夏艷軍，周建軍，向昌盛

（1.湖南農(nóng)業(yè)大學生物科學技術學院，湖南 長沙 410128；2.湖南農(nóng)業(yè)大學理學院，湖南 長沙 410128；3.湖南農(nóng)業(yè)大學東方科技學院，湖南 長沙 410128）

目前，蛋白質(zhì)相互作用的研究已經(jīng)滲入到生物學研究的各個領域，其產(chǎn)生的貢獻也在不斷擴大，已經(jīng)成為當前蛋白質(zhì)組學的一個重要課題[1]。近年來，很多研究者在這方面進行了探索，發(fā)現(xiàn)了很多新的大規(guī)模高通量檢測蛋白質(zhì)相互作用的方法[2-4]，同時，產(chǎn)生了越來越多的數(shù)據(jù)。為了加快研究的進程，取得更有效的研究結果，更好地研究生物的機理，蛋白質(zhì)相互作用研究應不再局限于各種實驗技術[5]，可以考慮將生物信息學研究方法滲透其中，故亟需一個易用的數(shù)據(jù)庫系統(tǒng)來管理和分析這些實驗數(shù)據(jù)，提供數(shù)據(jù)查找和注釋，特別是提供數(shù)據(jù)庫分析的平臺，方便數(shù)據(jù)間的比對，從而挖掘有用信息，引導設計相關實驗方案等[6]。為此，筆者基于Apache、MySQL、CakePHP開發(fā)環(huán)境，構建了一個蛋白質(zhì)相互作用數(shù)據(jù)庫系統(tǒng)，初步實現(xiàn)了上述功能，以期能給相關研究工作提供方便快捷的分析工具。

1 數(shù)據(jù)庫系統(tǒng)的設計

1.1 總體結構設計

數(shù)據(jù)庫系統(tǒng)為基于B/S架構的3層Web系統(tǒng)，由數(shù)據(jù)存儲層，邏輯結構層和界面展示層構成。底層為數(shù)據(jù)存儲層，對應著蛋白質(zhì)相互作用數(shù)據(jù)庫，由MySQL實現(xiàn)，庫中主表的字段結構為蛋白質(zhì)ID號、蛋白質(zhì)序列信息、蛋白質(zhì)關鍵字、相互作用蛋白質(zhì)信息、蛋白質(zhì)物種來源等；中間層為邏輯結構層，由PHP程序?qū)崿F(xiàn)信息的收集和處理，一方面對用戶提交的信息進行處理和篩選，另一方面實現(xiàn)對數(shù)據(jù)庫的實時操作，將得到的數(shù)據(jù)信息反饋給用戶；上層為界面展示層，通過HTML語言編寫，該層包含了良好的人機對話界面，用戶可通過該層方便地實現(xiàn)對數(shù)據(jù)庫的訪問。

1.2 主要功能模塊

根據(jù)蛋白質(zhì)相互作用數(shù)據(jù)的特點，數(shù)據(jù)庫系統(tǒng)主要對高級檢索、預測系統(tǒng)、分類統(tǒng)計等3大塊進行邏輯設計，查詢結果和相關的數(shù)據(jù)實例在展示層中以頁面的形式進行顯示。高級檢索具有蛋白質(zhì)查詢、蛋白質(zhì)相互作用查詢以及參考文獻查詢等3種檢索方式，方便了用戶的使用。利用序列相似性比對原理創(chuàng)建的蛋白質(zhì)相互作用預測系統(tǒng)，對未知的蛋白質(zhì)相互作用數(shù)據(jù)進行預測和分析。分類統(tǒng)計信息用于數(shù)據(jù)庫已有信息的分類和統(tǒng)計，并提供數(shù)據(jù)下載功能。

