interpro-database

InterPro データベース

概要

InterPro（https://www.ebi.ac.uk/interpro/）は、EMBL-EBI が維持するタンパク質ファミリーおよびドメイン分類のための包括的なリソースです。Pfam、PANTHER、PRINTS、ProSite、SMART、TIGRFAM、SUPERFAMILY、CDD など、13 のメンバーデータベースのシグネチャーを統合し、1 億を超えるタンパク質配列の機能アノテーションを統一された形で提供します。

InterPro では、タンパク質を以下のように分類します。

• ファミリー：共通の祖先と機能を持つタンパク質のグループ
• ドメイン：独立してフォールディングする構造的／機能的単位
• 相同スーパーファミリー：構造的に類似したタンパク質領域
• リピート：短いタンデム配列
• サイト：機能部位（活性部位、結合部位、PTM）

主なリソース：

• InterPro のウェブサイト：https://www.ebi.ac.uk/interpro/
• REST API：https://www.ebi.ac.uk/interpro/api/
• API ドキュメント：https://github.com/ProteinsWebTeam/interpro7-api/blob/master/docs/
• Python クライアント：requests 経由

このスキルを使用する場面

以下の場合に InterPro を使用します。

• タンパク質機能の予測：機能が不明なタンパク質には、どのような機能があると考えられますか？
• ドメイン構成：タンパク質はどのようなドメインで構成され、どのような順序で並んでいますか？
• タンパク質ファミリーの分類：タンパク質はどのファミリー／スーパーファミリーに属していますか？
• GO 用語のアノテーション：InterPro を介してタンパク質配列を Gene Ontology 用語に対応付けます
• 進化解析：2 つのタンパク質は同じ相同スーパーファミリーに属していますか？
• 構造予測のコンテキスト：新しいタンパク質構造を、どのドメインと比較すべきですか？
• パイプラインでのアノテーション：プロテオームや新規配列を一括でアノテーションします

主な機能

1. InterPro REST API

ベース URL：https://www.ebi.ac.uk/interpro/api/

import requests

BASE_URL = "https://www.ebi.ac.uk/interpro/api"

def interpro_get(endpoint, params=None):
    url = f"{BASE_URL}/{endpoint}"
    headers = {"Accept": "application/json"}
    response = requests.get(url, params=params, headers=headers)
    response.raise_for_status()
    return response.json()

2. タンパク質を検索する

def get_protein_entries(uniprot_id):
    """Get all InterPro entries that match a UniProt protein."""
    data = interpro_get(f"protein/UniProt/{uniprot_id}/entry/InterPro/")
    return data

# Example: Human p53 (TP53)
result = get_protein_entries("P04637")
entries = result.get("results", [])

for entry in entries:
    meta = entry["metadata"]
    print(f"  {meta['accession']} ({meta['type']}): {meta['name']}")
    # e.g., IPR011615 (domain): p53, tetramerisation domain
    #       IPR010991 (domain): p53, DNA-binding domain
    #       IPR013872 (family): p53 family

3. 特定の InterPro エントリーを取得する

def get_entry(interpro_id):
    """Fetch details for an InterPro entry."""
    return interpro_get(f"entry/InterPro/{interpro_id}/")

# Example: Get Pfam domain PF00397 (WW domain)
ww_entry = get_entry("IPR001202")
print(f"Name: {ww_entry['metadata']['name']}")
print(f"Type: {ww_entry['metadata']['type']}")

# Also supports member database IDs:
def get_pfam_entry(pfam_id):
    return interpro_get(f"entry/Pfam/{pfam_id}/")

pfam = get_pfam_entry("PF00397")

4. InterPro エントリーでタンパク質を検索する

def get_proteins_for_entry(interpro_id, database="UniProt", page_size=25):
    """Get all proteins annotated with an InterPro entry."""
    params = {"page_size": page_size}
    data = interpro_get(f"entry/InterPro/{interpro_id}/protein/{database}/", params)
    return data

# Example: Find all human kinase-domain proteins
kinase_proteins = get_proteins_for_entry("IPR000719")  # Protein kinase domain
print(f"Total proteins: {kinase_proteins['count']}")

5. ドメイン構成

def get_domain_architecture(uniprot_id):
    """Get the complete domain architecture of a protein."""
    data = interpro_get(f"protein/UniProt/{uniprot_id}/")
    return data

# Example: Get full domain architecture for EGFR
egfr = get_domain_architecture("P00533")

# The response includes locations of all matching entries on the sequence
for entry in egfr.get("entries", []):
    for fragment in entry.get("entry_protein_locations", []):
        for loc in fragment.get("fragments", []):
            print(f"  {entry['accession']}: {loc['start']}-{loc['end']}")

6. GO 用語のマッピング

def get_go_terms_for_protein(uniprot_id):
    """Get GO terms associated with a protein via InterPro."""
    data = interpro_get(f"protein/UniProt/{uniprot_id}/")

    # GO terms are embedded in the entry metadata
    go_terms = []
    for entry in data.get("entries", []):
        go = entry.get("metadata", {}).get("go_terms", [])
        go_terms.extend(go)

    # Deduplicate
    seen = set()
    unique_go = []
    for term in go_terms:
        if term["identifier"] not in seen:
            seen.add(term["identifier"])
            unique_go.append(term)

    return unique_go

# GO terms include:
# {"identifier": "GO:0004672", "name": "protein kinase activity", "category": {"code": "F", "name": "Molecular Function"}}

