1、NCBI蛋白数据库变更
自2025年8月起，ClusteredNR将取代传统的标准NR数据库，成为蛋白质BLAST搜索的默认数据库。这一变更旨在提升搜索效率和结果质量。当然，传统的NR数据库仍可通过手动选择继续使用。
2、ClusteredNR的优势
更快的搜索速度：通过聚类减少数据量，加速分析流程。
减少冗余结果：每个聚类仅保留代表性序列（基于标题和功能筛选），避免重复相似序列的干扰。
更广的分类覆盖范围：结果中能体现更多物种的多样性信息（某些物种代表性过高，在蛋白质搜索中占据主导地位，例如示例中人类朊蛋白的搜索结果覆盖了132条序列的聚类）。
3、ClusteredNR的来源
ClusteredNR的本质是对标准NR数据库进行去冗余聚类，通过90%相似性+90%长度的阈值，将高度相似的蛋白质归为同一簇，并选取代表性序列优化 BLAST 搜索体验。
聚类方法：使用MMseqs2对NR数据库中的蛋白质序列进行聚类，保证序列相似性≥90%（即同一簇内的蛋白质序列彼此间至少90%相同）。长度≥90%的最长成员（确保短片段或截断序列不会影响聚类质量）。
代表性序列的选择：每个簇选取一个注释良好的代表性蛋白质，在BLAST结果中，仅显示该代表性序列的标题，以减少冗余信息。
用户可以展开Cluster，查看或下载所有成员蛋白质的序列报告。
参考文件（NCBI）：
1、Faster, Better Results for Protein BLAST Searches
2、New ClusteredNR database: faster searches and more informative BLAST results
我们将持续分享微生物组学研究和生信分析相关的专业技能资料。推荐课程请搜索“密码子学院”。课程问题或个性化分析需求，请联系小唯（微信号：winnerbio01）。
转载本文请联系原作者获取授权，同时请注明本文来自牛祥娜科学网博客。
链接地址：https://wap.sciencenet.cn/blog-3447233-1489949.html?mobile=1
收藏