1.3 數(shù)據(jù)來源及規(guī)范

隨著蛋白質(zhì)組學數(shù)據(jù)的快速增長，各類型數(shù)據(jù)庫不斷涌現(xiàn)，但這些不同源報道的數(shù)據(jù)庫具有不同組織和結構形式，內(nèi)聚力貧瘠。這是數(shù)據(jù)交換和同化過程中的嚴重障礙。蛋白質(zhì)相互作用數(shù)據(jù)的共享既涉及科學數(shù)據(jù)的交匯、分發(fā)、服務和應用環(huán)節(jié)，也涉及科學數(shù)據(jù)的采集、加工和處理環(huán)節(jié)。因此，在構建蛋白質(zhì)相互作用數(shù)據(jù)庫之前，需要尋找并采用通用的數(shù)據(jù)格式和規(guī)范，對所交換的數(shù)據(jù)進行預定義和結構化，要求實現(xiàn)蛋白質(zhì)相互作用數(shù)據(jù)交換和處理的自動化。蛋白質(zhì)相互作用數(shù)據(jù)庫采用了3種不同數(shù)據(jù)格式，分別是XML、FASTA以及PSI-MI TAB Format。

1.4 開發(fā)環(huán)境搭建

本系統(tǒng)開發(fā)使用WAMP組合（Windows+A－pache+MySQL+PHP），即整個系統(tǒng)在Windows平臺，以Apache作為Web服務器，使用MySQL作為數(shù)據(jù)庫系統(tǒng)，并使用PHP腳本語言結合CakePHP框架進行開發(fā)，能最大限度地實現(xiàn)一個穩(wěn)定且易擴展的蛋白質(zhì)相互作用數(shù)據(jù)庫系統(tǒng)。同時，本系統(tǒng)也可以運行于LAMP（Linux+Apache+MySQL+PHP/Perl/Python）組合下。之所以選用在Windows系統(tǒng)下開發(fā)，是因為大多數(shù)用戶使用該OS，有利于本數(shù)據(jù)庫系統(tǒng)的推廣與利用?；窘M件配置如下，WEB服務器為Apache-2.0.63，數(shù)據(jù)庫為MySQL-5.0.89、php－MyAdmin-3.2.5，腳本語言為PHP-5.2.12、Zend Optimizer-3.3.3，WEB框架為CakePHP-1.2.5，對照數(shù)據(jù)庫系統(tǒng)為BLAST-2.2.19。

1.5 數(shù)據(jù)表的設計

從不同的層次對數(shù)據(jù)進行抽象，構建數(shù)據(jù)模型。在數(shù)據(jù)抽象過程中，盡量遵守數(shù)據(jù)庫設計規(guī)范，比如命名規(guī)范，遵守數(shù)據(jù)庫設計的3個范式。通過以上步驟，我們完成了蛋白質(zhì)相互作用數(shù)據(jù)庫的設計，數(shù)據(jù)庫主要由7個數(shù)據(jù)表組成:蛋白質(zhì)表（Proteins）、相互作用表（Interactions）、相互作用蛋白表（Interactors）、物種來源表（Taxonomies）、鑒定證據(jù)表（Experiments）、參考文獻表（References）、交叉索引表（Dbrefs）。

2 數(shù)據(jù)庫系統(tǒng)的實現(xiàn)

2.1 數(shù)據(jù)統(tǒng)計及下載模塊

本數(shù)據(jù)庫系統(tǒng)根據(jù)不同的分類，收集物種、蛋白質(zhì)、蛋白質(zhì)相互作用、參考文獻等數(shù)據(jù)，目前系統(tǒng)的記錄數(shù)分別為:268、20683、60699、3852。用戶可以按物種下載蛋白質(zhì)交互作用的文本文件、XML格式文件以及序列文件。下載的文件都已經(jīng)進行過壓縮，這樣極大減輕了服務器與網(wǎng)絡的負擔，用戶下載后，可做各種使用。

2.2 高級檢索模塊

通過高級檢索所得的結果由瀏覽頁面顯示，并提供了各數(shù)據(jù)的基本信息，用戶根據(jù)顯示的頁面，全面了解近期已知基因及蛋白質(zhì)的研究情況。在編號信息處建立了到該數(shù)據(jù)詳細信息顯示頁面的連接。數(shù)據(jù)庫自動生成新的頁面來顯示該數(shù)據(jù)的詳細信息。數(shù)據(jù)庫建立完畢后最重要的任務是如何將這些數(shù)據(jù)庫互相關聯(lián)起來形成數(shù)據(jù)庫網(wǎng)絡，最大限度地提高數(shù)據(jù)庫的利用率。因此，良好的檢索和統(tǒng)計系統(tǒng)至關重要。數(shù)據(jù)庫系統(tǒng)高級檢索實現(xiàn)了蛋白質(zhì)查詢、蛋白質(zhì)相互作用查詢和參考文獻查詢。

