如何批量分析蛋白序列domian-SMART数据库

SMART批量进行蛋白质序列domain搜索

SMART(http://smart.embl.de/)是我们常用来进行domain搜索和蛋白质注释的数据库,它集成了很多蛋白结构预测和功能分析的工具,比如可以预测蛋白的一些二级结构:跨膜区(Transmembrane segments)、复合螺旋区(coiled coil regions)、信号肽(Signal peptides)、蛋白结构域(PFAM domains)等?

attachments-2019-01-8yPOtxLM5c413d47ac6ad.jpg

进入SMART主页,就会看到SMART有两种不同的模式:normal 和genomic,两种模式主要是用的数据库不一样:1. Normal SMART 用的数据库 Swiss-Prot、 SP-TrEMBL 和Stable Ensembl proteomes;2. Genomic SMART 用的是全基因组序列 ,两种模式可以点击下图红色剪头所指normal /genomic进行切换

attachments-2019-01-jaEBOWmF5c413d9fe1ef5.jpg

下面具体介绍下通过Uniprot/Ensembl ID 或者序列在SMART数据库中单序列/批量序列检索操作方法。

单序列domian搜索

直接通过网站链接进入主页(如下图),输入需要鉴定的序列ID,包括Uniprot/Ensembl ID等(下图1处),或者直接输入序列(下图2处),并进行参数设置(下图3处)。

attachments-2019-01-NiacDxTh5c413b8f2c27e.jpg

譬如小编直接利用拟南芥AT1G66550.1蛋白序列提交之后,获得如下图的分析结果。

attachments-2019-01-7RINbvoj5c413b9c21833.jpg

批量搜索

SMART批量搜索的设置隐藏的有点深,而这是科研工作的我们最需要的!批量搜索可以通过主页帮助(help)的位置进入(见下图),或者直接利用链接:http://smart.embl.de/smart/batch.pl

attachments-2019-01-4plnULJ35c413bb64c274.jpg

选择batch access进入批量分析页面(如下图),可以通过复制粘贴相关ID/序列 或者直接上传对应的文件,之后设置参数提交进行分析即可(参数可以选择仅输出分析结果文本格式)。

attachments-2019-01-3bAfL7h85c413bbe117fb.jpg

譬如小编把拟南芥的一部分蛋白序列提交之后结果如下图,移动滚动条可以对所有分析结果进行浏览。

attachments-2019-01-sZzxYN0a5c413bcf2480f.jpg

推荐课程:

基因家族分析实操课程基因家族文献思路解读


更多生物信息课程:

1. 文章越来越难发?是你没发现新思路,基因家族分析发2-4分文章简单快速,学习链接:基因家族分析实操课程基因家族文献思路解读

2. 365bet日博官网_外围365bet_365bet足球盘口组数据理解不深入?图表看不懂?点击链接学习深入解读数据结果文件,学习链接:365bet日博官网_外围365bet_365bet足球盘口组(有参)结果解读365bet日博官网_外围365bet_365bet足球盘口组(无参)结果解读

3. 365bet日博官网_外围365bet_365bet足球盘口组数据深入挖掘技能-WGCNA,提升你的文章档次,学习链接:WGCNA-加权基因共表达网络分析

4. 365bet日博官网_外围365bet_365bet足球盘口组数据怎么挖掘?学习链接:365bet日博官网_外围365bet_365bet足球盘口组标准分析后的数据挖掘365bet日博官网_外围365bet_365bet足球盘口组文献解读

5.?微生物16S/ITS/18S分析原理及结果解读OTU网络图绘制cytoscape与网络图绘制课程

6. 生物信息入门到精通必修基础课:linux系统使用perl入门到精通perl语言高级R语言入门R语言画图

7. 医学相关数据挖掘课程,不用做实验也能发文章:TCGA-差异基因分析GEO芯片数据挖掘GEO芯片数据标准化GSEA富集分析课程TCGA临床数据生存分析TCGA-365bet日博官网_外围365bet_365bet足球盘口因子分析TCGA-ceRNA调控网络分析

8.其他,二代测序365bet日博官网_外围365bet_365bet足球盘口组数据自主分析NCBI数据上传二代测序数据解读


4 条评论

请先 365bet日博官网 后评论
Daitoue
Daitoue

165 篇文章

作家榜 ?

  1. omicsgene 240 文章
  2. 安生水 207 文章
  3. Daitoue 165 文章
  4. 生物女学霸 83 文章
  5. landy 37 文章
  6. 组学生物-王运斌 33 文章
  7. 红橙子 32 文章
  8. omics007 22 文章