|
跳转到[顶部·SP2PO公司·SPPO公司·数据可用性]
本文档解释了超域PO注释背后的详细信息。蛋白质的结构分类(SCOP公司)数据库（Andreeva等人，2008）将域定义为结构的单位和作为的最小单位进化与GO一样，已经开发了表型本体论（PO，如下所示），用于分类和组织与人类/模型生物体相关的表型信息，从最高层的非常一般的术语到DAG中更具体的术语。
疾病本体论(执行)是一个标准化的人类疾病本体，通过将DO术语广泛交叉映射到MeSH、ICD、NCI的同义词库、SNOMED和OMIM（Schriml等人，2009），在语义上整合了疾病和医学词汇。也可以获得它们在人类基因组上的映射（Osborne等人，2009年）。
人类表型本体(惠普)捕获OMIM中描述的表型异常以及相应的致病基因（Robinson等人，2008）。它包括三个互补的生物学概念：遗传模式（MI）、ONset和临床过程（ON）以及表型异常（PA）。
哺乳动物/小鼠表型本体(MP公司)描述了特定基因被遗传破坏后小鼠的表型（Smith等人，2009）。使用它，小鼠基因组信息学（MGI）为小鼠提供高覆盖率的基因水平表型。
蠕虫表型本体(可湿性粉剂)对秀丽线虫和其他线虫的表型描述进行分类和组织（Schindelman等人，2011）。使用它，WormBase为秀丽线虫的表型注释提供了主要资源。
酵母表型本体(YP公司)是“子囊菌表型本体论”的主要贡献者。利用它，酿酒酵母基因组数据库（SGD）提供了酵母基因组中每个基因的单一突变表型（Engel等人，2010）。
苍蝇表型本体(计划)指FlyBase控制的词汇表。具体而言，FlyBase中的等位基因注释（针对其诱变剂等）使用结构化受控词汇（Grumbing等，2006年）。
苍蝇解剖学本体(FA公司)是黑腹果蝇解剖结构的结构化受控词汇，用于描述表型和基因表达位置（Grumbing等人，2006）。
斑马鱼解剖本体(南非)显示了使用标准解剖学命名法的斑马鱼的解剖学术语，以及受影响的基因（Bradford等人，2011）。
爪蟾解剖本体(XA公司)代表青蛙（非洲爪蟾和热带爪蟾）的组织谱系和发育时间。它用于注释爪蟾基因表达模式以及突变和变体表型（Bowes等人，2009年）。
拟南芥植物本体(AP公司)是植物本体论的主要贡献者，该本体论描述了植物的无原子和形态结构（PAN）以及生长和发育阶段（PDE）。《拟南芥信息资源》（TAIR）为模式高等植物拟南芥（Arabidopsis thaliana）提供了拟南芥子植物本体注释（Ilic等人，2006；Pujar等人，2006）。
为了合并非OBO格式的本体，该方法也适用于其他具有固定长度或简化层次的本体：
酶委员会(电子计算机)是一个专注于酶命名的资源，这是一个与UniProts交叉引用的酶（蛋白质催化剂）命名系统（Fleischmann等人，2004）。它使用四位数的EC编号来定义催化的反应。前三位数字用于定义催化的反应，第四位数字用于唯一标识符（序列号）。
DrugBank ATC代码(数据库)根据其作用的器官或系统（第一级，解剖主组）及其治疗（第二级，治疗亚组）、药理（第三级，药理亚组）和化学性质（第四级，化学亚组；第五级，化学物质），将其分为五个不同的级别。仅考虑DrugBank中的药物和具有解剖治疗化学（ATC）分类系统的药物（Knox等人，2011年）。
UniProtKB关键字(千瓦)受控词汇表，提供条目内容的摘要，用于基于10个类别（此处不包括“技术术语”类别）为UniProtKB/Swiss-Prot条目编制索引。每个关键字手动归属于UniProtKB/Swiss-Prot条目，并自动归属于UniProtKB/TrEMBL条目（根据特定注释规则）（Bairoch等人，2005）。
UniProtKB UniPathway(向上)一个用于表示和注释代谢途径的完全手动管理的资源，在UniProtKB中用作路径注释的受控词汇（Morgat等人，2012）。
结合SUPERFAMILY数据库中蛋白质的全基因组域分配（Gough，2006），我们对检测PO本体与结构域的相关性进行了统计推断（de Lima Morais，et al.，2011）。尽管以域为中心的表型注释在描述独立域方面有很大的希望，大多数域本身可能不只是单独工作。在多域蛋白质中，它们可以结合在一起形成不同的域结构。现有结构域的重组被认为是表型多样性的主要驱动力之一。特别地，某些成对域组合（或三元组或更多）可能出现在不同的域体系结构中，因此可以被视为更大的进化单元（称为超域）尽管超结构域显然具有进化重要性，但它们的功能/表型仍未明确。在实践中，通过手动检查其所在的多域蛋白质的功能，它们比单个域要难得多。为了便于理解域组合如何促进功能/表型多样性，在这里，我们扩展了先前框架在捕获适用于超域和单个超家族的PO术语方面的效用(图1-4). 该框架的核心是，如果一个PO术语倾向于注释单个结构域蛋白质（或包含超结构域的蛋白质），那么这个术语也应该给出该单结构域（或超结构域）的功能信号.
