COG:直系同源蛋白数据库

Posted 2021-07-17 修罗神天道

为了研究不同物种间保守的蛋白功能，进一步揭示其进化关系，1997年的时候科学家选取了七个完整基因组的蛋白序列，根据序列和功能相似性，将这些蛋白进行了分类。这个分类叫做cluster of orthologous group，简称COG。每个COG是一组同源蛋白的集合，具有相同的生物学功能。 官网如下

https://www.ncbi.nlm.nih.gov/COG/

构建原始的COG使用的蛋白序列来自以下7个物种

1. E.coli

2. H.influenzae

3. M. genitalium

4. M. pneumoniae

5. Synechocystis sp.

6. M. jannaschii

7. S. cerevisiae

    

可以发现，这些物种都是细菌。所以COG这个概念指的是细菌中的同源蛋白。

随着测序技术的发展，越来越多的物种拥有了完整的基因组序列。2003年的时候，又根据66个细菌物种的蛋白序列，对之前的COG结果进行了补充和拓展。

同时将orthologous group 的概念推广到了真核生物中，根据7个真核生物的蛋白序列构建了真核生物中的同源蛋白簇, 全称为eukaryotic orthologous groups, 简称KOG。

之后又陆续在不同类型的物种中建立起相关的同源蛋白簇。古菌中的同源蛋白簇简称为arCOG, 噬菌体中的同源蛋白簇简称为POG，感染真核生物的病毒中的同源蛋白簇简称为NCVOG，巨型病毒的同源蛋白簇简称为mimiCOG。

在官网上，提供了下载功能。这里以COG为例进行说明。FTP地址如下

ftp://ftp.ncbi.nih.gov/pub/COG/COG2014/data

fun2003-2014.tab 保存了COG的分类信息，将所有的COG的功能分为了以下26个类别，每个类别用一个字母表示

# Code    Name
J    Translation, ribosomal structure and biogenesis
A    RNA processing and modification
K    Transcription
L    Replication, recombination and repair
B    Chromatin structure and dynamics
D    Cell cycle control, cell division, chromosome partitioning
Y    Nuclear structure
V    Defense mechanisms
T    Signal transduction mechanisms
M    Cell wall/membrane/envelope biogenesis
N    Cell motility
Z    Cytoskeleton
W    Extracellular structures
U    Intracellular trafficking, secretion, and vesicular transport
O    Posttranslational modification, protein turnover, chaperones
X    Mobilome: prophages, transposons
C    Energy production and conversion
G    Carbohydrate transport and metabolism
E    Amino acid transport and metabolism
F    Nucleotide transport and metabolism
H    Coenzyme transport and metabolism
I    Lipid transport and metabolism
P    Inorganic ion transport and metabolism
Q    Secondary metabolites biosynthesis, transport and catabolism
R    General function prediction only
S    Function unknown

cognames2003-2014.tab 文件保存了COG的详细信息，包括编号，对应的分类，功能描述等信息。示例如下

# COG    func    name
COG0001    H    Glutamate-1-semialdehyde aminotransferase
COG0002    E    N-acetyl-gamma-glutamylphosphate reductase
COG0003    P    Anion-transporting ATPase, ArsA/GET3 family
COG0004    P    Ammonia channel protein AmtB

cog2003-2014.csv 文件保存了蛋白和COG的对应关系，示例如下

333894695,Alteromonas_SN2_uid67349,333894695,427,1,427,COG0001,0,

第一列编号为蛋白质的GI号。

prot2003-2014.fa.gz 保存了fasta格式的蛋白序列，示例如下

>gi|118430838|ref|NP_146899.2| putative mercury ion binding protein[Aeropyrum pernix K1]
MIIFKRHSQAILFSHNKQEKALLGIEGMHCEGCAIAIETALKNVKGIIDTKVNYSRGSAI
VTFDDTLVSINDILEHYIFKVPSNYRAKLVSFIS

通过比对COG数据库，可以确定蛋白质的功能。