Proteindatabaser

Proteindatabaser er digitale samlinger af information om proteiner, der sammenstiller sekvensdata, strukturer, funktioner, lokalisering i celler og biologiske kontekster. De giver forskere mulighed for at finde, sammenligne og analysere proteinkanalyser på tværs af arter og eksperimentelle platforme. Databaserne varierer i fokus og tilgængelighed, men har ofte fælles elementer som unikke identifikatorer, dereference til kildepublikationer og krydsreferencer til andre databaser.

Tupers typer af proteindatabaser omfatter sekvensdatabaser, strukturdatabaser og funktionelle/banebaserede databaser. Sekvensdatabaser som UniProt, NCBI Protein og tilsvarende samler polypeptidsekvenser sammen med annoteringer af funktion, enzymaktivitet, sted og organismens oprindelse. Strukturdatabaser som Protein Data Bank (PDB) og PDBe fokuserer på tredimensionale foldninger og tilhørende oplysninger. Familie- og domæne databaser som Pfam og InterPro grupperer proteiner efter homologi og domæneindhold. Der findes også databaser for proteomiske data og ekspressionstal som PaxDB og proteomicsdb, samt funktionelle pathway-databaser som KEGG og Reactome. Desuden understøttes annoteringer gennem ontologier som Gene Ontology.

Tilgængelighed bygger ofte på åbne data eller åbne licenser, og data leveres via webgrænseflader, bulk-download og programmeringsgrænseflader (REST/FTP). Rette standarder og formater som FASTA, PDB og mmCIF, samt krydsreferencer mellem databaserne, letter interoperabilitet og dataudnyttelse. Kvalitet og kurering varierer; nogle databaser anvender intensiv manuel gennemgang (f.eks. UniProtKB/Swiss-Prot), mens andre primært drives af automatiserede pipelines. Proteindatabaser spiller en central rolle i grundforskning, ernærings- og medicinsk forskning samt bioteknologiske anvendelser ved at lette forståelse af proteiners funktion og betydning i cellelige systemer.