Pfam：蛋白结构域数据库怎么用

Pfam 是蛋白结构域数据库，用隐马尔可夫模型（HMM）定义了约 2 万个蛋白家族。它回答的问题是：「这个蛋白由哪些功能模块组成？」 蛋白是模块化的——理解一个蛋白的结构域构成，往往比看整条序列更能说明它的功能。现已整合进 InterPro（见 257《InterPro》）。

为什么用 HMM 而不是简单比对

• 位置特异性：HMM 为每个位置学习不同的氨基酸偏好。结构域中保守的催化残基位置几乎不允许替换，而 loop 区可以自由变化——简单的打分矩阵（如 BLOSUM）无法表达这种差异。
• 能建模插入缺失：HMM 显式建模插入和缺失的概率，比固定的 gap penalty 更贴近实际。
• 灵敏度更高：能检测出序列同一性低至 20%～30% 的远缘同源关系，而这个区间正是简单比对失效的地方。

怎么用

# 在线：InterProScan 或 Pfam 网站上传序列

# 本地：HMMER + Pfam-A 库
mamba install -c bioconda hmmer
wget https://ftp.ebi.ac.uk/pub/databases/Pfam/current_release/Pfam-A.hmm.gz
gunzip Pfam-A.hmm.gz
hmmpress Pfam-A.hmm            # 建索引

# 扫描序列
hmmscan --domtblout results.tbl --cut_ga Pfam-A.hmm query.fasta

--cut_ga 使用 Pfam 为每个家族人工设定的 gathering threshold，这是官方推荐的阈值，比自己设 E-value 更可靠——每个家族的阈值是策展人根据该家族特点单独调过的。

# 解析结果，得到结构域架构
import pandas as pd

cols = ["target", "accession", "tlen", "query", "qaccession", "qlen",
        "evalue", "score", "bias", "dom_num", "dom_total",
        "c_evalue", "i_evalue", "dom_score", "dom_bias",
        "hmm_from", "hmm_to", "ali_from", "ali_to",
        "env_from", "env_to", "acc", "description"]
df = pd.read_csv("results.tbl", sep=r"\s+", comment="#",
                 names=cols, usecols=range(23))

# 按位置排序，得到该蛋白的结构域架构
arch = df.sort_values("ali_from")[["target", "ali_from", "ali_to", "i_evalue"]]
print(arch)

在药物研发中的用法

• 确定该做哪个域：多域蛋白中，通常只有一个域是药物作用位点。激酶蛋白的激酶域、核受体的配体结合域——做结构预测和对接时应该只取相关域，而不是全长蛋白。全长预测往往在域间取向上不可靠，反而干扰判断。
• 评估选择性风险：同一家族的蛋白共享结构域，结合口袋高度相似。查一下靶点属于哪个 Pfam 家族、家族里有多少成员，就能初步判断选择性的难度。激酶域（PF00069）有数百个成员，这就是激酶抑制剂选择性难做的根本原因。
• 寻找可成药先例：同家族的其他成员是否已有上市药物？如果有，说明该家族的口袋是可成药的，配体化学型也有参考价值。
• 理解功能：新靶点或功能未知蛋白，结构域组成是推断功能最快的线索。
• 指导构建体设计：表达纯化时按结构域边界设计构建体，比随意截断成功率高得多。

Clan：更高层的分组

Pfam 把进化上相关但序列已分化较远的家族归为 clan。做选择性分析时，不仅要看同家族成员，还要看同 clan 的成员——它们的结构相似度可能仍足以造成脱靶结合，而单看家族会漏掉这部分风险。

局限

• 只覆盖已知家族：全新的结构域可能识别不出，无匹配不等于没有结构域。
• 边界是概率性的：预测的域边界有一定不确定性，做构建体设计时应结合结构信息（如 AlphaFold 预测的 pLDDT 低谷常对应域间连接区）。
• 无序区不覆盖：内在无序区不形成结构域，Pfam 对它们几乎没有信息。
• 序列相似不等于功能相同：同家族成员可能有完全不同的底物特异性。

延伸资源

• 整合平台：257《InterPro》；序列数据库：255《UniProt》；
• 结构预测：191《OpenFold》、192《Boltz》；
• 选择性概念见「成药性」模块。