构建超域PO注释的管道
跳转到[顶部·SP2PO公司·SPPO公司·数据可用性]
该框架的实现始于高覆盖域结构和最长转录物的蛋白质/基因级PO注释（以确保单基因-蛋白质映射有效，因为这些表型注释是基因导向的，而不是基于蛋白质的），分别可从SUPERFAMILY（de Lima Morais等人，2011）和PO感兴趣的注释中获得(图1). 我们尊重PO的层次结构，通过将单个术语视为节点，将其与父术语的关系（允许多个父项）视为有向边，将其组织为有向无环图（DAG）。因此，超结构域（个体超家族）和PO术语之间的两种推理是根据根和直接亲代PO进行的(图2). 这些双重约束确保只保留最相关的采购订单条款。
|
|
图1。一个用于推断进化SCOP域和超域的PO注释的通用框架，使用域体系结构和感兴趣模型生物体中最长转录的PO注释。
|
|
|
图2。根据超几何分布评估推断的统计显著性，生成整体注释的总体过度表示（左面板）和所有直系父母的相对过度表示（中面板）。基于最大P值，SP-PO术语关联的统计显著性可以通过FDR解释多重假设检验的方法进行评估（右面板）。SP表示超结构域和单个超家族。
|
获得超域哺乳动物表型本体
跳转到[顶部·SP2PO公司·SPPO公司·数据可用性]
基于预测的SP2PO注释，我们还初始化了PO的trimmed-down版本，这是注释supr-domains（包括单个超家族）信息量最大的版本(图3).
|
|
图3。基于SP2PO注释配置文件的信息论分析创建超域哺乳动物表型本体（SPPO）的流程图。
|
弗斯特，我们应用信息理论定义PO术语的信息内容（IC）：负log10-对该术语注释的观察SP频率的转换对于任何SP，注释到该SP的PO术语构成DAG中的SP-PO注释配置文件，包括直接注释以及根据真实路径规则继承的注释。考虑到采购订单条款（或所谓的真实路径规则）之间的依赖性，直接注释到特定采购订单条款的SP（称为直接注释）应可继承地注释到其父条款（作为继承注释的条款）。上面生成的PO注释可视为直接注释。完整的采购订单注释（直接和继承）用于计算所有采购订单条款的IC。值得注意的是，那些具有类似IC的PO术语可以用SP2PO表示DAG的分区。
第二给定一个预定义的IC（例如1）作为种子及其对应的范围（例如[0.75 1.25]），该算法从最初未标记的所有PO项开始，迭代地识别最接近预定义IC的未标记PO项，直到标记所有PO项(图4). 为了确保DAG中的每个路径只能标识一个PO术语，应满足以下约束条件：如果在同一路径中标识了多个具有相同IC的PO术语，则会过滤掉这些父术语；一旦确定了PO术语，该术语所在路径中的所有术语都将被标记为不受进一步搜索的影响。
最后，输出为IC在范围内的已识别PO术语。我们使用四个种子IC（即0.5、1、1.5和2）中的每一个来运行算法，以创建SPPO，分别对应于四个级别的PO术语(信息最少,信息量适中,信息丰富的,信息量大). 总之，我们提供了一个元-PO作为注释超域和单个超家族的代理。
|
|
图4。演示算法如何迭代创建超域哺乳动物表型本体（SPPO）。一） ●●●●。最初，DAG中的所有PO术语都没有标记（空心圆圈）；II） 。识别那些未标记的采购订单条款（以粉红色填写），其中IC最接近预定义IC（例如，1）；三） ●●●●。从步骤II中确定的采购订单条款中筛选出这些母公司采购订单条款。四） ●●●●。标记已识别的PO术语及其所有祖先和后代。V-VI）。继续执行步骤II-IV，反复识别未标记的采购订单条款，直到标记所有采购订单条款。七） ●●●●。仅输出IC在范围内（例如[0.75 1.25]）的已确定PO条款作为SPPO。