2.3 數(shù)據(jù)提交模塊

用戶可以在線上傳指定格式的蛋白質(zhì)相互作用數(shù)據(jù)。其中CSV文件指的是PSI-MI TAB Format，存放簡要的相互作用的信息；XML文件指的是蛋白質(zhì)相互作用XML標準格式的文件；FASTA文件指的是存放蛋白質(zhì)序列的FASTA格式的文件。對于不是該格式的文件，需要轉(zhuǎn)換為相應的格式，才能導入到數(shù)據(jù)庫中。上傳時，可以分別上傳，也可以同時上傳多個指定格式的文件，如果提交的文件比較大，則解析入庫所需的時間較長。根據(jù)網(wǎng)絡因素、服務器因素，一般應當將文件分割后再進行導入。

2.4 初步預測模塊實現(xiàn)

本數(shù)據(jù)庫系統(tǒng)根據(jù)BLAST（The Basic Local Alignment Search Tool）基本原理初步構建序列相似性比較平臺，然后通過相似性搜索結果找出蛋白質(zhì)相互作用數(shù)據(jù)庫中已知的相互作用。獨立的BLAST程序有兩種格式:一種是命令行的；另一種是允許用戶建立自己內(nèi)部獨立的BLAST網(wǎng)頁的網(wǎng)絡服務。本系統(tǒng)使用基于命令行的格式。蛋白質(zhì)相互作用預測系統(tǒng)的構建流程如下。（1）準備相似性比對用的FASTA序列文件。從數(shù)據(jù)庫中導出已經(jīng)收集的有蛋白質(zhì)相互作用信息的蛋白質(zhì)序列，轉(zhuǎn)換為FASTA格式，使用統(tǒng)一的蛋白質(zhì)編號作為序列的標識符。（2）格式化數(shù)據(jù)庫，并進行測試。使用BLAST包中的formatdb命令格式化FASTA序列文件，供比對使用。命令:formatdb－pt－i ppi.fasta-t“Database of Protein-Protein Interaction”-ot。（3）得到用戶輸入序列。從用戶提交的表單中，獲取用戶提交的序列，將序列保存為臨時文件。（4）執(zhí)行BLAST搜索。使用BLAST包中的blastall命令，將用戶的序列與準備好的蛋白質(zhì)數(shù)據(jù)庫進行比對。命令:blastall.exe-p blastp-i temp/input1.seq-d ppi.fasta-v 100-b 100-m 0-e 10-TT-o out.txt。（4）獲得目標蛋白質(zhì)的相互作用信息。過濾比對結果，獲得相符的蛋白質(zhì)序列的編號，查詢蛋白質(zhì)相互作用數(shù)據(jù)庫，獲得相互作用的信息。

3 數(shù)據(jù)庫系統(tǒng)應用實例

3.1 高級檢索的應用實例

以軍事醫(yī)學科學院衛(wèi)生學環(huán)境醫(yī)學研究所張志清博士論文所研究的相互作用熱應激蛋白（HSP70）為例[7]，進行檢索系統(tǒng)的應用和驗證。HSP70屬于一系列家族蛋白，可分別以首頁的快捷檢索、蛋白質(zhì)和相互作用等3種不同方式在本數(shù)據(jù)庫系統(tǒng)查詢HSP，即可得出檢索結果（圖1）。共檢索到HSP家族相關結果26條，包含相關的蛋白質(zhì)名稱、物種來源以及交叉索引。結果分頁面顯示，每頁顯示10條，頁面顯示條理清楚。

圖1 HSP檢索結果

3.2 預測系統(tǒng)應用實例

3.2.1 PRK2a介紹PRK2a是擬南芥蛋白酪氨酸激酶（Protein phosphatase，Ppase）。蛋白質(zhì)磷酸酯酶催化磷酸蛋白的磷酸酯鍵水解而去磷酸化，細胞內(nèi)任何一種蛋白質(zhì)的磷酸化狀態(tài)均由蛋白激酶和蛋白磷酸酯酶的兩種相反酶活性之間的平衡決定。蛋白質(zhì)磷酸化在信號傳遞中一個非常重要的特點是:對外界信號具有級聯(lián)放大作用。蛋白質(zhì)磷酸化與脫磷酸化幾乎涉及所有的生理過程，且功能上具有多樣性。因而，研究PRK2a相互作用具有重要意義。

