介绍如果想识别一种特殊的蛋白质,可以通过以下手段。.doc

介绍：如果想识别一种特殊的蛋白质，可以通过以下手段。举个例子，我想分类一个蛋白质是不是cytokine 细胞因子 ，要做以下步骤： 1. 找出目前已知的cytokine，先google一下有没有已知的database，如果没有可以去Uniprot数据库（/）搜索cytokine 然后点击download下载结果 以fasta格式下载 得到了一个fasta格式的文件，用写字板打开如图所示。 其中红圈部分是该蛋白序列的Uniprot的ID。 2. 这个文件中有很多重复序列和相似序列，要删除。我的方法是每个序列都会属于一个PFAM家族，相似序列会属于同一个家族。那么找出所有正例的家族，并且每个家族留一条最长的蛋白序列。怎么看序列的PFAM家族呢？用UniprotID，比如A0A2H7，访问网址：/uniprot/A0A2H7 （将UniprotID放在最后），在网页的下端，如图所示 该序列的PFAM家族就是PF00103。 由于序列数量多，PFAM获取应该编程完成，参考该程序。 3. 找出cytokine的所有PFAM，并删除重复的PFAM和sequence，参考该程序。 4. 在所有的PFAM中，删除正例出现过的cytokine，得到剩余的PFAM（参考该程序），在剩余的PFAM中每个家族取一条最长的序列作为反例，参考该程序。 5. 得到了正反例的fasta序列文件后，要提取特征，参考该程序。（188维特征arff文件头） 6. 利用weka进行交叉验证。如果效果好，可以构建一个web server，用于预测未知蛋白序列是否是cytokine。参考该文档 7. 在Uniprot剩余的序列中，寻找潜在的cytokine。 注：所有程序均为Jbuilder2006所写，需要修改，仅供参考。