|
数据可用性
跳转到[顶部·SP2PO公司·SPPO公司·数据可用性]
除采购订单层次结构对于浏览，我们还提供了两种可解析格式的SP2PO映射结果（即普通文件和mysql表）。以下缩写的含义在可浏览层次结构中进行了解释.
SP2PO映射普通文件
SP2DO映射结果
- 完整的supre-domains（包括单个超家族）DO注释可在SP2DO.txt文件文件。
- DO术语被视为SPDO（四个级别：信息量最小、信息量适中、信息量大、信息量高)可以在中找到SPDO.txt文件文件。与整个DO层次结构不同，不同粒度的DO术语在其与超级域（包括单个超家族）的相关性方面具有代表性和全面性。请记住，SPDO仅对应SCOP超家族级别。
- 我们强烈建议用户在SPDO.txt文件以及从中提取的注释性超域SP2DO.txt文件它们在比较功能基因组学中具有潜在的用途，特别是在理解多域蛋白质如何在生命树的功能限制下进化。
SP2HP映射结果
- 完整的超级域（包括单个超级系列）HP注释可在SP2HP.txt格式文件。
- 被视为SPHO的HP术语（四个级别：信息量最小、信息量适中、信息量大、信息量高)可以在中找到SPHO.txt文件文件。与整个HP层次结构不同，这些不同粒度的HP术语在与超级域（包括单个超家族）的相关性方面具有代表性和全面性。请记住，SPHO仅对应于SCOP超家族级别。
- 我们强烈建议用户在SPHO.txt文件及其注释性超域，摘自SP2HP.txt格式它们在比较功能基因组学中具有潜在的用途，特别是在理解多域蛋白质如何在生命树的功能限制下进化。
SP2MP映射结果
- 完整的超级域（包括单个超家族）MP注释可在SP2MP.txt格式文件。
- 被视为SPMP的MP术语（四个级别：信息量最小、信息量适中、信息量大、信息量高)可以在中找到SPMP.txt（SPMP文本）文件。与整个MP层次结构不同，不同粒度的MP术语在其与超级域（包括单个超家族）的相关性方面具有代表性和全面性。请记住，SPMP仅对应于SCOP超家族级别。
- 我们强烈建议用户在SPMP.txt（SPMP文本）以及从中提取的注释性超域SP2MP.txt格式它们在比较功能基因组学中具有潜在的用途，特别是在理解多域蛋白质如何在生命树的功能限制下进化。
SP2WP映射结果
- 完整的supre-domains（包括单个超家族）WP注释可在SP2WP.txt格式文件。
- 被视为SPWP的WP术语（四个级别：信息量最小、信息量适中、信息量大、信息量高)可以在中找到SPWP.txt格式文件。与整个WP层次结构不同，这些不同粒度的WP术语在与超级域（包括单个超家族）的相关性方面具有代表性和全面性。请记住，SPWP仅对应于SCOP超家族级别。
- 我们强烈建议用户在SPWP.txt格式以及从中提取的注释性超域SP2WP.txt格式它们在比较功能基因组学中具有潜在的用途，特别是在理解多域蛋白质如何在生命树的功能限制下进化。
SP2YP映射结果
- 完整的supre-domains（包括单个超家族）YP注释可在SP2YP.txt格式文件。
- 被视为SPYP的YP术语（四个级别：信息量最小、信息量适中、信息量大、信息量高)可以在中找到SPYP.txt格式文件。与整个YP层次结构不同，不同粒度的YP术语在其与超级域（包括单个超家族）的相关性方面具有代表性和全面性。请记住，SPYP仅对应于SCOP超家族级别。
