InterPro：蛋白功能注释整合平台

InterPro（EMBL-EBI）把十多个蛋白特征识别数据库整合成统一的注释体系。不同数据库各有所长——有的擅长结构域，有的擅长功能位点，有的擅长家族分类——InterPro 把它们的预测结果合并去冗余，并映射到统一的 InterPro 条目和 GO 术语。做蛋白功能注释，用它一次就能拿到全貌。

成员库构成

PROSITE 的功能位点模式和 MobiDB-lite 的无序区预测是 Pfam 给不了的：前者能标出具体的催化残基和结合位点，后者标出柔性无序区——两者对药物设计都很有价值。

InterProScan：一次跑完所有

# 在线提交（少量序列）
# https://www.ebi.ac.uk/interpro/search/sequence/

# 本地部署（大规模分析）
wget https://ftp.ebi.ac.uk/pub/software/unix/iprscan/5/interproscan-5.XX-XX.0-64-bit.tar.gz
tar -xzf interproscan-*.tar.gz
cd interproscan-* && python3 setup.py -f interproscan.properties

./interproscan.sh -i proteins.fasta -f TSV,GFF3,JSON \
  -goterms -pa -dp -cpu 8 -b results

本地部署需要几十 GB 磁盘和 Java 环境，跑全量成员库较慢。只需要结构域信息时，用 -appl Pfam,PROSITE 限定范围能快很多。

# API 查询已有蛋白的注释
import requests

r = requests.get("https://www.ebi.ac.uk/interpro/api/entry/all/protein/uniprot/P00533/",
                 params={"page_size": 100})
for e in r.json()["results"]:
    md = e["metadata"]
    print(f"{md['accession']:15s} {md['type']:12s} {md['name']}")

整合注释的价值

• 交叉验证：多个独立方法都识别出同一个结构域，可信度远高于单一来源的预测。反之，只有一个成员库报出的注释要谨慎。
• 互补覆盖：Pfam 漏掉的域可能被 SMART 或 CDD 捕捉到，特别是对远缘同源。
• 统一的 GO 映射：InterPro 条目关联到 GO 术语，为大规模功能注释和富集分析提供基础。新测序物种的蛋白功能注释，主流做法就是跑 InterProScan 拿 GO。
• 层级关系：InterPro 条目有父子关系（家族 → 亚家族），可以在不同粒度上分析。

在药物研发中的用法

• 新靶点的快速画像：拿到一个陌生蛋白，跑一遍 InterProScan，结构域组成、功能位点、跨膜区、无序区、亚细胞定位线索一次全有。
• 判断可成药性：有明确的酶催化域或配体结合域，通常比全是无序区的蛋白更可成药。MobiDB-lite 报出大段无序区，是个重要的警示信号。
• 构建体设计：结合结构域边界与无序区预测，设计易表达、易结晶的构建体。
• 脱靶家族分析：找出同家族/同超家族的所有人类蛋白，评估选择性风险。

延伸资源

• 核心成员库：256《Pfam》；序列数据库：255《UniProt》；
• 功能注释：262《Gene Ontology》；通路：260《Reactome》、261《KEGG》。