Pfam ist eine Datenbank von Proteinfamilien , die deren Annotationen und mithilfe von Hidden-Markov-Modellen generierte multiple Sequenzalignments enthält . [ 1 ] [ 2 ] [ 3 ] Die neueste Version von Pfam, 37.0, wurde im Juni 2024 veröffentlicht und umfasst 21.979 Familien. [ 4 ] Sie ist derzeit über die InterPro -Website zugänglich.

Verwendung

Das Hauptziel der Pfam-Datenbank ist die Bereitstellung einer vollständigen und präzisen Klassifizierung von Proteinfamilien und -domänen. [ 5 ] Ursprünglich diente die Datenbank dem Zweck, eine halbautomatische Methode zur Kuratierung von Informationen über bekannte Proteinfamilien zu entwickeln, um die Effizienz der Genomannotation zu verbessern. [ 6 ] Die Pfam-Klassifizierung von Proteinfamilien ist aufgrund ihrer umfassenden Abdeckung von Proteinen und ihrer sinnvollen Namenskonventionen unter Biologen weit verbreitet. [ 7 ]

Es wird von experimentellen Biologen zur Erforschung spezifischer Proteine, von Strukturbiologen zur Identifizierung neuer Ziele für die Strukturbestimmung, von Bioinformatikern zur Sequenzorganisation und von Evolutionsbiologen zur Erforschung der Ursprünge von Proteinen verwendet. [ 8 ] Frühe Genomprojekte, wie das menschliche und das Fliegen-Genom, nutzten Pfam umfassend zur funktionellen Annotation genomischer Daten. [ 9 ] [ 10 ] [ 11 ]

Die InterPro-Website ermöglicht es Nutzern, Protein- oder DNA-Sequenzen einzureichen, um Übereinstimmungen mit Familien in der Pfam-Datenbank zu finden. Bei der Einreichung von DNA wird eine Sechs-Rahmen -Übersetzung durchgeführt, anschließend wird jeder Rahmen einzeln durchsucht. [ 12 ] Anstelle einer typischen BLAST- Suche verwendet Pfam Profil- Hidden-Markov-Modelle . Diese gewichten Übereinstimmungen an konservierten Stellen stärker, was eine bessere Erkennung entfernter Homologien ermöglicht und sie somit besser geeignet macht, Genome von Organismen ohne gut annotierte nahe Verwandte zu annotieren. [ 13 ]

Pfam wurde auch zur Erstellung anderer Ressourcen wie iPfam verwendet, das Domänen-Domänen-Interaktionen innerhalb und zwischen Proteinen katalogisiert, basierend auf Informationen in Strukturdatenbanken und der Zuordnung von Pfam-Domänen zu diesen Strukturen. [ 14 ]

Merkmale

Für jede Familie in Pfam kann man Folgendes feststellen:

  • Sehen Sie sich eine Beschreibung der Familie an
  • Betrachten Sie mehrere Ausrichtungen
  • Proteindomänenarchitekturen anzeigen
  • Artenverteilung untersuchen
  • Folgen Sie den Links zu anderen Datenbanken.
  • Bekannte Proteinstrukturen anzeigen

Einträge können verschiedenen Typen angehören: Familie, Domäne, Wiederholung oder Motiv. Familie ist die Standardklasse und bedeutet lediglich, dass die Mitglieder verwandt sind. Domänen sind als autonome Struktureinheiten oder wiederverwendbare Sequenzeinheiten definiert, die in verschiedenen Proteinkontexten vorkommen können. Wiederholungen sind in der Regel nicht isoliert stabil, sondern müssen meist Tandemwiederholungen bilden, um eine Domäne oder eine erweiterte Struktur zu formen. Motive sind üblicherweise kürzere Sequenzeinheiten, die außerhalb globulärer Domänen vorkommen. [ 9 ]

Die Beschreibungen der Pfam-Familien werden von der Öffentlichkeit mithilfe von Wikipedia verwaltet (siehe #Community curation ).

