使用R语言从UniProt数据库检索蛋白信息-UniprotR包

发表于 分类于 ， 阅读次数： Changyan： 本文字数： 1.4k 阅读时长 ≈ 5 分钟

​uniprot​

​UniprotR​ 包通过丰富的函数和可视化工具，使得从UniProt数据库中检索和分析蛋白质信息变得更加便捷和高效。

基本信息

  • 版本：2.4.0

  • 作者：Mohamed Soudy 和 Ali Mostafa

  • 描述：连接到Uniprot，使用蛋白质的访问号检索信息，如名称、分类信息等。

  • URL：https://github.com/Proteomicslab57357/UniprotR

  • 问题报告：https://github.com/Proteomicslab57357/UniprotR/issues

功能：

  • 提供多种功能，包括构建基因树、位置树、转换ID、富集分析（包括生物学过程、细胞组分、KEGG、分子功能、REACTOME）、获取疾病关联、表达数据、家族域数据、一般信息、杂项信息、名称和分类信息、病理生物技术信息、PDB结构、蛋白质注释、功能、基因本体信息、蛋白质相互作用、蛋白质网络、蛋白质网络（全部）、蛋白质组信息、蛋白质组FASTA、PTM处理、出版物信息、序列长度、序列同源、序列、结构信息、亚细胞位置等。

  • 提供了解析UniProt信息和绘制各种图表的功能，如GO分子功能、GO亚细胞定位、酸度、电荷、染色体信息、基因网络、GO全部、GO生物学过程、GO信息、GO术语、Gravy、理化性质、蛋白质存在状态、蛋白质GO生物、蛋白质GO细胞、蛋白质GO分子、蛋白质状态、蛋白质分类等。

图表和可视化：

  • 除了数据检索，UniprotR​ 还提供了多种数据可视化工具，帮助用户更直观地理解蛋白质的特性和功能。

安装和依赖：

  • 该包不需要编译，可以直接从CRAN安装，且依赖于多个R包，方便用户进行数据分析和可视化。

安装

1
install.packages("UniprotR")

使用示例

​GetAccessionList​函数可用于从csv文件中获取UniProt Accession / s列表。

1
2
3
4
5
6
library(UniprotR) 
Dm_Acc <- GetAccessionList("Dm_uniprot.csv")

#用于检查输入数据的有效性
ProcessAcc(Dm_Acc)

DataObjPath: Excel文件 (.csv) 的路径，文件内容如下图。

​csvfile​

录入时间

​​

1
Dm_Acc_General <- GetGeneral_Information(Dm_Acc, "I:/Thesis/Analysis_Display/R_data")

​​

其他

​​

1
2
3
Dm_Acc_Miscellaneous <- GetMiscellaneous(Dm_Acc, "I:/Thesis/Analysis_Display/R_data")

PlotproteinStatus(Dm_Acc_Miscellaneous,"I:/Thesis/Analysis_Display/R_data")

获取分类信息

​​

1
2
3
4
5
TaxaObj <- GetNamesTaxa(Dm_Acc, "I:/Thesis/Analysis_Display/R_data")
# 用于绘制染色体中access / s数据中位置的频率
PlotChromosomeInfo(TaxaObj)
# 基于从' GetNamesTaxa '中检索到的主基因对蛋白质进行聚类。
PlotGenesNetwork(TaxaObj)

Pathology & Biotech

​​

1
Pathology_Biotech <- GetPathology_Biotech(Dm_Acc, "I:/Thesis/Analysis_Display/R_data")

下载PDB结构数据

1
Dm_pdbStructure <- GetpdbStructure(Dm_Acc, "I:/Thesis/Analysis_Display/R_data")

蛋白功能

​​

1
Dm_ProteinFunction <- GetProteinFunction(Dm_Acc, "I:/Thesis/Analysis_Display/R_data")

转换ID

将UniProtKB的AC / ID转换为UniProtKB中的任何数据库ID。详细信息参阅https://www.uniprot.org/help/id_mapping和https://raw.githubusercontent.com/MohmedSoudy/UniprotR/master/uniprot_ids.csv

1
ConvertID(Dm_Acc,ID_from="UniProtKB_AC-ID",ID_to="OrthoDB",taxId="7227",path=NULL)

​ConvertID(ProteinAccList,ID_from="UniProtKB_AC-ID",ID_to=NULL,taxId=NULL,path=NULL)​
​​ProteinAccList​​ UniProt Accession/s 向量
​ID_from​ 数据库标识符的缩写，从中将Accession / ID进行转换。
​ID_to​ 数据库标识符缩写字符串，Accession / ID将转换为该字符串。默认为UniProtKB中可用的所有数据库标识符。见uniprot_ids.csv{.uri}
​taxId​ 当ID_to为’ UniProtKB '时需要TaxId字符串。例如 ‘9606’ for human。
​path​ 保存excel文件的路径。

获取蛋白序列-fasta格式

通过 UniProt 中的蛋白ID，下载蛋白序列。

1
2
3
4
5
6
7
8
9
10
# 下载UniProt的蛋白序列并保存为fasta文件
GETSeqFastaUniprot(Dm_Acc, "I:/Thesis/Analysis_Display/R_data",FileName = "Dm_Prot")

