如何收集一个物种的所有蛋白质序列到一个FASTA文件里

如何收集一个物种的所有蛋白质序列到一个FASTA文件里

不可以能的。一个物种所包含的蛋白质有多少种？NCBI中储存的数据是按照单个蛋白质序列贮存的，而且都只是序列，NCBI不是二级结构数据库，要找二级结构去PDB找，在说了，就算你找到了所有的某个物种的所有蛋白质序列，您也基本上不可能找到所有对应的二级结构，因为PDB中已经测定的二级结构于NCBI已经测序的序列，那简直就相差太多了。二级结构目前已经准确则需的大概13W中蛋白质，而NCBI中的序列数据的一个月增长速度也许都要比这个高。所以LZ所说的基本上是不可能的，主要是二级结构

hmmer下载与安装

对于Mac OS/X, Linux, UNIX系统，用源代码编译安装：

% wget ftp://selabjaneliaorg/pub/software/hmmer3/30/hmmer-30targz % tar zxf hmmer-30targz % cd hmmer-30 % /configure % make % make check

windows系统，直接下载二进制压缩包，解压就可以使用。

hmmer包含的程序

phmmer： 与Blastp类似，使用一个蛋白质序列搜索蛋白质序列库；

> phmmer tutorial/HBB HUMAN uniprot sprotfa

jackhmmer： 与psiBlast类似，蛋白质序列迭代搜索蛋白质序列库；

> jackhmmer tutorial/HBB HUMAN uniprot sprotfa

hmmbuild： 用多重比对序列构建HMM模型；

hmmsearch： 使用HMM模型搜索序列库；

hmmscan： 使用序列搜索HMM库；

hmmalign： 使用HMM为线索，构建多重比对序列；

> hmmalign globins4hmm tutorial/globins45fa

hmmconvert： 转换HMM格式

hmmemit： 从HMM模型中，得到一个模式序列；

hmmfetch： 通过名字或者接受号从HMM库中取回一个HMM模型；

hmmpress：格式化HMM数据库，以便于hmmscan搜索使用；

hmmstat： 显示HMM数据库的统计信息；

使用HMM模型搜索序列数据库

使用hmmbuild构建HMM模型，输入为Stockholm格式或者FASTA格式的多重比对序列文件（如：tutorial/globins4sto），命令如下：

> hmmbuild globins4hmm tutorial/globins4sto

globins4hmm为输出的HMM模型

使用hmmsearch搜索蛋白质序列数据库，蛋白质序列数据库为FASTA格式，命令如下：

> hmmsearch globins4hmm uniprot sprotfasta > globins4out

globins4out为输出的结果文件，如下：

示例使用官方教程中的示例

使用蛋白质序列搜索HMM数据库

构建HMM数据库，HMM数据库是包含多个HMM模型的文件，可以从Pfam、SMART、TIGRFams下载，也可以自己由多重比对序列集中构建，如：

> hmmbuild globins4hmm tutorial/globins4sto

> hmmbuild fn3hmm tutorial/fn3sto

> hmmbuild Pkinasehmm tutorial/Pkinasesto

> cat globins4hmm fn3hmm Pkinasehmm > minifam

使用hmmpress格式化数据库，包括压缩以及创建索引，命令如下：

> hmmpress minifam

这个步骤可以很快的执行完成，输出的内容如下：

Working… done

Pressed and indexed 3 HMMs (3 names and 2 accessions)

Models pressed into binary file: minifamh3m

SSI index for binary model file: minifamh3i

Profiles (MSV part) pressed into: minifamh3f

Profiles (remainder) pressed into: minifamh3p

使用hmmscan搜索HMM数据库，命令如下：

> hmmscan minifam tutorial/7LESS_DROME

用户可以通过NCBI（National Center for Biotechnology Information 美国国家生物技术信息中心信息中心，隶属于NLM－美国国家医学图书馆）的主页使用GenBank。GenBank的宗旨是鼓励科研团体对DNA序列的获取，从而促进数据库中DNA序列的丰富和更新，所以NCBI对GenBank的数据使用与发送没有任何限制。用户可从GenBank主页上下载Banklt（NCBI提供的>

通过Entrez数据库查询系统对GenBank进行查询。这个系统将核酸、蛋白质序列和基因图谱、蛋白质结构数据库整合在一起。此外，通过该系统的文献摘要数据库MEDLINE，可获取有关序列的进一步信息。在万维网上，进入NCBI的主页，可以用BLAST程序对GenBank数据库进行未知序列的同源性搜索(详见第六章)。

