编辑推荐：
在细菌研究中，小蛋白（≤100 氨基酸，AA）长期被忽视。研究人员开展 “sORFdb – a database for sORFs, small proteins, and small protein families in bacteria” 的研究，创建 sORFdb 数据库。该数据库有助于小蛋白相关研究，推动细菌基因功能探索。
在细菌的微观世界里，蛋白质就像一群各司其职的 “小工匠”，共同维持着细菌的生命活动。长久以来，科学家们对那些个头较大、功能明显的蛋白质关注有加，却常常忽视了一类特殊的 “小工匠”—— 小蛋白（Small proteins）。这类小蛋白由短开放阅读框（Short open reading frames，sORF）编码，长度通常在 100 个氨基酸（AA）以下，甚至很多不足 50 个 AA。它们虽然个头小，但却蕴含着巨大的能量，在细菌的生存、繁衍中发挥着不可或缺的作用。
早期，受实验室技术和基因预测工具的限制，小蛋白的研究困难重重。基因预测工具在面对小蛋白时，常常 “力不从心”，假阳性率居高不下。这就好比在一堆沙子里找金子，却误把很多沙粒当成了金子。为了减少错误，基因组数据库不得不设置严格的长度限制，许多可能有价值的小蛋白就这样被 “拒之门外”。即便随着核糖体分析（Ribosome profiling）和质谱技术的发展，越来越多的小蛋白被发现，但它们在公共数据库中仍然 “踪迹难寻”，功能注释也严重不足。
为了打破这些困境，来自德国吉森尤斯图斯?李比希大学（Justus Liebig University Giessen）生物信息学和系统生物学系等机构的研究人员展开了深入研究。他们致力于创建一个全面、专业的数据库，为小蛋白的研究提供有力支持。最终，sORFdb 数据库应运而生，相关研究成果发表在《BMC Genomics》杂志上。
研究人员为了构建 sORFdb 数据库，运用了多种关键技术方法。首先，他们从 GenBank、Swiss - Prot、UniProt 和 SmProt 等多个公共数据源获取基因组和蛋白质序列。接着，利用 PyHMMER、Pyrodigal 等软件对序列进行筛选和处理，过滤掉假阳性的小蛋白，同时检测 sORF 的核糖体结合位点（Ribosomal binding site，RBS）。在研究小蛋白家族时，采用了自定义的基于图的聚类方法，并结合马尔可夫聚类（Markov clustering，MCL）算法，成功识别出众多小蛋白家族。
下面来看看具体的研究结果：
- 大规模收集小蛋白：研究人员从公共数据库收集到海量的 sORF 和小蛋白序列，经过一系列严格的筛选步骤，最终 sORFdb 数据库收录了 5,073,415 条非冗余小蛋白序列和 5,640,450 条非冗余 sORF 序列。与其他数据库相比，sORFdb 在短长度小蛋白的收录上表现更为出色，尤其是长度小于 50 AA 的小蛋白。
- 分类学分布：分析发现，sORFdb 数据库中，临床相关物种和模式生物来源的小蛋白占比过高，如假单胞菌门（Pseudomonadota）的小蛋白数量较多。不过，非冗余小蛋白的分类学分布相对更为均衡，这表明 sORFdb 涵盖了广泛的细菌种类。
- sORF 与长基因的遗传特性差异：随着 sORF 长度的减小，非规范起始密码子的使用频率增加。在长度为 20 AA 及以下的 sORF 中，非规范起始密码子的比例明显高于长序列 sORF。同时，sORF 长度越小，RBS 的检测率越低，10 AA 及以下的 sORF 几乎检测不到 RBS。
- 小蛋白的功能：通过对小蛋白进行功能注释和 Pfam 数据库查询，发现大部分小蛋白是核糖体结构蛋白，此外，调节蛋白、应激反应蛋白和毒素 - 抗毒素系统等也占比较大。长度在 50 AA 及以下的小蛋白，功能多与螺旋 - 转角 - 螺旋转录调节因子、膜相关蛋白等有关。
- 细菌小蛋白家族：研究人员利用自定义聚类方法，成功识别出 8,884 个小蛋白家族。这些家族中，成员长度多集中在 40 - 50 AA 和 30 AA 左右。多数家族能够通过多数投票法进行功能注释，且功能与文献报道相符。
- sORFdb 的交互式网络访问：研究团队开发了一个用户友好的交互式网站，为科研人员提供了序列搜索、家族搜索、浏览等多种功能，方便他们获取数据库中的各类信息，包括 sORF、小蛋白、小蛋白家族及相关数据。
在研究结论和讨论部分，sORFdb 的优势十分显著。它整合了多个数据源，提供了丰富的小蛋白和 sORF 序列，还包含 RBS 使用信息和理化性质等内容。同时，定义了小蛋白家族，有助于小蛋白的识别和注释。不过，该研究也存在一些局限性。例如，数据库中分类学分布存在一定偏差，识别小蛋白的方法还不够完善，需要结合更多手段进行综合判断。此外，对于一些长度较短、功能未知的小蛋白，还需要进一步研究。
总体而言，sORFdb 为细菌小蛋白的研究开辟了新的道路，它让科学家们能够更系统、深入地探索小蛋白的奥秘。尽管目前还存在一些不足，但随着研究的不断深入和技术的持续进步，sORFdb 有望在未来的细菌研究中发挥更大的作用，为我们揭示更多细菌生命活动的秘密。