Mit Stand der Version 29.0 stimmten 76,1 % der Proteinsequenzen in UniprotKB mit mindestens einer Pfam-Domäne überein. [ 15 ]

Erstellung neuer Einträge

Neue Genfamilien stammen aus verschiedenen Quellen, vor allem aus der PDB und der Analyse vollständiger Proteome, um Gene ohne Pfam-Treffer zu finden. [ 16 ]

Für jede Familie wird eine repräsentative Teilmenge der Sequenzen in ein hochwertiges Ausgangs-Alignment überführt. Die Sequenzen für dieses Ausgangs-Alignment stammen primär aus pfamseq (einer nicht-redundanten Datenbank von Referenzproteomen) und werden durch Sequenzen aus UniprotKB ergänzt . [ 15 ] Dieses Ausgangs-Alignment dient anschließend dazu, mit HMMER ein Profil-Hidden-Markov-Modell (HMM) zu erstellen . Dieses HMM wird dann mit Sequenzdatenbanken abgeglichen, und alle Treffer, die einen festgelegten Schwellenwert erreichen, werden als Mitglieder der jeweiligen Proteinfamilie klassifiziert. Die resultierende Sammlung von Mitgliedern wird dann mit dem Profil-HMM aligniert, um ein vollständiges Alignment zu generieren.

Für jede Familie wird ein manuell festgelegter Schwellenwert für die Zuordnung von Treffern definiert, der die Anzahl korrekter Treffer innerhalb der Familie maximiert und gleichzeitig falsch-positive Treffer ausschließt. Falsch-positive Treffer werden anhand von Überschneidungen zwischen Pfam-Familientreffern geschätzt, die nicht demselben Clan angehören. Dieser Schwellenwert dient der Beurteilung, ob ein Treffer in einem Familien-HMM der Proteinfamilie zugeordnet werden soll. Bei jeder Aktualisierung von Pfam werden die Schwellenwerte für die Zuordnung von Treffern neu berechnet, um Überschneidungen zwischen neuen und bestehenden Familien zu vermeiden. [ 16 ]

Domänen unbekannter Funktion

Domänen unbekannter Funktion (DUFs) stellen einen wachsenden Anteil der Pfam-Datenbank dar. Diese Familien werden so genannt, weil sie zwar über verschiedene Spezies hinweg konserviert sind, ihre Funktion aber unbekannt ist. Jede neu hinzugefügte DUF wird in der Reihenfolge ihrer Hinzufügung benannt. Die Namen dieser Einträge werden aktualisiert, sobald ihre Funktionen identifiziert sind. Normalerweise wird die Funktion der gesamten DUF aktualisiert und die Familie umbenannt, sobald die Funktion mindestens eines Proteins einer DUF bestimmt ist. Einige benannte Familien sind weiterhin Domänen unbekannter Funktion, die nach einem repräsentativen Protein benannt sind, z. B. YbbR. Es wird erwartet, dass die Anzahl der DUFs weiter zunimmt, da in den Sequenzdaten fortlaufend konservierte Sequenzen unbekannter Funktion identifiziert werden. Es wird erwartet, dass DUFs die Anzahl der Familien mit bekannter Funktion schließlich übertreffen werden. [ 16 ]

Clans

Im Laufe der Zeit haben sowohl die Sequenz- als auch die Restabdeckung zugenommen, und mit dem Wachstum der Familien wurden weitere evolutionäre Verwandtschaftsverhältnisse entdeckt, was die Gruppierung von Familien in Clans ermöglichte. [ 8 ] Clans wurden 2005 erstmals in die Pfam-Datenbank eingeführt. Sie sind Gruppierungen verwandter Familien mit einem gemeinsamen evolutionären Ursprung, der durch Struktur-, Funktions-, Sequenz- und HMM-Vergleiche bestätigt wurde. [ 5 ] Mit Version 29.0 gehörte etwa ein Drittel der Proteinfamilien einem Clan an. [ 15 ] Dieser Anteil ist bis 2019 (Version 32.0) auf etwa drei Viertel angewachsen. [ 17 ]

Zur Identifizierung möglicher Verwandtschaftsverhältnisse zwischen Proteinfamilien nutzen die Pfam-Kurator:innen das Simple Comparison Of Outputs Program (SCOOP) sowie Informationen aus der ECOD- Datenbank. [ 17 ] ECOD ist eine halbautomatische, hierarchische Datenbank von Proteinfamilien mit bekannten Strukturen. Die Familien lassen sich leicht Pfam-Einträgen zuordnen, und die Homologiegrade entsprechen in der Regel Pfam-Clans. [ 18 ]