7. タンパク質の一括検索

def batch_lookup_proteins(uniprot_ids, database="UniProt"):
    """Look up multiple proteins and collect their InterPro entries."""
    import time
    results = {}
    for uid in uniprot_ids:
        try:
            data = interpro_get(f"protein/{database}/{uid}/entry/InterPro/")
            entries = data.get("results", [])
            results[uid] = [
                {
                    "accession": e["metadata"]["accession"],
                    "name": e["metadata"]["name"],
                    "type": e["metadata"]["type"]
                }
                for e in entries
            ]
        except Exception as e:
            results[uid] = {"error": str(e)}
        time.sleep(0.3)  # Rate limiting
    return results

# Example
proteins = ["P04637", "P00533", "P38398", "Q9Y6I9"]
domain_info = batch_lookup_proteins(proteins)
for uid, entries in domain_info.items():
    print(f"\n{uid}:")
    for e in entries[:3]:
        print(f"  - {e['accession']} ({e['type']}): {e['name']}")

8. テキストまたは分類群で検索する

def search_entries(query, entry_type=None, taxonomy_id=None):
    """Search InterPro entries by text."""
    params = {"search": query, "page_size": 20}
    if entry_type:
        params["type"] = entry_type  # family, domain, homologous_superfamily, etc.

    endpoint = "entry/InterPro/"
    if taxonomy_id:
        endpoint = f"entry/InterPro/taxonomy/UniProt/{taxonomy_id}/"

    return interpro_get(endpoint, params)

# Search for kinase-related entries
kinase_entries = search_entries("kinase", entry_type="domain")

クエリのワークフロー

ワークフロー 1：未知のタンパク質の特性を調べる

1. タンパク質配列をスキャンするため、ローカルまたはウェブ（https://www.ebi.ac.uk/interpro/search/sequence/）で InterProScan を実行します
2. 結果を解析してドメイン構成を特定します
3. 生物学的な背景を調べるため、各 InterPro エントリーを検索します
4. 機能を推定するため、関連する InterPro エントリーから GO 用語を取得します

# After running InterProScan and getting a UniProt ID:
def characterize_protein(uniprot_id):
    """Complete characterization workflow."""

    # 1. Get all annotations
    entries = get_protein_entries(uniprot_id)

    # 2. Group by type
    by_type = {}
    for e in entries.get("results", []):
        t = e["metadata"]["type"]
        by_type.setdefault(t, []).append({
            "accession": e["metadata"]["accession"],
            "name": e["metadata"]["name"]
        })

    # 3. Get GO terms
    go_terms = get_go_terms_for_protein(uniprot_id)

    return {
        "families": by_type.get("family", []),
        "domains": by_type.get("domain", []),
        "superfamilies": by_type.get("homologous_superfamily", []),
        "go_terms": go_terms
    }

ワークフロー 2：タンパク質ファミリーの全メンバーを見つける

1. InterPro ファミリーのエントリー ID（例：プロテインキナーゼの IPR000719）を特定します
2. そのエントリーでアノテーションされた UniProt タンパク質をすべてクエリします
3. 必要に応じて、生物種／分類群で絞り込みます
4. 系統解析用に FASTA 配列をダウンロードします

ワークフロー 3：ドメインの比較解析

1. 対象のタンパク質（例：すべてのパラログ）を収集します
2. 各タンパク質のドメイン構成を取得します
3. ドメインの構成と順序を比較します
4. ドメインの獲得／喪失イベントを特定します

API エンドポイントの概要

エンドポイント	説明
/protein/UniProt/{id}/	タンパク質の完全なアノテーション
/protein/UniProt/{id}/entry/InterPro/	タンパク質の InterPro エントリー
/entry/InterPro/{id}/	InterPro エントリーの詳細
/entry/Pfam/{id}/	Pfam エントリーの詳細
/entry/InterPro/{id}/protein/UniProt/	該当エントリーを持つタンパク質
/entry/InterPro/	InterPro エントリーの検索／一覧
/taxonomy/UniProt/{tax_id}/	該当分類群のタンパク質
/structure/PDB/{pdb_id}/	InterPro にマッピングされた構造

メンバーデータベース

データベース	主な対象
Pfam	タンパク質ドメイン（HMMプロファイル）
PANTHER	タンパク質ファミリーとサブファミリー
PRINTS	タンパク質フィンガープリント
ProSitePatterns	アミノ酸パターン
ProSiteProfiles	タンパク質プロファイルパターン
SMART	タンパク質ドメイン解析
TIGRFAM	JCVIがキュレーションしたタンパク質ファミリー
SUPERFAMILY	構造分類
CDD	保存ドメインデータベース（NCBI）
HAMAP	微生物タンパク質ファミリー
NCBIfam	NCBIがキュレーションしたTIGRFAM
Gene3D	CATH構造分類
PIRSR	PIRサイトルール

ベストプラクティス

• UniProtアクセッション番号を使用してください（遺伝子名ではありません）。最も信頼性の高い検索ができます。
• タイプを区別してください：familyは広範な分類を、domainは特定の構造的／機能的単位を示します。
• 新規配列にはInterProScanの方が高速です：UniProtに登録されていない配列は、ウェブサービスに送信してください。
• ページネーションに対応してください：大量の結果を取得する場合は、複数のページを順に処理する必要があります。
• UniProtのデータと組み合わせてください：InterProエントリーには、UniProt、PDB、GOへのリンクが含まれていることがよくあります。

追加リソース

• InterProウェブサイト: https://www.ebi.ac.uk/interpro/
• InterProScan（ローカルで実行）: https://github.com/ebi-pf-team/interproscan
• APIドキュメント: https://github.com/ProteinsWebTeam/interpro7-api/blob/master/docs/
• Pfam: https://www.ebi.ac.uk/interpro/entry/pfam/
• 引用文献: Paysan-Lafosse T et al. (2023) Nucleic Acids Research. PMID: 36350672