- 我们强烈建议用户在SPYP.txt格式以及从中提取的注释性超域SP2YP.txt格式它们在比较功能基因组学中具有潜在的用途，特别是在理解多域蛋白质如何在生命树的功能限制下进化。
SP2FP映射结果
- 完整的超级域（包括单个超家族）FP注释可在SP2FP.txt格式文件。
- FP术语被视为SPFP（四个级别：信息量最小、信息量适中、信息量大、信息量大)可以在中找到SPFP.txt文件文件。与整个FP层次结构不同，这些不同粒度的FP术语在与超级域（包括单个超家族）的相关性方面具有代表性和全面性。请记住，SPFP仅对应于SCOP超家族级别。
- 我们强烈建议用户在SPFP.txt文件及其注释性超域，摘自SP2FP.txt格式它们在比较功能基因组学中具有潜在的用途，特别是在理解多域蛋白质如何在生命树的功能限制下进化。
SP2FA映射结果
- 完整的supre-domains（包括单个超家族）FA注释可在SP2FA.txt文件文件。
- 被视为SPFA的FA术语（四个级别：信息量最小、信息量适中、信息量大、信息量高)可以在中找到SPFA.txt格式文件。与整个FA层次结构不同，不同粒度的FA术语在与超域（包括单个超家族）的相关性方面具有代表性和全面性。请记住，SPFA仅对应于SCOP超家族级别。
- 我们强烈建议用户在SPFA.txt格式以及从中提取的注释性超域SP2FA.txt文件它们在比较功能基因组学中具有潜在的用途，特别是在理解多域蛋白质如何在生命树的功能限制下进化。
SP2ZA映射结果
SP2XA映射结果
- 完整的超级域（包括单个超家族）XA注释可在SP2XA.txt格式文件。
- 被视为SPXA的XA术语（四个级别：信息量最小、信息量适中、信息量大、信息量高)可以在中找到SPXA.txt格式文件。与整个XA层次结构不同，不同粒度的XA术语在其与超级域（包括单个超家族）的相关性方面具有代表性和全面性。请记住，SPXA仅对应SCOP超家族级别。
- 我们强烈建议用户在SPXA.txt格式以及从中提取的注释性超域SP2XA.txt格式它们在比较功能基因组学中具有潜在的用途，特别是在理解多域蛋白质如何在生命树的功能限制下进化。
SP2AP映射结果
- 完整的supre-domains（包括单个超家族）AP注释可在SP2AP.txt格式文件。
- AP术语被视为SPAP（四个级别：信息量最小、信息量适中、信息量大、信息量大)可以在中找到SPAP.txt格式文件。与整个AP层次结构不同，这些不同粒度的AP术语在与超级域（包括单个超家族）的相关性方面具有代表性和全面性。请记住，SPAP仅对应于SCOP超家族级别。
- 我们强烈建议用户在SPAP.txt格式以及从中提取的注释性超域SP2AP.txt格式它们在比较功能基因组学中具有潜在的用途，特别是在理解多结构域蛋白质如何在生命树的功能限制下进化方面。
SP2EC映射结果
- 完整的supre-domains（包括单个超家族）EC注释可在SP2EC文本文件。
- 被视为SPEC的EC术语（四个级别：信息量最小、信息量适中、信息量大、信息量高)可以在中找到规格.txt文件。与整个EC层次结构不同，这些不同粒度的EC术语在与超级域（包括单个超家族）的相关性方面具有代表性和全面性。请记住，SPEC仅对应SCOP超家族级别。
- 我们强烈建议用户在规格.txt以及从中提取的注释性超域SP2EC文本它们在比较功能基因组学中具有潜在的用途，特别是在理解多域蛋白质如何在生命树的功能限制下进化。
