基于blast进行GO功能注释

目前GO注释主要分为两种方法，其一，序列相似性即blast，其二，结构域相似性比对（InterProsScan），该方法在前面也提及过，本文就blast进行简要概述

所需文件

query 蛋白序列
swiss-prot 蛋白数据库
idmapping.tb.gz，即GO和swiss-prot的对应关系，也包括GO与其他数据库的对应关系

简单操作

1. blast比对

对swiss-prot建库后，进行比对

blastp -outfmt 6 -query query_sequences_AA.fasta -db uniprot_swissprot.fasta -out query_vs_swissprot.txt

得到如下结果

YY_000250.1     Q8RXX9  38.728  173     75      5       24      178     14      173     1.29e-23        101     E3 ubiquitin-protein ligase ATL
YY_000260.1     Q9SK92  36.364  132     70      6       12      140     40      160     9.82e-12        69.3    E3 ubiquitin-protein ligase ATL
YY_000270.1     Q9SLC3  37.302  126     67      2       5       118     43      168     1.51e-23        98.6    E3 ubiquitin-protein ligase ATL
YY_000270.1     Q9SLC3  40.196  102     46      3       134     234     68      155     3.04e-14        73.2    E3 ubiquitin-protein ligase ATL
YY_000280.1     Q8W571  38.060  134     75      2       2       134     52      178     4.49e-23        95.5    RING-H2 finger protein ATL32 OS

其中第二列即为swiss-prot数据库中的ID

2. 下载GO对应关系

从 ftp://ftp.pir.georgetown.edu/databases/idmapping 下载 idmapping.tb.gz，该文件较大，也可选择Filezilla 进行下载,或

wget ftp://ftp.pir.georgetown.edu/databases/idmapping/idmapping.tb.gz

该文件均为一些对应关系，具体如下：

Q6GZX4  001R_FRG3G      2947773 YP_031579.1     81941549; 49237298              PF04947 GO:0046782                      UniRef100_Q6GZX4        UniRef90_Q6GZX4 UniRef50_Q6GZX4 UPI00003B0FD4           654924                          15165820        AY548484        AAT09660.1
Q6GZX3  002L_FRG3G      2947774 YP_031580.1     49237299; 81941548              PF03003 GO:0033644; GO:0016021                  UniRef100_Q6GZX3        UniRef90_Q6GZX3 UniRef50_Q6GZX3 UPI00003B0FD5           654924                          15165820        AY548484        AAT09661.1
Q197F8  002R_IIV3       4156251 YP_654574.1     109287880; 123808694; 106073503                                         UniRef100_Q197F8        UniRef90_Q197F8 UniRef50_Q197F8 UPI0000D83464           345201                          16912294        DQ643392        ABF82032.1

(1) UniProtKB accession
(2) UniProtKB ID
(3) EntrezGene
(4) RefSeq
(5) NCBI GI number
(6) PDB
(7) Pfam
(8) GO
(9) PIRSF
(10) IPI
(11) UniRef100
(12) UniRef90
(13) UniRef50
(14) UniParc
(15) PIR-PSD accession
(16) NCBI taxonomy
(17) MIM
(18) UniGene
(19) Ensembl
(20) PubMed ID
(21) EMBL/GenBank/DDBJ
(22) EMBL protein_id

3. 对应关系转换

根据blast结果，根据蛋白数据库中的ID将其对应的GO 注释到对应的基因上

python UniProt2GO_annotate.py idmapping.tb.gz  blastoff output file

结果如下

c93619_g2_i1    GO:0005506,GO:0016705,GO:0016021,GO:0004497,GO:0020037
c93619_g2_i3    GO:0009733,GO:0020037,GO:0044550,GO:0016021,GO:0016020,GO:0016711,GO:0009813,GO:0005789,GO:0005506
c70056_g1_i1    GO:0005737,GO:0019722,GO:0071889,GO:0005829,GO:0001077,GO:0006357,GO:0097720,GO:0000978,GO:0046872,GO:0005634,GO:0006874
c93748_g1_i1    GO:0006729,GO:0008124
c107639_g1_i1   GO:0009737,GO:0009738,GO:0005623,GO:0006970,GO:0009651,GO:0045454,GO:0009789
c106424_g1_i1   GO:0043565,GO:0009555,GO:0003700,GO:0005634,GO:0009793,GO:0006351
c66585_g1_i1    GO:0005737,GO:0003746,GO:0003924,GO:0005525
c110618_g1_i8   GO:0015297,GO:0016021,GO:0015238

其中脚本UniProt2GO_annotate.py 下载
链接：http://pan.baidu.com/s/1kVjzJYv 密码：vigu

参考

GO 功能注释