Geschichte

Pfam wurde 1995 von Erik Sonnhammer, Sean Eddy und Richard Durbin als Sammlung häufig vorkommender Proteindomänen gegründet, die zur Annotation der proteinkodierenden Gene vielzelliger Tiere verwendet werden können. [ 6 ] Eines der Hauptziele bei der Gründung war die Unterstützung der Annotation des C. elegans -Genoms. [ 6 ] Das Projekt wurde unter anderem durch die Aussage von Cyrus Chothia in „One thousand families for the molecular biologist“ angestoßen, dass es etwa 1500 verschiedene Proteinfamilien gäbe und die Mehrheit der Proteine ​​nur 1000 davon angehöre. [ 5 ] [ 19 ] Im Gegensatz zu dieser Aussage enthält die Pfam-Datenbank derzeit 16.306 Einträge, die einzigartigen Proteindomänen und -familien entsprechen. Viele dieser Familien weisen jedoch strukturelle und funktionelle Ähnlichkeiten auf, die auf einen gemeinsamen evolutionären Ursprung hindeuten (siehe Clans ). [ 5 ]

Ein wesentlicher Unterschied zwischen Pfam und anderen Datenbanken zum Zeitpunkt seiner Einführung war die Verwendung zweier Alignment-Typen für Einträge: ein kleineres, manuell geprüftes Ausgangsalignment sowie ein vollständiges Alignment, das durch Abgleich von Sequenzen mit einem auf dem Ausgangsalignment basierenden Profil-Hidden-Markov-Modell erstellt wurde. Dieses kleinere Ausgangsalignment ließ sich mit neuen Versionen von Sequenzdatenbanken leichter aktualisieren und stellte somit eine vielversprechende Lösung für das Dilemma dar, wie die Datenbank angesichts der zunehmenden Effizienz der Genomsequenzierung und der damit einhergehenden Datenmenge aktuell gehalten werden konnte. Eine weitere Verbesserung der Aktualisierungsgeschwindigkeit der Datenbank wurde mit Version 24.0 durch die Einführung von HMMER3 erreicht, das etwa 100-mal schneller und sensitiver als HMMER2 ist. [ 8 ]

Da die Einträge in Pfam-A nicht alle bekannten Proteine ​​abdecken, wurde eine automatisch generierte Ergänzung namens Pfam-B bereitgestellt. Pfam-B enthielt eine große Anzahl kleiner Familien, die aus Clustern abgeleitet wurden, welche durch einen Algorithmus namens ADDA erzeugt wurden. [ 20 ] Obwohl die Qualität der Pfam-B-Familien geringer war, konnten sie nützlich sein, wenn keine Pfam-A-Familien gefunden wurden. Pfam-B wurde mit Version 28.0 eingestellt [ 21 ] und dann mit Version 33.1 unter Verwendung eines neuen Clustering-Algorithmus, MMSeqs2, wieder eingeführt. [ 22 ]

Pfam wurde ursprünglich auf drei Spiegelservern weltweit gehostet, um Redundanz zu gewährleisten. Zwischen 2012 und 2014 wurde die Pfam-Ressource jedoch zum EMBL-EBI verlegt , wodurch die Website von einer einzigen Domain (xfam.org) aus mit redundanten, unabhängigen Rechenzentren gehostet werden konnte. Dies ermöglichte eine bessere Zentralisierung von Aktualisierungen und die Zusammenführung mit anderen Xfam-Projekten wie Rfam , TreeFam , iPfam und weiteren, während gleichzeitig die durch das Hosting in mehreren Zentren gewährleistete Ausfallsicherheit erhalten blieb. [ 23 ]

Von etwa 2014 bis 2016 wurde Pfam grundlegend reorganisiert, um den manuellen Aufwand bei der Datenpflege weiter zu reduzieren und häufigere Aktualisierungen zu ermöglichen. [ 15 ] Um das Jahr 2022 wurde Pfam in InterPro am Europäischen Bioinformatik-Institut integriert . [ 24 ]

Community-Kuration

Die Pflege einer so großen Datenbank stellte aufgrund der Vielzahl neuer Familien und aktualisierter Informationen, die hinzugefügt werden mussten, eine Herausforderung dar. Um die Aktualisierung der Datenbank zu beschleunigen, starteten die Entwickler verschiedene Initiativen, um die Community stärker in die Verwaltung der Datenbank einzubinden.