# 获取序列长度
GetSeqLength(Dm_Acc, "I:/Thesis/Analysis_Display/R_data")

# 获取蛋白亚型信息
GetSequenceIso(Dm_Acc, "I:/Thesis/Analysis_Display/R_data")


蛋白序列信息

​​

1
2
# 获取序列信息
Dm_Sequences <- GetSequences(Dm_Acc, "I:/Thesis/Analysis_Display/R_data")

蛋白互作-STRING

连接到stringdb并检索输入列表之间的PPI

​GetproteinNetwork_all(ProteinAccList , directorypath = NULL, SpeciesID = 7227)​

1
2
3
4
# 根据导入的数据生成PPI
GetproteinNetwork_all(Dm_Acc, "I:/Thesis/Analysis_Display/R_data", SpeciesID = 7227)
# 获得蛋白质相互作用列表
GetProteinInteractions(Dm_Acc, "I:/Thesis/Analysis_Display/R_data")

​​

GO分析-“Gene ontology”（基因本体论）

格式

​​

​PlotGOBiological(GOObj, Top = 10, directorypath = NULL)​

​Plot.GOMolecular(GOObj, Top = 10, directorypath = NULL)​

​Plot.GOSubCellular(GOObj, Top = 10, directorypath = NULL)​

​PlotGoInfo(GOObj , directorypath = NULL)​

​PlotGOAll(GOObj, Top = 10, directorypath = NULL, width = width, height = height)​

​GOObj​ 参数： 指的是得自 GetProteinGOInfo​ 函数的数据集。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
# 获取Gene ontolgy信息
GeneOntologyObj <- GetProteinGOInfo(Dm_Acc,"I:\\Thesis\\Analysis_Display\\R_data")
# 解析从UniprotR函数' GetProteinGOInfo '中检索的数据。
Goparse(GeneOntologyObj)
#  This Function is used to plot data retrieved from UniprotR Function "GetProteinGOInfo"
PlotGoterms(GeneOntologyObj,"I:\\Thesis\\Analysis_Display\\R_data")
# Biological process
PlotGOBiological(GeneOntologyObj) 
PlotProteinGO_bio(GeneOntologyObj)
# Molecular function
Plot.GOMolecular(GeneOntologyObj)
 PlotProteinGO_molc(GeneOntologyObj)
# Subcellualr localization
Plot.GOSubCellular(GeneOntologyObj)
PlotProteinGO_cel(GeneOntologyObj)
# 合并BP、MF、CC
# This Function is used to plot data retrieved from UniprotR Function "GetProteinGOInfo".
PlotGoInfo(GeneOntologyObj,"I:\\Thesis\\Analysis_Display\\R_data")
# This Function is used to plot the retrieved Gene Ontology from function ’GetProteinGOInfo’
PlotGOAll(GOObj = GeneOntologyObj, directorypath = getwd(), width = 8, height = 5)
#


​​

​​

KEGG富集分析

1
2
3
Enrichment.KEGG(Dm_Acc,OS="dmelanogaster",p_value=0.05,directorypath="I:/Thesis/Analysis_Display/R_data",top=10)
# 对给定的基因或蛋白质列表进行富集分析
Pathway.Enr(Dm_Acc,OS="dmelanogaster",p_value=0.05,directorypath="I:/Thesis/Analysis_Display/R_data",top=10)

蛋白表达信息

​​

1
Dm_Acc_Expression <- GetExpression(Dm_Acc, "I:/Thesis/Analysis_Display/R_data")

蛋白结构信息

​​

​​

1
2
3
4
5
# 蛋白二级结构
GetStructureInfo(Dm_Acc, "I:/Thesis/Analysis_Display/R_data")

# 结构域
Dm_Acc_Domains <- GetFamily_Domains(Dm_Acc, "I:/Thesis/Analysis_Display/R_data")

亚细胞定位

1
GetSubcellular_location(Dm_Acc, "I:/Thesis/Analysis_Display/R_data")

​​

发表的文献

1
GetPublication(Dm_Acc, "I:/Thesis/Analysis_Display/R_data")

​​

其他R包-UniProt

drawProteins包

根据从Uniprot蛋白质数据库中获得的数据绘制蛋白结构示意图。

其基本工作流程是：

  1. 提供一个或多个Uniprot ID；

  2. 从Uniprot API中获取特征列表；

  3. 绘制这些蛋白质的基本链；

  4. 根据需要添加特征。

​drawProteins​使用包httr与Uniprot API进行交互，并将一个JSON对象提取到R中。JSON对象用于创建数据表。 然后使用ggplot2绘制蛋白示意图。 详细见 https://www.bioconductor.org/packages/release/bioc/vignettes/drawProteins/inst/doc/drawProteins_BiocStyle.html

queryup包

从’ UniProtKB ’ REST API中检索蛋白质信息

参考

  1. Proteomicslab57357/UniprotR: Retrieving Information of Proteins from Uniprot

  2. CRAN: Package UniprotR

  3. UniprotR: Retrieving and visualizing protein sequence and functional information from Universal Protein Resource (UniProt knowledgebase) - PubMed

  4. 自学R语言–使用UniprotR包提取Uniprot数据库内容 - 知乎