文章仅是记录自己的学习使用，有错误请指出，我立刻改正！
更多说明：
https://www.jianshu.com/p/f80398cb9c97
https://zhuanlan.zhihu.com/p/108602863
https://www.liaochenlanruo.fun/post/e922.html
https://xuzhougeng.top/archives/Function-anotation-with-swiss-prot-database
https://github.com/xuzhougeng/myscripts/blob/master/annotation/add_annotation_from_dat.py
一、Swiss-Prot
（一）Uniprot简介
- Uniprot （Universal Protein ）是包含蛋白质序列，功能信息，研究论文索引的蛋白质数据库，整合了包括EBI（ European Bioinformatics Institute），SIB（the Swiss Institute of Bioinformatics），PIR（Protein Information Resource）三大数据库的资源。
1、EBI（ European Bioinformatics Institute）：欧洲生物信息学研究所（EMBL-EBI）是欧洲生命科学旗舰实验室EMBL的一部分。位于英国剑桥欣克斯顿的惠康基因组校园内，是世界上基因组学领域最强的地带之一。
2、SIB（the Swiss Institute of Bioinformatics）：瑞士日内瓦的SIB维护着ExPASy（专家蛋白质分析系统）服务器，这里包含有蛋白质组学工具和数据库的主要资源。
3、PIR（Protein Information Resource）：PIR由美国国家生物医学研究基金会（NBRF）于1984年成立，旨在协助研究人员识别和解释蛋白质序列信息。
（二）Uniprot子库
1、UniProtKB/Swiss-Prot(Protein knowledgebas (review))：高质量的、手工注释的、非冗余的数据库
2、UniProtKB/TrEMBL(Protein knowledgebase (unreview))：自动翻译蛋白质序列，预测序列，未验证的数据库
3、UniParc Sequence：非冗余蛋白质序列数据库
4、UniRef Sequence clusters：聚类序列减小数据库，加快搜索的速度
5、Proteomes Protein sets from fully sequenced genomes：为全测序基因组物种提供蛋白质组信息
- 通过EMBL，GenBank，DDBJ等公共数据库得到原始数据，处理后存入UniParc的非冗余蛋白质序列数据库。UniProt作为数据仓库，再分别给UniProtKB，Proteomes，UNIRef提供可靠的数据集。其中在UniProtKB数据库中Swiss-Prot是由TrEMBL经过手动注释后得到的高质量非冗余数据库，也是我们今后常用的蛋白质数据库之一。
- Swiss-Prot旨在提供与高水平注释（例如，蛋白质功能，其域结构，翻译后修饰，变体等的描述）相关的可靠蛋白质序列，最小程度的冗余和高水平与其他数据库的集成级别。注释主要来自文献中的研究成果和E-value校验过计算分析结果，有质量保证的数据才被加入该数据库 。
二、Swiss-Prot数据库本地化
（一）uniprot_sprot.fasta的序列信息解读：
sp|Q6GZX4|001R_FRG3G Putative transcription factor 001R OS=Frog virus 3 (isolate Goorha) OX=654924 GN=FV3-001R PE=4 SV=1
>MAFSAEDVLKEYDRRRRMEALLLSLYYPNDRKLLDYKEWSPPRVQVECPKAPVEWNNPPS.......
- sp：Swiss-Prot数据库的简称
- Q6GZX4：UniProt ID号
- 001R_FRG3G：UniProt 的登录号
- Putative transcription factor 001R：蛋白质名称
- OS=Frog virus 3 (isolate Goorha) ：OS是Organism简称，Frog virus 3 为蛙病毒3型的拉丁文分类命名
- OX=654924：Organism Taxonomy，也就是物种分类数据库Taxonomy ID
- GN=FV3-001R：Gene name，基因名为FV3-001R
- PE=4：Protein Existence，蛋白质可靠性，对应5个数字，数字越小越可靠：
1：Experimental evidence at protein level
2：Experimental evidence at tranlevel
3：Protein inferred from homology
4：Protein predicted
5：Protein uncertain - SV=1：Sequence Version，序列版本号
（二）本地化
1、下载和比对数据库
##下载数据库##
wget ftp://ftp.uniprot.org/pub/databases/uniprot/current_release/knowledgebase/complete/uniprot_sprot.fasta.gz
gunzip uniprot_sprot.fasta.gz
##diamond比对##
diamond makedb --in uniprot_sprot.fasta --db uniprot_sprot #建库
diamond blastx -q fasta_file -d uniprot_sprot -o diamond_output --evalue 1e-05 -p 10 --max-target-seqs 1 #比对
2、输出结果解读：
TRINITY_DN21482_c0_g3_i1 sp|Q09818|YAC4_SCHPO 43.2 88 43 2 85 342 12 94 1.32e-19 86.3
TRINITY_DN21482_c1_g1_i1 sp|O95628|CNOT4_HUMAN 53.7 67 31 0 202 2 160 226 4.97e-19 82.0
TRINITY_DN21433_c0_g1_i17 sp|P47927|AP2_ARATH 52.5 345 86 10 1209 208 155 432 8.31e-87 276
TRINITY_DN21433_c0_g1_i5 sp|P47927|AP2_ARATH 53.1 341 83 11 1164 175 158 432 1.14e-88 278
- 默认输出为outfmt6，其格式为：
1、qseqid means Query Seq - id ，qseqid指的是要查询/比对的序列
2、sseqid means Subject Seq - id，sseqid指的是目标序列。
3、pident means Percentage of identical matches，pident指的是完全匹配的比例
4、length means Alignment length，length指的是比对长度
5、mismatch means Number of mismatches， mismatch指的是没有匹配上的数量
6、gapopen means Number of gap openings， gapopen指的是 空位开放的数量
7、qstart means Start of alignment in query，qstart指的是查询比对的起始
8、qend means End of alignment in query，qend指的是查询比对的终止
9、sstart means Start of alignment in subject，sstart指的是比对在目标中的开始
10、send means End of alignment in subject，send指的是比对在目标中的结束
11、evalue means Expect value，evalue指的是阈值
12、bitscore means Bit score，bitscore指的是片段的分数
