SWISS-PROT

SWISS-PROT創建於1986年，由瑞士生物信息學研究所(Swiss Institute for Bioinformatics，SIB)和歐洲生物信息學研究所(European Bioinformatic Institute，EBI)共同協作維護。該數據庫到2001年末共收錄102708個序列數據，包含37803202個氨基酸。在SWISS-PROT數據庫各種氨基酸的分佈中，亮氨酸、丙氨酸、絲氨酸、甘氨酸、纈氨酸、穀氨酸佔較高的比例，而組氨酸、半胱氨酸、苯丙氨酸等佔的比例較小(表)。SWISS-PROT數據庫現有的序列數據涉及1202種期刊的92845篇文獻。被引用100篇文獻以上的期刊有91種，其中經常被引用的前20種期刊(表)被引用次數皆在1000次以上，合計貢獻文獻48314篇，佔總被引用文獻數的52.04%，説明這些期刊是發表蛋白質序列相關信息的主要文獻源 ^[1]  。

SwissProt採用了和EMBL核酸序列數據庫相同的格式和雙字母標識字。這種雙字母的標識字對於數據庫的管理維護比較方便，但用户在使用時卻不很方便，特別對數據庫格式不很熟悉的用户。ExPASy開發了面向生物學家的、基於瀏覽器的用户界面，特別是用可視化方式表示氨基酸特徵表，使用户對序列特性一目瞭然，如二硫鍵、跨膜螺旋、二級結構片段、活性位點等。截止1998年6月，SWISS-PROT數據庫包含約7萬條序列，這些序列涵蓋了5千多個不同種屬，其中大部分來自於幾種主要模式生物，如人、小鼠等。

SWISS-PROT數據庫的結構與其它蛋白質序列數據庫不同。給出SWISS-PROT數據庫中一個序列條目的實例。每一行由兩個字母起始，用來説明每一行所代表的信息。起其中第一行以ID開始，最後一行以雙斜槓//結束。ID行表示該序列的名稱是OPSD_SHEEP，共有348個氨基酸殘基。SWISS-PROT數據庫的ID包含一定信息，如本例中OPSD表示蛋白質名稱縮寫，而SHEEP表示該蛋白質分子來自於哪個物種，中間用下劃線分隔。即這一蛋白序列是來源於綿羊的視紫紅質(rhodopsin)。序列條目的標識符ID隨着版本的更新有可能改變，因此有必要採用能夠唯一識別該序列條目的其它標識符。SWISS-PROT採用AC（accession number）作為表示某個特定序列的代碼，具有唯一性和永久性。在文獻中引用某個序列時，應以AC為準，而不是以序列名稱或ID為準。本例中，代碼AC為P02700。採用AC代碼的另一個好處是便於計算機處理。如果在AC行出現了幾個代碼值，那麼應以第一個為準，它表示該序列在當前版本中的代碼。下面的DT行提供了蛋白質序列提交到數據庫的時間，及最近一次修改的時間等信息。描述行（DE）可以有一行或幾行，提供了對該蛋白質的簡單説明。此例中，説明該蛋白質為視紫紅質。下面的幾行中提供了有關該蛋白質的基因名（GN）、物種來源（OS）和分類學位置（OC）等信息。接下來是與該蛋白質相關的基本註釋信息，包括文獻信息、與測序有關的信息、以及對該蛋白質序列分析得到的與結構或突變相關的信息等。這些註釋為用户提供了非常有價值的信息。基本註釋信息後，是説明行（CC）。在CC行中按主題進行區分，其中，FUNCTION説明該蛋白質的功能，PTM説明翻譯後修飾，TISSUE SPECIFICITY説明組織專一性，SUBCELLULAR LOCATION説明亞細胞定位，SIMILARITY説明了與該蛋白質序列具有相似性或相關的某個蛋白質家族，等等。蛋白質序列具有與另一個蛋白質序列數據庫PIR的鏈接、與GPCR專門數據庫的鏈接，以及與蛋白質序列模體數據庫PROSITE的鏈接和與蛋白質結構域數據庫ProDom的鏈接。在DR行之後，是關鍵字行（KW）和特徵錶行（FT）。特徵表包括對該序列特性的進一步註釋，包括跨膜螺旋等超二級結構單元、配體結合位點、翻譯後修飾位點等。特徵表的每一行有一個關鍵字（如TRANSMEM）、特徵序列的氨基酸殘基位置（如37-61），以及註釋信息的性質（如POTENTIAL）等。SWISS-PROT數據庫中的序列數據與蛋白質前體對應，如果想要獲得成熟蛋白質的序列，可以參考特徵表所提供的信息，即根據特徵表所提供的信號（SIGNAL），轉運區（TRANSIT）或前肽（PROPEP）等信息來推斷成熟蛋白質或多肽序列。此外，CHAIN和PEPTIDE兩個關鍵字用來表示成熟蛋白質的位置。SWISS-PROT數據庫的格式便於通過計算機軟件進行查詢，即通過對每行起始的標識字建立索引文件，即可方便地找到某一字段。