Ein entscheidender Schritt zur Beschleunigung der Aktualisierung und Verbesserung von Einträgen war die Öffnung der funktionalen Annotation von Pfam-Domänen für die Wikipedia-Community in Version 26.0. [ 16 ] Einträge, die bereits einen Wikipedia-Eintrag hatten, wurden mit der Pfam-Seite verlinkt. Für Einträge ohne Wikipedia-Eintrag wurde die Community eingeladen, einen solchen zu erstellen und die Kuratoren zu informieren, damit dieser verlinkt werden konnte. Es wird erwartet, dass die Beteiligung der Community den Annotationsgrad dieser Familien deutlich verbessern wird. Einige Familien werden jedoch weiterhin nicht ausreichend relevant für die Aufnahme in Wikipedia sein und behalten daher ihre ursprüngliche Pfam-Beschreibung. Manche Wikipedia-Artikel behandeln mehrere Familien, wie beispielsweise der Artikel über Zinkfinger . Zudem wurde ein automatisiertes Verfahren zur Generierung von Artikeln auf Basis von InterPro- und Pfam-Daten implementiert. Dieses Verfahren füllt eine Seite mit Informationen, Links zu Datenbanken und verfügbaren Bildern. Nach der Überprüfung durch einen Kurator wird der Artikel aus der Sandbox in die eigentliche Wikipedia verschoben. Um Vandalismus vorzubeugen, wird jede Wikipedia-Revision von Kuratoren geprüft, bevor sie auf der Pfam-Website veröffentlicht wird. Fast alle Fälle von Vandalismus wurden jedoch von der Gemeinde behoben, bevor sie die Kuratoren erreichten. [ 16 ]

Pfam wird von einem internationalen Konsortium aus drei Gruppen betrieben. In früheren Versionen von Pfam konnten Familieneinträge nur am Standort Cambridge, Großbritannien, bearbeitet werden, was die Möglichkeiten der Konsortiumsmitglieder zur Pflege der Website einschränkte. Mit Version 26.0 stellten die Entwickler auf ein neues System um, das es registrierten Nutzern weltweit ermöglicht, Pfam-Familien hinzuzufügen oder zu bearbeiten. [ 16 ]

