UniProt使用教學：蛋白資料庫與功能註釋完整指南
你剛從定序結果或基因預測裡拿到一段蛋白序列——然後一個大問題冒出來：「這個蛋白到底是什麼？它有什麼功能？在細胞裡哪裡工作？」如果你靠猜，或依賴未經驗證的自動註釋，你就是在玩火：一個註釋錯誤會 cascading 到你研究的所有結論。好消息是，世界對這個問題有一個唯一真相源：UniProt（Universal Protein Resource）——EBI、SIB、PIR 的合作成果，全球蛋白資料庫的黃金標準，收錄超過2.5億條條目。本文帶你從基礎檢索走到方法學正確的功能註釋工作流。如果你手頭有幾百個蛋白需要以Q1期刊的嚴謹度做註釋，Corvexum團隊隨時可以代勞。
UniProt的架構：先理解，再檢索
UniProt不是單一資料庫，而是一個資料庫家族：
- UniProtKB/Swiss-Prot（約57萬條）：reviewed——由專家策展人基於實驗證據手工註釋。這是黃金標準。
- UniProtKB/TrEMBL（約2.5億條）：unreviewed——來自EMBL/Ensembl轉譯的自動註釋。覆蓋廣、品質參差。
- UniRef（UniRef100/90/50）：序列聚類，檢索時降低冗餘。
- UniParc：所有出現過蛋白序列的綜合檔案。
- Proteomes：每個物種的完整蛋白集（參考蛋白質體）。
黃金法則：發表中的功能論斷，優先使用Swiss-Prot（reviewed）條目。TrEMBL可作覆蓋補充，但絕不能作為功能論斷的唯一依據。
第一步：基礎檢索與進階查詢
開啟uniprot.org。搜尋框支援強大語法：
- 自由檢索：
p53 human - 依基因：
gene:TP53 AND organism_id:9606 - 僅reviewed條目：加
reviewed:true - 依功能：
function:kinase AND organism_name:"Arabidopsis thaliana" - 依accession：
accession:P04637
複雜組合（亞細胞定位、蛋白家族、是否有PDB結構等）用Advanced Search。結果可即時過濾：reviewed vs unreviewed、物種、序列長度、3D結構有無。
第二步：讀懂UniProt條目的解剖結構
條目頁就是一個蛋白的「生物身分證」。必讀部分：
- Entry name 與 Accession（如 P53_HUMAN / P04637）：用於引用的永久身份。
- Function section：手工策展的功能描述——註釋的核心。
- Subcellular location：蛋白在哪裡工作（核、膜、分泌）。
- PTM & Processing：磷酸化、糖基化、剪切——調控研究的關鍵。
- Domains & Regions：功能域（如激酶域、鋅指）。
- GO annotations：基因本體（分子功能、生物過程、細胞組分）。
- Cross-references：指向PDB（結構）、KEGG/Reactome（路徑）、InterPro/Pfam（域）、OMIM（疾病）的連結。
- Evidence tags：每條陳述都帶證據標籤——experimental、by similarity或predicted。
方法學警示：標「by similarity」的註釋意味著功能是轉移自其他蛋白，並非在本蛋白上證明。引用時務必謹慎。
第三步：正確的功能註釋工作流
對你的新蛋白，依此pipeline執行：
- 用BLAST將序列比對到UniProtKB（先選「Swiss-Prot」庫）。
- 取最佳reviewed hit，identity ≥ 40-50% 且 coverage ≥ 70%，方可安全轉移功能。
- 核查orthology：功能轉移在 ortholog 之間最可靠，而非 paralog（paralog常發生新功能化）。
- 帶歸屬地複製註釋：「功能基於與[accession]的同源性預測」——切勿當作實驗事實。
- 用InterProScan補域資訊，用GO term mapping補本體。
- 記錄全部參數（資料庫版本、存取日期、閾值）寫入方法部分。
第四步：ID Mapping與批次工具
UniProt提供ID Mapping工具（uniprot.org/id-mapping），可在識別符之間批次轉換：Gene ID（Ensembl/NCBI）、RefSeq、PDB、GO、KEGG乃至UniProt accession。上傳數萬條ID，下載TSV/Excel結果。
更大規模時：
- Proteome download：下載某物種完整參考蛋白質體（FASTA + 註釋）。
- UniProt API：可程式化REST查詢，用於自動化pipeline。
- BLAST API：從腳本發起檢索，無需開瀏覽器。
第五步：匯出、引用與報告
每個檢索結果都可匯出為FASTA、TSV、XLSX、XML。研究報告中務必包含：accession號、資料庫版本、存取日期。註釋表示例欄：Gene、Accession、Protein name、Organism、Identity %、Coverage %、Evidence（experimental/similarity）、GO terms。這樣的表格可直接進入結果章節或期刊補充材料。
❓ 常見問題
Q：UniProt免費嗎？
A：100%免費，含API和批次下載。由國際聯盟（ELIXIR）資助。
Q：Swiss-Prot和TrEMBL用哪個？
A：功能論斷用Swiss-Prot（reviewed）。找不到reviewed同源物時用TrEMBL補覆蓋——但需誠實標註來源。
Q：「by similarity」轉移的註釋能當作我蛋白的功能引用嗎？
A：可以，但必須寫成基於同源性的預測，而非實驗事實。Q1審稿人對此極其敏感。
🚀 幾百個蛋白等著註釋——但你的時間有限？
正確註釋一個蛋白需要15-30分鐘的細緻工作：BLAST、orthology核查、讀evidence tags、GO映射、整理表格。乘以你RNA-seq實驗的300個蛋白——那就是數週易出錯的手工勞動。一次從paralog錯誤轉移的註釋，可能顛覆你整個研究的路徑解讀。Corvexum用經過驗證的pipeline替你承擔註釋負擔：
- ✅ 對Swiss-Prot批次BLAST + 策展最佳reviewed hit
- ✅ 功能轉移前的orthology驗證（排除paralog）
- ✅ GO term、InterPro域、KEGG/Reactome路徑映射
- ✅ 完整註釋表（accession、identity、coverage、evidence）可直接進補充材料
- ✅ 防審稿人的方法學敘述 + 目標期刊諮詢
備用信箱：corvexum@gmail.com
Tinggalkan Balasan