Интересно, что раньше рассматриваемый белок имел другой RefSeq ID. Изначально он писался как YP_003064950.1, однако сейчас его идентефикатор — WP_015452621.1. Это сделано в целях борьбы с избыточностью последовательностей в базе данных: так, например, белок с точно такой же аминокислотной последовательностью описан в контексте нескольких сборок (NZ_CP010804.1, NZ_LIIM01000002.1, NZ_AP014595.1, NZ_JWHA01000001.1, NC_020549.1, NC_012985.3). Таким образом изначально аннотированные как разные одинаковые белки называют одинаково. Избыточность маркировки последовательностей плоха в первую очередь тем, что мешает сопоставлять многообразие белков различных организмов.

Кроме прямой борьбы с лишней избыточностью со стороны создателей и модераторов баз данных, создаются инструменты для поиска похожих последовательностей пользователям. В UniProt есть возможность группировать последовательности в кластеры по их похожести.

Совпадение на 50% наблюдается с 7 белками, они находятся в кластере UniRef50_E4UE39 (выделен в результате сравнения с белком, который имеет идентефикатор E4UE39 в UniProtKB). Все эти семь белков — тоже ABC-транспортеры бактерий рода Candidatus Liberibacter (4 разных вида). Совпадающие на 90% белки помещены в кластер UniRef90_A0A0P6RFB0, основанный на сравнении с белком с идентификатором A0A0P6RFB0. Это ровно тот же самый белок, что и исследуемый (RefSeq: WP_015452621.1), однако отличается от него тем, что был найден в другом штамме (YCPsy, C6XF58 найден в psy). Что логично, ровно ту же картину видим и в кластере с полными совпадениями (UniRef100_A0A0P6RFB0).

В UniProt одинаковые по последовательности белки могут иметь два разных действующих идентефикатора в зависимости от того, в каком организме белок описан. В RefSeq этого нет, однако они восполняют это новой базой UniRef, которая справляется с теми же задачами, которые стояли перед RefSeq.

База UniProt содержит большее, чем RefSeq, число ссылок на другие источники информации: PDB, KEGG, OrthoDB и проч. Также более разнообразны инструменты работы, интегрированные в интерфейс.

Рассмотрим историю изменений состояния информации о белке на примере транскрипционного фактора и глобального регулятора хроматина белка SATB1. Начиная с октября 1993 года и заканчивая сегодняшним днём запись об этом белке была изменена суммарно 158 раз. С 1993 года поменялись стандарты оформления информации в каталоге; к списку из четырёх учёных добавились ещё сотни фамилий; стало известно большое множество изоформ белка; была изучена его роль в жизни организма. Интересно, что после первой публикации в 1993 году сама аминокислотная последовательность белка не была исправлена.

Серьёзной была поправка, совершённая 3 ноября 2009 года. Она была сделана после того, как были завершены полное секвенирование и анализ 21 243 человеческих кДНК. Стало известно об альтернативном сплайсинге, многие учёные предположили тонкости механизмов работы этого белка.

© Исаев Сергей,