3.2.2 PRK2a序列查詢通過數(shù)據(jù)庫系統(tǒng)高級檢索查詢到PRK2a相關信息，從中選擇擬南芥PRK2a cDNA作為探針，并根據(jù)PRK2a對應的交叉索引分別是SWISSPORT:Q84JQ4，GenBank:NP_178721，DIP:DIP-46187N，可檢索到PRK2a的FASTA格式，將其輸入到預測框。

3.2.3 預測結果及分析經(jīng)預測，得到PRK2a蛋白質(zhì)相互作用預測結果:一是與PRK2a相互作用的蛋白質(zhì)；二是與PRK2a相似蛋白質(zhì)及其相互作用的蛋白質(zhì)。依據(jù)Score（bits）和E Value兩個指標的最高得分，由高至低依次列出與數(shù)據(jù)庫中相似的前50條序列，表中顯示了相似序列的蛋白質(zhì)名稱，以及與其相互作用的蛋白質(zhì)名稱的列表，Score（bits）分值越高、E Value值越低即代表與其相互作用的程度越高，相反則相似程度越低，從而提高了研究效率。結果見圖2，由于顯示結果較多，僅截圖相似度較高的部分信息。

圖2 PRK2a預測部分結果

通過PRK2a序列實例在本數(shù)據(jù)庫系統(tǒng)中的預測系統(tǒng)進行序列比對，通過精確同源性的分析，以及本系統(tǒng)的多次測試可以表明，預測系統(tǒng)實現(xiàn)了蛋白質(zhì)相互作用的基礎功能，可以分析并得出與輸入序列蛋白質(zhì)相互作用的蛋白質(zhì)，以及與該蛋白質(zhì)相似性較高的蛋白質(zhì)及其相互作用的蛋白質(zhì)列表。同時，能夠顯示原始序列比對結果，界面顯示條理清晰，便于研究。

4 結論

通過兩個實例HSP70、PRK2a分別對檢索、分析預測等兩個功能模塊進行了具體的應用和驗證。在HSP70檢索方面，在目前數(shù)據(jù)庫系統(tǒng)的基礎數(shù)據(jù)下，能夠檢索到HSP相關的蛋白質(zhì)信息計26條，表明了本系統(tǒng)的檢索功能的實用性，且結果的展示界面條理清楚。在PRK2a預測方面，經(jīng)過PRK2a名稱，查找到PRK2a序列，再經(jīng)過精確同源性的分析，找到了與PRK2a相互作用的蛋白質(zhì)，以及和PRK2a相似的蛋白質(zhì)及其相互作用的蛋白質(zhì)。這表明預測系統(tǒng)實現(xiàn)了蛋白質(zhì)相互作用的基礎功能，為蛋白質(zhì)相互作用的研究提供了一定的幫助。

[1]Auerbach D,Thaminy S,Hottiger M O and Stagljar I.The postgenomic era of interactive proteomics:facts and perspectives[J].Proteomics,2002,（2）:611-623.

[2]Enright A J，I Iliopoulos,N c kyrpides,et al.Protein interaction maps for complete genomes based on gene fusion events[J].Mature,1999,402（6757）:86-90.

[3]Gomez,S M,S H Lo and A.Rzhetsky,Probabilistic Prediction of unknown metabolic and signal-transduction networks[J].Genetics,2001,159（3）:1291-8.

[4]Gomez S M,W s Noble and A.Rzhetsky,Learning to predict protein-protein interactions from protein sequence[J].Bioinformatics,2003,19（15）:1875-81.

[5]Lichtarge O,H R Bourne and F E Cohen,An evolutionary trace method defines binding surfaces common to protein families[J].Mol Biol,1996,257（2）:342-58.

[6]Lichtarge O,H Yao,D M Kristensen,et al.Accurate and scalable identification of functional sites by evolutionary tracing[J].Struct Funct Genomics,2003,4（2-3）:159-66.

[7]張志清，HSP70及其相互作用蛋白質(zhì)HIP在應激適應建立中的生物學功能研究[D].北京:軍事醫(yī)學科學院，2005.