Функции.
Онтологии базы данных GO

I. Знакомство с терминологией GO

Через запись белка AMO_Ecoli банка UniProt перейдем на страницу браузера QuickGO EBI по ссылке "Complete GO annotation...". И определим функцию данного белка.

Теперь выберем 3 наиболее содержательных термина GO (по одному из каждого словаря); ассоциированных c AMO_ECOLI; и опишем их; заполнив следующую таблицу.

Связь "is_a": "A is B" означает, что А - частный случай В.
Cвязь "part_of": "A is part of B" означает, что А - часть В, но В не обязательно содержит А.

II. Оценка качества функциональной аннотации белков в UniProt

1. Определение числа реальных и гипотетических белков из Oryza

На сайте NCBI в БД Taxonomy таксон Oryza (NCBI_TaxID: 4527) имеет ранг рода и переводится на русский язык как рис, на английский - rice.

Теперь посмотрим, как в SRS проиндексировано поле ProteinExistence БД UniProt:
1: evidence at protein level (cуществование белка доказано экспериментально);
2: evidence at transcript level (известны только соответствующие транскрипты);
3: inferred from homology (гипотетический белок, предсказанный по гомологии);
4: predicted (иные предсказанные гипотетические белки);
5: uncertain (существование белка не доказано).

Соотношение между реальными и гипотетическими белками из Oryza (по данным UniProt)

	Количество в UniProt
Существование белка доказано экспериментально	389
Известны только соответствующие транскрипты	16086
Гипотетический белок, предсказан по гомологии	9741
Иные предсказанные гипотетические белки	120337

Существование всего 0,26% белков из таксона Oryza было доказано экспериментально, и около 11% - по соответствующим транскриптам. Этого следовало ожидать, ведь проведение эксперимента - это долгое и трудоемкое занятие. Предсказывать с помощью информационных технологий по гомологии или в соответствии с другими теориями гораздо проще.

2. Определение качества функциональной аннотации в UniProt

Необходимо определить с помощью одного запроса к SRS, сколько из реальных белков заданного таксона Oryza аннотированы по всем трем словарям GO и у которых встречается хотя бы один раз хотя бы один из кодов экспериментального доказательства функции.

Коды экспериментального доказательства функции в словарях GO:
1. Inferred from Experiment (EXP);
2. Inferred from Direct Assay (IDA);
3. Inferred from Physical Interaction (IPI);
4. Inferred from Mutant Phenotype (IMP);
5. Inferred from Genetic Interaction (IGI);
6. Inferred from Expression Pattern (IEP).

Запрос в SRS:
(([uniprot-ProteinExistence:*prot*] & [uniprot-Taxonomy:Oryza*]) & (((([uniprot-DBxref_:*GO*] & [uniprot-DBxref_:*P:*]) & [uniprot-DBxref_:*F:*]) & [uniprot-DBxref_:*C:*]) & ((((([uniprot-DBxref_:EXP:*] | [uniprot-DBxref_:IDA:*]) | [uniprot-DBxref_:IPI:*]) | [uniprot-DBxref_:IMP:*]) | [uniprot-DBxref_:IGI:*]) | [uniprot-DBxref_:IEP:*])))

Всего найдено 30 записей.
Белков из заданного таксона, существование которых доказано экспериментально, в UniProt всего 385, но и они не все полностью проаннотированы по словарям GO с хотя бы одной функцией, доказанной экспериментально. А таких белков еще меньше. То есть можно сказать, что мы имеем достоверные и довольно полные знания только о 30 белках данного таксона и их функциях.

III. Использование GO для работы с массовыми данными

1. Определение числа реальных и гипотетических белков из Oryza

Я произвел поиск в UniProt всех белков заданного таксона Oryza, выполняющих функцию биосинтеза аминокислот. На английский язык название функции переводится как amino acid biosynthesis. В словаре терминов GO для этой функции нашелся термин GO:0008652 : cellular amino acid biosynthetic process.

Запрос в SRS выглядит следующим образом:

([uniprot-Taxonomy:Oryza*] &  ([uniprot-DBxref:GO:0008652*] >  parent ))

Было найдено 37 записей: скачать (последовательности в fasta-формате).

2. Определение главной функции в большом списке белков

Для выполнения задания я взял файл P46883.txt со списком AC различных белков, включающих и мой AMO_ECOLI. На страничке программы GOstat я загрузил этот файл и изменил следующие параметры:
Available GO gene-association databases & commonly used gene collections: goa_uniprot;
Maximal p-value in GO output list: 0.01.

Были получены следующие результаты:

GO ID	Термин	Онтология	P-value
GO:0005886	plasma membrane	cellular component	2.65e-10
GO:0042597	periplasmic space	cellular component	1.21e-05
GO:0005507	copper ion binding	molecular function	3.42e-05
GO:0005515	protein binding	molecular function	0.0002
GO:0046914	transition metal ion binding	molecular function	0.00102
GO:0005375	copper ion transmembrane transporter activity	molecular function	0.00238
GO:0043169	cation binding	molecular function	0.00491
GO:0044464	cell part	cellular component	0.00806

Среди данных значений P-value можно заметить резкое возрастание только от первого ко второму термину. Один термин несет в себе мало информации, поэтому в результатах представлены все термины с обычным P-value < 0.01.
По таблице можно сделать вывод, что в используемом файле были представлены белки, которые в основном находятся в плазматической мембране или периплазме. Основные функции доминирующих белков - это связывание и/или транспорт через мембранов ионов металлов (чаще всего меди), а также связывание белков.