SP2DB映射结果
- 完整的超级域（包括单个超家族）DB注释可在SP2DB.txt文件文件。
- 被视为SPDB的DB术语（四级：信息量最小、信息量适中、信息量大、信息量高)可以在中找到SPDB.txt文件文件。与整个DB层次结构不同，这些不同粒度的DB术语在其与超级域（包括单个超家族）的相关性方面具有代表性和全面性。请记住，SPDB仅对应SCOP超家族级别。
- 我们强烈建议用户在SPDB.txt文件以及从中提取的注释性超域SP2DB.txt文件它们在比较功能基因组学中具有潜在的用途，特别是在理解多域蛋白质如何在生命树的功能限制下进化。
SP2KW映射结果
- 完整的超级域（包括单个超级家族）KW注释可在SP2KW.txt（SP2KW）文件。
- 被视为SPKW的KW术语（四个级别：信息量最小、信息量适中、信息量大、信息量高)可以在中找到SPKW.txt软件文件。与整个KW层次结构不同，不同粒度的KW术语在其与超级域（包括单个超家族）的相关性方面具有代表性和全面性。请记住，SPKW仅对应SCOP超家族级别。
- 我们强烈建议用户在SPKW.txt软件以及从中提取的注释性超域SP2KW.txt（SP2KW）它们在比较功能基因组学中具有潜在的用途，特别是在理解多域蛋白质如何在生命树的功能限制下进化。
SP2UP映射结果
- 完整的supre-domains（包括单个超家族）UP注释可在SP2UP.txt格式文件。
- 被视为SPUP的UP条款（四个级别：信息量最小、信息量适中、信息量大、信息量高)可以在中找到SPUP.txt文件文件。与整个UP层次结构不同，不同粒度的UP术语在其与超级域（包括单个超家族）的相关性方面具有代表性和全面性。请记住，SPUP仅对应于SCOP超家族级别。
- 我们强烈建议用户在SPUP.txt文件以及从中提取的注释性超域SP2UP.txt格式它们在比较功能基因组学中具有潜在的用途，特别是在理解多域蛋白质如何在生命树的功能限制下进化。
SP2PO MySQL表
>DESC公司采购订单信息；+------------+---------------------+------+-----+---------+-------+|字段|类型|空|键|默认|额外|+------------+---------------------+------+-----+---------+-------+|obo|char（2）|NO|PRI|NULL|||po|varchar（20）|NO|PRI|NULL|||namespace|varchar（50）|NO||NULL|||name | varchar（255）|否| MUL |空|||同义词|text|YES||NULL|||定义|text|YES||NULL|||distance|tinyint（3）unsigned|NO||NULL||+------------+---------------------+------+-----+---------+-------+
- 这个双簧管列指示采购订单的类型。“DO”代表“疾病本体论”，“HP”代表“人类表型”，“MP”代表“小鼠表型”，”WP“代表“蠕虫表型”，‘YP’代表“酵母表型”，’FP“代表‘蝇表型’，‘FA’代表‘蝇解剖’，‘ZA’代表‘斑马鱼解剖学’，‘AP’代表‘拟南芥植物’。
- 这个采购订单列是相应的采购订单id。可通过以下方式浏览采购订单层次结构.
