从单蛋白和特异性残基中提取13肽序列

Question

我有一个单蛋白的列表，其中有一个相应的感兴趣的残基（例如Q7TQ48\u48S442）。我需要检索蛋白质序列中特定位点周围的+/-6残基（在本例中，我需要的序列是diaeaSEERQQE）。 你能用Python、R或者一个已经可用的web工具为id+感兴趣的剩余部分列表提供一个方法吗？ 谢谢， 伊曼纽尔

Answer 1

如果我从https://www.uniprot.org/uploadlists/向UniProt输入一个蛋白质id列表，或者上传一个文件，我会得到一个结果表。在表格的顶部，有一个选项允许您选择列-一个选项是肽序列(目前还不需要编程-只需上传你感兴趣的UID列表即可

现在，要提取特定的序列，可以在R中使用substr命令来完成。在这里，我们想从两端加/减6：

len13seq <- with(uniprot_data, substr(peptide_sequence, start = ind - 6, stop = ind + 6 ))

在您的示例中，ind = 442

为了让这一切顺利，你需要

1. 将标记分为两个（+？）列—UniprotID和site index。你也可以包括氨基酸，如果你需要它为以后的分析
2. 创建一个只包含UniProtIDs的文件，该文件被送入UniProt数据库
3. 自定义显示的列，确保获得序列
4. 下载结果并读入R
5. 将原始数据帧（带有站点索引）与下载的结果合并
6. 在你感兴趣的点附近生成序列

完全在R内完成是可能的-我曾经做过，但我不确定你是否需要它，除非你需要整个事情都自动化。如果你需要的话，我建议你去看看https://www.bioconductor.org/packages/3.7/bioc/html/UniProt.ws.html。我不经常使用Bioconductor，所以我对包装不熟悉。当我以前使用R来获取UniProt数据时，我所追求的在tablular输出中是不可用的，我不得不修改我的代码来获取我所追求的数据。 希望生物导体的解决方案比我做的容易