Siehe auch

Referenzen

  1. ^ Finn RD, Tate J, Mistry J, Coggill PC, Sammut SJ, Hotz HR, Ceric G, Forslund K, Eddy SR, Sonnhammer EL, Bateman A (2008). „Die Pfam-Proteinfamiliendatenbank“ . Nucleic Acids Res . 36 (Datenbankausgabe): D281–8. doi : 10.1093/nar/ gkm960 . PMC 2238907. PMID 18039703 .  
  2. Finn , RD; Mistry, J.; Schuster-Böckler, B.; Griffiths-Jones, S.; Hollich, V.; Lassmann, T.; Moxon, S.; Marshall, M.; Khanna, A.; Durbin, R.; Eddy, SR; Sonnhammer, EL; Bateman, A. (Januar 2006). „Pfam: Clans, Web-Tools und -Dienste“ (Volltext frei verfügbar) . Nucleic Acids Research . 34 (Datenbankausgabe): D247– D251. doi : 10.1093/nar/ gkj149 . ISSN 0305-1048 . PMC 1347511. PMID 16381856 .   
  3. Bateman , A .; Coin, L.; Durbin, R .; Finn, R. D.; Hollich, V.; Griffiths-Jones, S.; Khanna, A.; Marshall, M.; Moxon, S.; Sonnhammer, E. L.; Studholme, D. J.; Yeats, C.; Eddy, S. R. (2004). „Die Pfam - Proteinfamiliendatenbank“ . Nucleic Acids Research . 32 (Datenbankausgabe): 138D–1141. doi : 10.1093/nar/gkh121 . ISSN 0305-1048 . PMC 308855. PMID 14681378 .   Symbol für offenen Zugriff
  4. ^ „Xfam Blog“ . Xfam Blog . Abgerufen am 10. September 2024 .
  5. ^ a b c d Sammut, Stephen; Finn, Robert D.; Bateman, Alex (2008). „Pfam 10 Jahre später: 10.000 Familien und es werden immer mehr“ . Briefings in Bioinformatics . 9 (3): 210–219 . doi : 10.1093/bib/bbn010 . PMID 18344544 . 
  6. ^ a b c Sonnhammer, Erik LL; Eddy, Sean R.; Durbin, Richard (1997). „Pfam: Eine umfassende Datenbank von Proteindomänenfamilien basierend auf Seed-Alignments“. Proteins . 28 (3): 405–420 . doi : 10.1002/(sici)1097-0134(199707)28:3<405::aid - prot10>3.0.co;2-l . PMID 9223186. S2CID 9569028 .  
  7. Xu , Qifang; Dunbrack, Roland L. (2012). „Zuordnung von Proteinsequenzen zu bestehenden Domänen- und Familienklassifizierungssystemen: Pfam und die PDB“ . Bioinformatics . 28 ( 21): 2763–2772 . doi : 10.1093/bioinformatics/bts533 . PMC 3476341. PMID 22942020 .  
  8. Finn , RD; Mistry, J.; Tate, J.; Coggill, P.; Heger, A.; Pollington, JE; Gavin, OL; Gunasekaran, P.; Ceric, G.; Forslund, K.; Holm, L.; Sonnhammer, ELL; Eddy, SR; Bateman, A. (2009). „ Die Pfam -Proteinfamiliendatenbank“ . Nucleic Acids Research . 38 (Datenbank): D211– D222 . doi : 10.1093/nar/gkp985 . ISSN 0305-1048 . PMC 2808889. PMID 19920124 .   
  9. ^ a b Bateman A, Birney E, Cerruti L, Durbin R, Etwiller L, Eddy SR, Griffiths-Jones S, Howe KL, Marshall M, Sonnhammer EL (2002). „Die Pfam - Proteinfamiliendatenbank“ . Nucleic Acids Res . 30 (1): 276–80 . doi : 10.1093/nar/30.1.276 . PMC 99071. PMID 11752314 .  
  10. ^ Adams MD, Celniker SE, Holt RA, Evans CA, Gocayne JD, et al. (2000). „Die Genomsequenz von Drosophila melanogaster“. Wissenschaft . 287 (5461): 2185– 95. Bibcode : 2000Sci...287.2185. . CiteSeerX 10.1.1.549.8639 . doi : 10.1126/science.287.5461.2185 . PMID 10731132 .  
  11. ^ Lander, Eric S.; Linton, Lauren M.; Birren, Bruce; Nusbaum, Chad; Zody, Michael C.; et al. (2001). „Erste Sequenzierung und Analyse des menschlichen Genoms“ . Nature . 409 (6822): 860–921 . doi : 10.1038/35057062 . hdl : 2027.42/62798 . ISSN 0028-0836 . PMID 11237011 .  
  12. Finn , Robert D.; Bateman, Alex; Clements, Jody; Coggill, Penelope; Eberhardt, Ruth Y.; Eddy, Sean R.; Heger, Andreas; Hetherington, Kirstie; Holm, Liisa; Mistry, Jaina; Sonnhammer, Erik LL; Tate, John; Punta, Marco (2014). „Pfam: Die Datenbank für Proteinfamilien“ . Nucleic Acids Research . 42 (D1): D222– D230. doi : 10.1093/nar/gkt1223 . ISSN 0305-1048 . PMC 3965110. PMID 24288371 .   
