关于相同蛋白质组（IPG）

背景和范围

在蛋白质资源中搜索可能会令人望而生畏，因为文本搜索可能会返回大量记录。相同蛋白质组（IPG）资源通过搜索蛋白质记录组来更容易地找到蛋白质信息，其中每个组代表一个独特的蛋白质序列。数据库大小的减少使得通过文本搜索查找信息更加容易。IPG报告页面已作为蛋白质资源的备用显示提供，用于识别蛋白质组的成员，并包含其他信息，如相应的核苷酸编码序列区域、蛋白质名称和生物体名称。现在，这些相同的蛋白质报告可以在单个可搜索资源中找到，即相同的蛋白质组（IPG），网址为https://www.ncbi.nlm.nih.gov/ipg/.

在IPG资源中搜索而不是在蛋白质资源中搜索的优点包括：

• 返回较小的搜索结果集，因为每个独特的蛋白质序列只有一个结果。拥有较小的集合将使研究人员能够更快地确定感兴趣的蛋白质序列。
• 相同的蛋白质组包括来自GenBank、RefSeq、SwissProt、PDB和其他来源的蛋白质。可以使用蛋白质登录号和文本搜索来搜索蛋白质组，例如蛋白质名称或分类术语。
• IPG报告在其摘要中强调了“最佳”RefSeq或SwissProt示例加入（如果可用）及其蛋白质名称，因此研究人员可以选择关注这些集合。
• 可以对所有GenBank蛋白质翻译进行搜索，包括将来不会包含在蛋白质资源中的注释WGS基因组的翻译。所有GenBank蛋白质都在相同蛋白质报告中，可以通过IPG资源找到。
• 每个独特的蛋白质都有最低的常见分类群名称（例如哺乳动物或g-蛋白杆菌），可用于识别高度保守的蛋白质。然而，一些明显的差异可能有其他原因，例如样品混淆、错误分类或其中一个样品受到污染，或者可能反映出该蛋白存在于流动元素中（例如，来自噬菌体或病毒），或者是一个可选标记物（例如，氯霉素乙酰转移酶）。
• 每个组中相同蛋白质的数量都会显示出来，因此可以识别出更多支持的蛋白质，其中相同的蛋白质已被多次观察到。
• IPG报告包括一个可下载的表，该表映射了蛋白质接入、核苷酸记录（CDS）坐标和分类信息。这对于RefSeq细菌蛋白尤其重要，因为RefSeq细菌蛋白使用不同的数据模型，即一种RefSeq蛋白（非冗余WP_材料）可以在许多不同的基因组上进行注释（见https://www.ncbi.nlm.nih.gov/refseq/about/nonredundantproteins/#identicalprotein).

记录描述

组报告的顶部显示如下。该报告包括以下信息和功能：

A类:报告内容可以作为表格文件下载，供本地使用。

B类：这个报告页面的顶部显示所查看组的产品名称。下面是关于该组的摘要：

• 首选蛋白质添加上的产品名称
• 自动选择的首选蛋白质添加（“RefSeq selected Product”）和蛋白质长度
• 组中蛋白质的最低共同分类节点
• 这个数第页，共页：
  • 装配附件
  • 蛋白质来源
  • CDS区域
  • 总行数
  • 对于GenBank和RefSeq蛋白质，每个蛋白质都作为核苷酸记录的注释存在，因此每个蛋白质加入都有相应的编码区。然而，相同的蛋白质组资源包括不仅仅是注释的蛋白质；这些纯蛋白材料来自SwissProt、PDB和专利（PAT）记录，这些记录没有相应的核苷酸编码区。

C：指示了数据库源。这可能是RefSeq、INSDC（即GenBank和国际核苷酸序列数据库协作组织的其他成员）、SwissProt、PDB、PIR或专利。

D、 电子邮箱：这个核苷酸加入和坐标(D类)对应于注释的CDS特征，其中包含对蛋白质添加的交叉引用(E类). 核苷酸坐标上的链接导航到核苷酸数据库，以GenBank格式显示带注释的CDS区域。蛋白质加入号上的链接以GenPept格式返回该蛋白质记录。

传真：该蛋白质添加的产品名称。

G、 高：“有机体”和“菌株”列报告与核苷酸记录上注释的NCBI分类标识符相对应的信息。如果核苷酸记录不可用，则报告的值与蛋白质记录上的数据相对应。

我：组装栏报告了当相应的核苷酸记录是基因组组装的一部分时，出现该编码区的组装加入

记者：分类学组部分显示了来自列的有机体分类树G公司用于此组。单击树的特定分支将限制报告仅限于该分类谱系中的那些蛋白质。单击出现在表格顶部的“全部显示”链接将返回完整列表。