Pfam

其实半懂，半懂最可怕

学毕

笔记分享如下（欢迎补充）

Pfam Pfam

* Pfam是什么？Pfam（http://pfam.sanger.ac.uk/）是一个大型的蛋白家族数据库，最新版本的Pfam数据库（31.0，2017年）包含了16712个蛋白家族的注释及基于隐马尔科夫模型（Hidden Markov models，HMMs）的多序列比对信息。

* Pfam能干什么 ？Pfam提供蛋白质家族和结构域的完整准确的分类，被广泛用于查询蛋白家族或蛋白结构域的注释，结构及其多序列比对信息。在该数据库中，每个蛋白家族由多个序列比对和HMMs（hidden Markovmodels，隐马尔可夫模型）所体现。Pfam包括两个质量级别的家族数据库：Pfam-A和Pfam-B。Pfam-A来自基础序列数据库Pfamseq，是根据最新的UniProtKB数据库建立，质量较高。Pfam-B做为Pfam-A的补充，是一个未注释的低质量数据库，一般是由ADDA数据中的非冗余cluster自动生成的。虽然质量较低，但对于鉴定Pfam-A无法覆盖到的功能保守区域也是非常有用的。

* Pfam的结果怎么解读？

Pfam

序列搜索结果页以提问的这位同学发给我的截图为例：该蛋白比对到的是Pfam-A 数据库，结果靠谱。1）Family：蛋白家族名称；2）Description：蛋白家族描述；3）Entry type：类型；4）Clan：宗族（根据序列，结构，功能和HMM比较的相似度将多个蛋白家族整合为宗族），2005年首次将Clan引入Pfam；5）Envelope (From To)：比对到的蛋白序列（the region on the sequence over which the match lies）；6）Alignment（Start End）：高置信度的比对蛋白序列（the region over which the alignment confidence is high）；7）HMM （From To）：比对到结构域区域；8）HMM length：Pfam结构域的长度；9）Bit Score：比对打分；10）E-value：比对的E值(pfam结构域筛选阈值为: E-value < 0.001)；11）Predicted active sites：预测的活性位点。12)#HMM:与查询序列相同的残基显示为浅蓝色，与查询序列类似标记为深蓝色；13）#PP：每个氨基酸残基位点比对的后验概率（posterior probability），PP越高表示在HMM图谱中该位点比对的置信度越高；14）#SEQ，蛋白序列标记原则同#HMM。ps：Envelope区域与HMM length不匹配的比对被认为是局部比对。

参考文献

1) The Pfam protein families database: towards a more sustainable future: R.D. Finn, P. Coggill, R.Y. Eberhardt, S.R. Eddy, J. Mistry, A.L. Mitchell, S.C. Potter, M. Punta, M. Qureshi, A. Sangrador-Vegas, G.A. Salazar, J. Tate, A. Bateman

2） Pfam-Wikipedia.https://en.wikipedia.org/wiki/Pfam