扫码联系客服
背景介绍：
基因测序数据分析了许多，致病变异位点也找到了不少。可是如何解释这些变异的作用，仍然是一个巨大的挑战？如果你知道蛋白翻译后修饰（PTMs），则多了一种研究突变-疾病的利器。PTMs对于发挥其正常的生物学功能是十分重要的，已经成为医学研究中的热点问题。目前，已发现的翻译后修饰形式有400种之多，其中在人体蛋白中主要为：磷酸化（Phosphorylation）, 泛素化（ubiquitination），乙酰化（acetylation）和甲基化（methylation）。在已报道的致病位点中，大部分的变异位点为错义突变,其改变主要在蛋白层面；其中，又有21%的错义SNVs位于蛋白翻译后修饰位点（protein sites of post-translational modifications (PTMs)）区域，对于这些突变，将PTM信息纳入到分析中，对理解致病机制及预测致病性是很有意义的。
ActiveDriverDB数据库介绍
1）数据来源：ActiveDriverDB整合了大量不同类型的数据库。在基因层面，有来自于TCGA的34种外显子测序的约9000个肿瘤样本的体细胞突变信息、Clinvar数据库的遗传病突变位点信息以及KG和ExAC等大规模的基因组学测序数据。在蛋白层面，有经实验确定的来源于PhosphositePlus、Phospho.ELM和HPRD数据库的人类PTM位点信息，四种主要PTM（磷酸化、乙酰化、泛素化和甲基化）的蛋白信息，位点特异性的蛋白-蛋白信息（底物蛋白和上游的酶，来源于DrguBand数据库的药物-酶信息等。最终，整合了>385,000已报道的PTM sites 和 ∼3.6 million 错义突变位点。
2）突变对PTM位点的影响
采用一定的方法，将基因坐标转换为蛋白坐标，进而将相关突变mapping 至PTM区域。其中，位于PTM区域的突变称之为direct mutations，在PTM区域的附近突变称之为indirect mutations(其中，距离1-2个氨基酸距离称之为proximal ，3-7称之为 distal)；数据库采用机器学习算法MINP来预测与PTM 相关的突变位点是否会破坏原有的激酶结合motif（或形成新的motif），进而预测突变对细胞信号网络的影响。
3）可视化
主要有两个方面的可视化：（1）Protein sequence view: 包括突变对PTMs的影响，序列特征和网络重塑。如下图A，突变在蛋白序列上的分布，以及与PTM（蓝框）的关系，Y轴表示突变的数量，图B表示 R282W突变破坏了与AURKB的结合motif；图C表示与疾病相关突变影响PTM motif的具体情况。
(2) Interaction network view，包括PTM位点特异性互作, 上游酶和药物靶标；提供的网络有两类：高置信的实验结果和计算机预测结果。如图D表示TP53蛋白互作图及其PTM位点与上游酶的特异性互作。
4）搜索功能：
（1）Searching for genes, pathways, and diseases
（2）Searching for mutations
（3）Browsing top disease-associated genes and pathways
（4）Analyzing custom datasets of mutations
（5）Application programming interface (API)
ActiveDriverDB数据库使用
该数据网站网址: https://www.ActiveDriverDB.org，页面如下图。
其使用简单，多为傻瓜式操作，我们以最为关心的“分析变异位点”为例来展现其操作。
1）进入页面（下图），点击SEARCH,选择MUTATIONS：
进入如下页面（下图）
2）变异数据上传（注:右上角有Login的标示，请注册账号登录）
将要预测的变异位点上传至数据库有2种方式：1）如下图标示1所示，上传VCF文件；2）如标示2所示，直接在方框中输入变异信息，其格式为：一个位点一行，每行可以为 [基因名称，空格，氨基酸替换信息] 的格式，也可以为 [染色体，空格，位点，原始碱基，空格，突变碱基] 的原始变异格式。之后点击Search（标示3）
3) 结果
而后我们会得到如下图所示的结果，主要的有用信息为两列：1）is PTM? 表示该变异是否是PTM ;2)Impact 表示该变异的影响，主要是对分子网络的影响，进而有助于我们评估该突变是否对表型有影响。当然，也可以点击右侧的mutation details 查看更多的具体信息。
总结
总之，ActiveDriverDB数据库在分析变异对蛋白翻译后修饰的影响上是一个不错的工具，该数据库包括了遗传病和肿瘤两类与基因关系最密切的病种，数据来源较广，且维护较好；对于我们扩展变异的功能研究上，提供了新的视角。
参考文献：Krassowski M, Paczkowska M, Cullion K, et al. ActiveDriverDB: human disease mutations and genome variation in post-translational modification sites of proteins[J]. Nucleic acids research, 2017, 46(D1): D901-D910.