完整的GenBank数据库包括序列文件，索引文件以及其它有关文件。索引文件是根据数据库中作者、参考文献等子段建立的，用于数据库查询。GenPept是由GenBank中的核酸序列翻译而得到的蛋白质序列数据库，其数据格式为FastA。GenBank曾以CD-ROM光盘的形式分发，价格比较便宜。随着数据库容量的增长，一套最新版的GenBank需要12张光盘存放，不仅生产成本很高，也不便于使用。现在，光盘分发的方式已经停止，可以通过网络下载GenBank数据库。

GenBank中最常用的是序列文件。序列文件的基本单位是序列条目，包括核甘酸碱基排列顺序和注释两部分。目前，许多生物信息资源中心通过计算机网络提供该数据库文件。下面，我们介绍序列文件的结构。

序列文件由单个的序列条目组成。序列条目由字段组成，每个字段由关键字起始，后面为该字段的具体说明。有些字段又分若干次子字段，以次关键字或特性表说明符开始。每个序列条目以双斜杠"//"作结束标记。序列条目的格式非常重要，关键字从第一列开始，次关键字从第三列开始，特性表说明符从第五列开始。每个字段可以占一行，也可以占若干行。若一行中写不下时，继续行以空格开始。

序列条目的关键字包括代码(LOCUS)，说明(DEFINITION)， 编号(ACCESSION)，核酸标识符(NID)，关键词(KEYWORDS)，数据来源(SOURCE)，文献(REFERENCE)，特性表(FEATURES)，碱基组成(BASE COUNT)及碱基排列顺序(ORIGIN)。

代码LOCUS是该序列条目的标记，或者说标识符，蕴涵这个序列的功能。例如，图41中所示的HUMCYCLOX表示人的环氧化酶cyclooxygenase。该字段还包括其它相关内容，如序列长度、类型、种属来源以及录入日期等。说明字段是有关这一序列的简单描述，如本例为人环氧化酶-2的mRNA全序列。

序列代码具有唯一性和永久性，如本例中代码M90100用来表示上述人环氧化酶-2的mRNA序列，在文献中引用这个序列时，应该以此代码为准。核酸标识符NID对序列信息的当前版本提供

关键词字段由该序列的提交者提供，包括该序列的基因产物以及其它相关信息，如本例中还氧化酶-2 (cyclooxygenase-2)，前列腺素合成酶(prostaglandin synthase)。 数据来源字段说明该序列是从什么生物体、什么组织得到的，如本例中人脐带血管(umbilical vein)。次关键字种属(ORGANISM)指出该生物体的分类学地位，如本例人、真核生物等等。文献字段说明该序列中的相关文献，包括作者(AUTHORS)，题目(TITLE)及杂志名(JOURNAL)等，以次关键词列出。该字段中还列出医学文献摘要数据库MEDLINE的代码。该代码实际上是个网络链接指针，点击它可以直接调用上述文献摘要。一个序列可以有多篇文献，以不同序号表示，并给出该序列中的哪一部分与文献有关。

FEATURES是具有自己的一套结构，用来详细描述序列特性的一个表格。在这个表格内，带有'/db-xref/'标志的字符可以连接到其它数据库内(本例，您看到的是一个分类数据库(taxon 9606)，以及一个蛋白质数据库(PID:g181254));序列中各部分的位置都加以标明，5'非编码区(1-97)，编码区(98-1912)，3非编码区(1913-3387)，多聚腺苷酸序列(3367-3374)，等等;蛋白质翻译的信号肽及最终的多肽也都有所说明。这个例子不能说很全面，但已经足以说明特性表给出信息的详细程度。

接下来是BASE COUNT记录，计算出不同碱基在整个序列中出现的次数(1010A，712个C，633个G，1032个T)。ORIGIN那一行，指出了序列第一个碱基在基因组中可能的位置。最后，核酸的序列全部列出，并以//作为结尾。

要下载植物叶绿体基因组，你首先需要访问NCBI基因组数据库（>

以上就是关于如何收集一个物种的所有蛋白质序列到一个FASTA文件里全部的内容，包括:如何收集一个物种的所有蛋白质序列到一个FASTA文件里、怎么使用hmmer比对多个query基因、Genbank序列包含什么等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！