蛋白质组学搜库数据下载 | 云课堂(19)

一直关注联川公众号的小伙伴们都知道，联川云平台已于2018年12月6日正式上线(http://www.lc-bio.cn/index.html)；

还没使用过的小伙伴，赶紧点开大显身手一番~使用指南详情请戳此链接：联川生物云平台使用指南；

联川云平台包含FAQ/SOP和云平台双重功能：丰富的FAQ/SOP，助你快速上手入门，更有详尽的分析技能小技巧等你来学习；云平台中包含科研中经常用到的分析绘图软件，可对实验数据进行统计分析、绘图等。

今天小编将与大家一起分享云平台里的蛋白质组学搜库数据下载，一起学起来吧~

蛋白组学的搜库数据来源主要有以下几个途径：

1. 指定数据库，

2. Uniprot 数据库，

3. NCBI 数据库，

4. Ensembl 数据库，

5. 其他。

通过上述途径获得目标物种的蛋白数据库FASTA 文件，用于蛋白鉴定过程的搜库依据。搜库前首先要确定目标物种的拉丁名，作为搜索时的依据。

1. 指定数据库

如果给出了自己要求的数据库，要根据指定的数据库名称或链接下载相应的物种数据库。

2.  Uniprot 数据库（https://www.uniprot.org/）

Uniprot 数据库是最常用的蛋白搜库数据库。如无特别要求，蛋白的搜库 FASTA 文件一般在该网站下载。以葡萄（对应拉丁名为 vitis vinifera）为例，具体的 FASTA 文件下载步骤如下。

在网站页面搜索框输入物种拉丁名，点击搜索： 

在搜索结果页面左侧的选项栏中选择相应的物种：

在搜索结果页面点击 Download，选择 Download all，Format 选项选择文件格式为 FASTA，最终点击 GO 按钮，下载文件。

最终下载获得的文件内容如下：

每个“>”号后为一个蛋白的信息。

sp 表示 Swiss-Prot 数据库，此处还可能是tr，表示TrEMBL 数据库；

P28343是蛋白在UniProt数据库中的ID号，THS1_VITVI 是蛋白在UniProt上的登录名；

Stilbene synthase 1是蛋白的名称；

OS 表示 Organism，也就是物种名称，这里的 vitis vinifera 跟我们搜索时使用的拉丁名应该保持一致；

GN 表示 gene name，即基因名称；

PE 表示 ProteinExistence，即蛋白的可靠性，可以是 1~5 中的任意整数，数字越小可靠性越高；

SV 表示 Sequence Version，即蛋白的序列版本。

最终下载的 FASTA 文件要检查蛋白数目是否下全，即是否和下载时网页中显示的数目一致，并且要检查每个蛋白的所属物种是否为目标物种。

3.  NCBI 数据库（https://www.ncbi.nlm.nih.gov/）

打开 NCBI 网站首页，在搜索框输入比如葡萄的拉丁名——vitis vinifera，在下拉列表中选择数据库类 型 Genome，点击 Search。

在搜索结果页面选择 protein，就可下载到物种的蛋白搜库文件。 

4.  Ensembl 数据库

这里以玉米（zea_mays）为例，Ensembl有专门的植物数据库，登录 Ensembl plant网站，在搜索框输入目标物种拉丁名——zea_mays：

在结果页面选择 downloads 选项：

在弹出的页面选择 FTP server： 

在 FTP 页面依次选择 fasta、zea_mays、pep：

下载相应路径下的文件即可。 

5. 其他

对于仅在特定的数据库或网站中才有蛋白库文件的物种，要根据相应数据库的具体要求下载 FASTA 文 件，并对下载文件进行检查。

蛋白质组学搜库数据下载就分享完了，除了本教程联川云平台还有很多小技能供学习哦~下载本教程请至云平台：http://www.lc-bio.cn/faq/sop_detail.php?id=83或直接点击文末左下角“阅读原文”下载~

云平台登录和注册的流程

云平台目前只针对联川客户开放，注册需用正确的合同号进行注册哦，有多个合同的填写任意一个合同号即可。暂不能体验的小伙伴也别着急，随着平台的优化，也会逐步对全员开发的~注册链接如下：

http://www.lc-bio.cn/index.html

也欢迎给位给我们的云平台留言、提建议

在大家的督促下，我们的云平台会越做越好

相关阅读