15% белков с таким названием совпадают с данным белком на 50% и более. Белки с таким названием представлены только у бактерий и, в меньшей степени, у архей. Стоит отметить, что разница в поиске по словам через оператор "И" или по фразе целиком существует, так как в нее входят часто употребляемые слова, которые могут располагаться в разных местах.
Непосредственно в данной бактерии, а также в семействе и отделе, к которым она относится, довольно много записей с названием белка "Regulatory protein MarR", однако среди них не ни одного описанного, что пока не дает нам понять их действительное количество.
С помощью поиска по базе данных, можно, например, установить, что лизоцим присутствует и в растениях. Так, белок Гивеи бразильской обладает активностью лизоцима, что используется для борьбы с вредоносными бактериями^[5].
Неообходимо более точно указывать ключевые слова в запросе и исключать те, которые могут излишне расширять диапазон поиска. Так, более двух третей белков в результатах поиска трипсина являются на самом деле его ингибиторами (учитываются только белки в Swiss-Prot).

Задание 4
Сравнение проводилось на примере записи E8YVR4 в Uniprot и WP_013591072.1 в RefSeq. Последовательности даны идентичные, но молярная масса в Uniprot приведена на 131 г/моль больше, или 100,713% от данных RefSeq. В Uniorot указана точная систематика организма, откуда взят этот белок, в Refseq же указано сиситематика по семейство включительно. Если говорить о ссылках на источники и ID белка в других БД, то Uniprot однозаначно выделяется: в записи присутствует порядка 15-20 различных идентификаторов для других БД и дана статья, в RefSeq ни того, ни другого не указывается. Однако в RefSeq указывается информация о разичных участках в последовательности, их наименование и классификация.
Задание 5
История изменений записи Uniprot описана на примере записи E8YVR4. В истории записи 34 версии, включая текущую. Первая запись создана 5 апреля 2011 года, последняя - 15 февраля 2017. Последовательность белка остается неизменной с первой записи. В первой записи присутствует только EMBL ID, затем постепенно добавляются идентификаторы записей в других БД. Уже с третьей версии добавлены ссылки на многие БД, из тех что есть сейчас. Некоторые ID менялись со временем, как у RefSeq. Последнее существенное изменение сделано чуть более года назад, где указано описание белкового домена.

Задание 6

Нестандартные аминокислоты в Uniprot указываются в полях KW и FT, в поле FT помечается как NON_STD. Запись Q8TTA5

KW   Complete proteome; Methanogenesis; Methyltransferase;Pyrrolysine ;
KW   Reference proteome; Transferase.
...
FT   NON_STD     356    356      Pyrrolysine. {ECO:0000250}.

или P24183.

KW   Metal-binding; Molybdenum; NAD; Oxidoreductase; Periplasm;
KW   Reference proteome;Selenocysteine; Signal.
...
FT   NON_STD     196    196       Selenocysteine.

Дисульфидные мостики обозначаются как DISULFID, тиоэфиры и сложные сульфидные эфиры помечаются как CROSSLINK. Запись P14046 (сложный тиоэфир)

FT   DISULFID   1355   1470       {ECO:0000250}.
FT   CROSSLNK    975    978       Isoglutamyl cysteine thioester (Cys-Gln).

и P24183 (тиоэфир).

FT   CROSSLNK      1     18       Beta-methyllanthionine (Cys-Thr).

Гликолизирование и липидизация указываются соответственно как CARBOHYD и LIPID; Фосфорилирование обозначается как модифицированный остаток (MOD_RES), справа в поле FT указывается остаток какой аминокислоты фосфорилирован. Запись Q09470.

FT   MOD_RES     446    446       Phosphoserine; by PKA.
FT                                {ECO:0000305|PubMed:23774215}.
FT   LIPID       243    243       S-palmitoyl cysteine.
FT                                {ECO:0000269|PubMed:15837928}.
FT   CARBOHYD    207    207       N-linked (GlcNAc...). {ECO:0000255}.

Естественные вариации и изоформы указаны как VAR_SEQ, также изменения в одно аминокислоту описаны под ключом VARIANT, оговорены последствия такой замены. Даны ссылки на описание соответствующих изоформ в статьях. Запись P04150.

FT   VAR_SEQ     728    777       VVENLLNYCFQTFLDKTMSIEFPEMLAEIITNQIPKYSNGN
FT                                IKKLLFHQK -> NVMWLKPESTSHTLI (in isoform
FT                                Beta, isoform Beta-B, isoform Beta-2 and
FT                                isoform GR-A beta).
FT                                {ECO:0000303|PubMed:2867473}.
FT                                /FTId=VSP_003703.
...
FT   VARIANT      72     72       N -> D (polymorphism; associated in cis
FT                                with A-321 and S-766 in one individual;
FT                                doubles transactivation potential).
FT                                {ECO:0000269|PubMed:21701417}.
FT                                /FTId=VAR_075797.

Вообще, многие значимые изменения и особенности в структуре и последовательности белка отражены в поле KW, а конкретные случаи, как правило, сопровождены ссылками.

Источники