CATH数据库提供了多种类型的数据供用户下载,涵盖了蛋白质的结构域分类、同源性分析、功能注释等方面。以下是CATH数据库提供的一些主要数据类型及其解释:
http://www.cathdb.info/download
1. 分类数据(Classification Data)
- 文件:如
cath-domain-list.txt
- 内容:包含CATH数据库中所有蛋白质结构域的分类信息,按照CATH四级分类系统组织(Class、Architecture、Topology、Homologous superfamily)。
- 解释:每一行表示一个结构域的分类信息,包括PDB ID、链ID、CATH分类号(CATH四级编号),这些编号可以帮助用户了解每个结构域在CATH分类中的位置。
2. 非冗余数据集(Non-redundant Data Sets)
- 文件:如
cath-dataset-nonredundant-S40-v4_0_0.list
- 内容:包含序列相似性低于指定阈值的结构域列表。例如,
S40
数据集中的结构域序列相似性不超过40%。 - 解释:这些数据集用于去除数据中的冗余,保证不同结构域之间的多样性。可以用于机器学习模型的训练集、测试集构建等。
此外,还有序列数据、同源超家族信息以及pdb结构数据等。
CATH数据库提供了多种类型的数据下载,涵盖了蛋白质结构域的分类、序列、三维结构、同源家族信息以及功能注释等。这些数据可以用于蛋白质结构和功能研究、机器学习模型的训练集构建、同源建模、序列比对和进化分析等生物信息学领域的广泛应用。