- 这个命名空间列可以是三个GO子本体之一，否则为根。
- 这个名称列显示采购订单条款的全名。
- 这个同义词列是PO术语的同义词。
- 这个定义列是采购订单术语的定义。
- 这个距离列显示PO术语到相应子本体的距离。
PO_hie（_H）：包含有关采购订单层次结构的信息。>DESC公司PO_hie；+----------+---------------------+------+-----+---------+-------+|字段|类型|空|键|默认|额外|+----------+---------------------+------+-----+---------+-------+|obo|char（2）|NO|PRI|NULL|||parent|varchar（20）|NO|PRI|NULL||child|varchar（20）|NO|PRI|NULL||distance|tinyint（3）unsigned|NO|PRI|NULL|+----------+---------------------+------+-----+---------+-------+
- 这个双簧管列指示采购订单的类型。“DO”代表“疾病本体论”，“HP”代表“人类表型”，“MP”代表“小鼠表型”，”WP“代表“蠕虫表型”，‘YP’代表“酵母表型”，’FP“代表‘蝇表型’，‘FA’代表‘蝇解剖’，‘ZA’代表‘斑马鱼解剖学’，‘AP’代表‘拟南芥植物’。
- 这个父母列是父订单id。
- 这个小孩列是子PO id。
- 这个距离列显示直接父子关系的父PO id到子PO id的距离。其他列指示它们之间存在路径（可到达但间接）。
PO_映射_超域：包含有关SP2PO批注的信息。>DESC公司PO_映射_超域；+----------------+---------------------------+------+-----+---------+-------+|字段|类型|空|键|默认|额外|+----------------+---------------------------+------+-----+---------+-------+|超域|text|NO|MUL|NULL|||level|enum（'cl'，'cf'，'sf'，'fa'）|NO||NULL|||obo|char（2）|NO|MUL|NULL|||po|varchar（20）|NO||NULL|||all_score|double |否||1|||inherited_from|text|YES||NULL||+----------------+---------------------------+------+-----+---------+-------+
- 这个超域是SCOP唯一标识符的逗号分隔列表，太阳系的。可通过浏览SCOP层次结构.
- 这个水平在SCOP层次结构中。可以是class的“cl”，fold的“cf”，superfamily的“sf”，fa的“fa”之一。
- 这个双簧管列指示采购订单的类型。“DO”代表“疾病本体论”，“HP”代表“人类表型”，“MP”代表“小鼠表型”，”WP“代表“蠕虫表型”，‘YP’代表“酵母表型”，’FP“代表‘蝇表型’，‘FA’代表‘蝇解剖’，‘ZA’代表‘斑马鱼解剖学’，‘AP’代表‘拟南芥植物’。
- 这个采购订单列是相应的采购订单id。
- 这个所有核心列是由所有最长转录的蠕虫基因/蛋白质（包括多域蛋白质）支持的FDR。
- 这个继承自列用于标记SP2PO预测注释的状态。1)如果标记为“directed”（即“all_score”<0.001），则所有最长转录的蠕虫基因/蛋白质（包括多域蛋白质）都显著支持SP2PO。2)如果是以逗号分隔的PO id列表（数字部分；列“all_score”不小于0.001），则在DAG中应用true-path规则时，SP2PO将从任何下行PO术语（显著相关）继承。3)否则清空。因此，通过使用NOT EPOTY选择列“inherited_from”，可以获得仅由所有人支持的SP2PO列表.
PO_ic_上文：包含SPPO的信息。>DESC公司PO_ic_上文；+---------+---------------------------+------+-----+---------+-------+|字段|类型|空|键|默认|额外|+---------+---------------------------+------+-----+---------+-------+|level|enum（'cl'，'cf'，'sf'，'fa'）|NO|PRI|NULL|||obo|char（2）|NO|PRI|NULL|||po|varchar（20）|NO|PRI|NULL|||ic|double|YES||NULL|||include|tinyint（2）|YES|MUL|NULL||+---------+---------------------------+------+-----+---------+-------+
- 这个水平在SCOP层次结构中。可以是class的“cl”，fold的“cf”，superfamily的“sf”，fa的“fa”之一。
- 这个双簧管列表示采购订单的类型。“DO”代表“疾病本体论”，“HP”代表“人类表型”，“MP”代表“小鼠表型”，”WP“代表“蠕虫表型”，‘YP’代表“酵母表型”，’FP“代表‘蝇表型’，‘FA’代表‘蝇解剖’，‘ZA’代表‘斑马鱼解剖学’，‘AP’代表‘拟南芥植物’。
- 这个采购订单列是相应的PO id。
- 这个集成电路列显示采购订单条款的信息内容。
- 这个包括列指示PO术语是否属于SDPO。如果列设置为“0”，则它不是SDPO的成员。否则，“1”表示信息量最小（即最一般），“2”表示信息量适中，“3”表示信息量大，“4”表示信息量大（即最具体）。
工具书类
|
