UniProt使用教程：蛋白数据库与功能注释完整指南
你刚从测序结果或基因预测里拿到一段蛋白序列——然后一个大问题冒出来：”这个蛋白到底是什么？它有什么功能？在细胞里哪里工作？”如果你靠猜，或者依赖未经验证的自动注释，你就是在玩火：一个注释错误会 cascading 到你研究的所有结论。好消息是，世界对这个问题有一个唯一真相源：UniProt（Universal Protein Resource）——EBI、SIB、PIR 的合作成果，全球蛋白数据库的金标准，收录超过2.5亿条条目。本文带你从基础检索走到方法学正确的功能注释工作流。如果你手头有几百个蛋白需要以Q1期刊的严谨度做注释，Corvexum团队随时可以代劳。
UniProt的架构：先理解，再检索
UniProt不是单一数据库，而是一个数据库家族：
- UniProtKB/Swiss-Prot（约57万条）：reviewed——由专家策展人基于实验证据手工注释。这是金标准。
- UniProtKB/TrEMBL（约2.5亿条）：unreviewed——来自EMBL/Ensembl翻译的自动注释。覆盖广、质量参差。
- UniRef（UniRef100/90/50）：序列聚类，检索时降低冗余。
- UniParc：所有出现过蛋白序列的综合档案。
- Proteomes：每个物种的完整蛋白集（参考蛋白质组）。
黄金法则：发表中的功能论断，优先使用Swiss-Prot（reviewed）条目。TrEMBL可作覆盖补充，但绝不能作为功能论断的唯一依据。
第一步：基础检索与高级查询
打开uniprot.org。搜索框支持强大语法：
- 自由检索：
p53 human - 按基因：
gene:TP53 AND organism_id:9606 - 仅reviewed条目：加
reviewed:true - 按功能：
function:kinase AND organism_name:"Arabidopsis thaliana" - 按accession：
accession:P04637
复杂组合（亚细胞定位、蛋白家族、是否有PDB结构等）用Advanced Search。结果可即时过滤：reviewed vs unreviewed、物种、序列长度、3D结构有无。
第二步：读懂UniProt条目的解剖结构
条目页就是一个蛋白的”生物身份证”。必读部分：
- Entry name 与 Accession（如 P53_HUMAN / P04637）：用于引用的永久身份。
- Function section：手工策展的功能描述——注释的核心。
- Subcellular location：蛋白在哪里工作（核、膜、分泌）。
- PTM & Processing：磷酸化、糖基化、剪切——调控研究的关键。
- Domains & Regions：功能域（如激酶域、锌指）。
- GO annotations：基因本体（分子功能、生物过程、细胞组分）。
- Cross-references：指向PDB（结构）、KEGG/Reactome（通路）、InterPro/Pfam（域）、OMIM（疾病）的链接。
- Evidence tags：每条陈述都带证据标签——experimental、by similarity或predicted。
方法学警示：标”by similarity”的注释意味着功能是转移自其他蛋白，并非在本蛋白上证明。引用时务必谨慎。
第三步：正确的功能注释工作流
对你的新蛋白，按此pipeline执行：
- 用BLAST将序列比对到UniProtKB（先选”Swiss-Prot”库）。
- 取最佳reviewed hit，identity ≥ 40-50% 且 coverage ≥ 70%，方可安全转移功能。
- 核查 orthology：功能转移在 ortholog 之间最可靠，而非 paralog（paralog常发生新功能化）。
- 带归属地复制注释：”功能基于与[accession]的同源性预测”——切勿当作实验事实。
- 用InterProScan补域信息，用GO term mapping补本体。
- 记录全部参数（数据库版本、访问日期、阈值）写入方法部分。
第四步：ID Mapping与批量工具
UniProt提供ID Mapping工具（uniprot.org/id-mapping），可在标识符之间批量转换：Gene ID（Ensembl/NCBI）、RefSeq、PDB、GO、KEGG乃至UniProt accession。上传数万条ID，下载TSV/Excel结果。
更大规模时：
- Proteome download：下载某物种完整参考蛋白质组（FASTA + 注释）。
- UniProt API：可编程REST查询，用于自动化pipeline。
- BLAST API：从脚本发起检索，无需开浏览器。
第五步：导出、引用与报告
每个检索结果都可导出为FASTA、TSV、XLSX、XML。研究报告中务必包含：accession号、数据库版本、访问日期。注释表示例列：Gene、Accession、Protein name、Organism、Identity %、Coverage %、Evidence（experimental/similarity）、GO terms。这样的表格可直接进入结果章节或期刊补充材料。
❓ 常见问题
Q：UniProt免费吗？
A：100%免费，含API和批量下载。由国际联盟（ELIXIR）资助。
Q：Swiss-Prot和TrEMBL用哪个？
A：功能论断用Swiss-Prot（reviewed）。找不到reviewed同源物时用TrEMBL补覆盖——但需诚实标注来源。
Q：”by similarity”转移的注释能当作我蛋白的功能引用吗？
A：可以，但必须写成基于同源性的预测，而非实验事实。Q1审稿人对此极其敏感。
🚀 几百个蛋白等着注释——但你的时间有限？
正确注释一个蛋白需要15-30分钟的细致工作：BLAST、orthology核查、读evidence tags、GO映射、整理表格。乘以你RNA-seq实验的300个蛋白——那就是数周易出错的手工劳动。一次从paralog错误转移的注释，可能颠覆你整个研究的通路解读。Corvexum用经过验证的pipeline替你承担注释负担：
- ✅ 对Swiss-Prot批量BLAST + 策展最佳reviewed hit
- ✅ 功能转移前的orthology验证（排除paralog）
- ✅ GO term、InterPro域、KEGG/Reactome通路映射
- ✅ 完整注释表（accession、identity、coverage、evidence）可直接进补充材料
- ✅ 防审稿人的方法学叙述 + 目标期刊咨询
备用邮箱：corvexum@gmail.com
Tinggalkan Balasan