  13. ^ Sonnhammer EL, Eddy SR, Birney E, Bateman A, Durbin R (1998). „Pfam: multiple sequence alignments and HMM-profiles of protein domains“ . Nucleic Acids Res . 26 (1): 320–2 . doi : 10.1093 / nar/26.1.320 . PMC 147209. PMID 9399864 .  
  14. Finn , RD; Marshall, M.; Bateman, A. (2004). „iPfam: Visualisierung von Protein-Protein-Interaktionen in der PDB mit Domänen- und Aminosäureauflösung“ . Bioinformatics . 21 (3): 410–412 . doi : 10.1093/bioinformatics/bti011 . ISSN 1367-4803 . PMID 15353450 .  
  15. Finn , Robert D.; Coggill, Penelope; Eberhardt, Ruth Y.; Eddy, Sean R.; Mistry, Jaina; Mitchell, Alex L.; Potter, Simon C.; Punta, Marco; Qureshi, Matloob; Sangrador-Vegas, Amaia; Salazar, Gustavo A.; Tate, John; Bateman, Alex (2016). „ Die Pfam - Proteinfamiliendatenbank: Auf dem Weg zu einer nachhaltigeren Zukunft“ . Nucleic Acids Research . 44 (D1): D279– D285. doi : 10.1093/nar/gkv1344 . ISSN 0305-1048 . PMC 4702930. PMID 26673716 .   
  16. Punta , M .; Coggill, PC; Eberhardt, RY; Mistry, J .; Tate, J .; Boursnell, C.; Pang , N.; Forslund, K.; Ceric, G.; Clements, J.; Heger, A.; Holm, L.; Sonnhammer, ELL; Eddy, SR; Bateman, A.; Finn, RD (2011). „ Die Pfam-Proteinfamiliendatenbank“ . Nucleic Acids Research . 40 (D1): D290– D301 . doi : 10.1093/nar/gkr1065 . ISSN 0305-1048 . PMC 3245129. PMID 22127870 .   
  17. ^ a b El-Gebali, Sara; Mistry, Jaina; Bateman, Alex; Eddy, Sean R; Luciani, Aurélien; Potter, Simon C; Qureshi, Matloob; Richardson, Lorna J; Salazar, Gustavo A; Smart, Alfredo; Sonnhammer, Erik LL; Hirsh, Layla; Paladin, Lisanna; Piovesan, Damiano; Tosatto, Silvio CE; Finn, Robert D (8. Januar 2019). „Die Pfam-Proteinfamiliendatenbank im Jahr 2019“ . Nucleic Acids Research . 47 (D1): D427– D432 . doi : 10.1093/nar/gky995 . PMC 6324024. PMID 30357350 .  
  18. ^ „Evolutionäre Klassifizierung von Proteindomänen“ . prodata.swmed.edu . Archiviert vom Original am 15. Juli 2019. Abgerufen am 18. Mai 2019 .
  19. ^ Chothia, Cyrus (1992). „Eintausend Familien für den Molekularbiologen“ . Nature . 357 (6379): 543–544 . Bibcode : 1992Natur.357..543C . doi : 10.1038/357543a0 . ISSN 0028-0836 . PMID 1608464. S2CID 4355476 .   
  20. ^ Heger, A.; Wilton, C. A.; Sivakumar, A.; Holm, L. (Januar 2005). „ADDA: eine Domänendatenbank mit globaler Abdeckung des Proteinuniversums“ ( Freier Volltext) . Nucleic Acids Research . 33 (Datenbankausgabe): D188– D191. doi : 10.1093/nar/gki096 . ISSN 0305-1048 . PMC 540050. PMID 15608174 .   
  21. ^ „Pfam 28.0 Versionshinweise“ . Abgerufen am 30. Juni 2015 .
  22. ^ „Ein neues Pfam-B wurde veröffentlicht“ . Xfam Blog . 30. Juni 2020. Archiviert vom Original am 11. Januar 2021. Abgerufen am 15. Januar 2021 .
  23. ^ „Umzug zu xfam.org“ . Archiviert vom Original am 19. Oktober 2016. Abgerufen am 25. November 2016 .
  24. Paysan -Lafosse, Typhaine (2023). „ InterPro in 2022“ . Nucleic Acids Research . 51 (D1): D418– D427. doi : 10.1093/nar/gkac993 . PMC 9825450 . 
  25. ^ Dunbrack, Roland. „PDBfam“ . Fox Chase Cancer Center. Archiviert vom Original am 1. Oktober 2015. Abgerufen am 9. März 2013 .
  26. Xu , Qifang; Dunbrack, Roland (2012). „Zuordnung von Proteinsequenzen zu bestehenden Domänen- und Familienklassifizierungssystemen: Pfam und die PDB“ . Bioinformatics . 28 (21): 2763–72 . doi : 10.1093/bioinformatics/ bts533 . PMC 3476341. PMID 22942020 .