SIFT

——预测氨基酸替代是否影响蛋白功能

SIFT是预测氨基酸替代是否影响蛋白功能的开放性工具，由A*STAR（Agency for Science, Technology and Research）资金赞助，GIS （Genome Institue of Singapore）Paulien Ng组维护，BII（Bioinformatics Institute）支持服务器。

SIFT功能

SIFT根据同源序列，从氨基酸替代中发现有害替代，预测这个氨基酸替代是否会影响表型。SIFT根据蛋白进化与蛋白功能相关的假设，位置对于功能很重要，那么在蛋白家族比对时，位置应该是保守的，而不重要的位置是多样化的。

SIFT能够为您分析哪些问题？

1. 如果您有一个感兴趣的蛋白，希望哪些氨基酸变异会影响蛋白功能。将序列上传到SIFT，在产生结果分数文件中，有害替代区域会被红色突出标记，您可以选择这些区域进行变异。

2. 如果您有单个氨基酸替代的蛋白，在进行功能分析实验前，SIFT能够预测哪些变异会影响表型。

SIFT如何进行预测？

SIFT根据一条待预测序列和多种比对信息，预测这条序列每个位置的无害替代和有害替代。SIFT预测是一个多步骤过程：1. 搜索类似序列；2. 选择最相关的序列，与查询序列具有相似功能；3. 对上步骤选择的序列进行比对；4. 根据比对结果，计算所有可能的替代是正常的可能性。正常可能性＜0.05的位置被预测为有害，正常可能性≥0.05，则预测为无害。

或者，根据保守性进行SIFT预测：在原来版本的SIFT，可以加入任意条序列。现在的版本，用户设置的序列数量的阈值来限定序列数量。

如果序列预测根据多样性（低保守阈值），只有在高度保守位置的替代会被预测为有害。如果用于预测的序列之间非常相似（高保守阈值），那么大多数替代会被预测为有害。

通过对比试验数据，我们发现替代正常可能性＜0.05是有害的，我们把0.05作为预测阈值。我们强烈建议用户手动检查替代正常可能性，如果你的替代正常可能性稍大于0.05，你可能认为这个替代是有害的。

上传数据类型

您可以上传一条蛋白序列（预测速度慢），或者待预测序列和一些相关的序列（预测速度快），或者待预测序列与相关序列的比对结果（预测速度更快）。上传数据类型如下：

1. 一个NCBI GI #

您可以上传一个NCBI GI #id进行SIFT预测，预测根据提前计算的BLAST搜索和一分钟内的反馈信息。

2. 一条序列

您可以上传一条蛋白序列（FASTA格式）与一组相关的序列。

如果您知道与待预测序列相关的蛋白，你可以上传查询序列和这些相关的序列，这样计算速度会更快。在上传的文件中，将待预测序列作为第一条序列（FASTA格式）。请注意，FASTA序列开头第一个字母是特别的。例如，下面的两条序列。

>A8T644PCSK9 PANTR PROPROTEIN CONVERTASE SUBTILISIN⁄KEXIN TYPE 9 OS=PAN TROGLODYTES

>A8T655PCSK9 PANPA PROPROTEIN CONVERTASE SUBTILISIN⁄KEXIN TYPE 9 OS=PAN PANISCUS

而这两条序列缺不行，因为它们开头都是SP，系统无法区分。

>SP A8T644PCSK9 PANTR PROPROTEIN CONVERTASE SUBTILISIN⁄KEXIN TYPE 9 OS=PAN TROGLODYTES

>SP A8T655PCSK9 PANPA PROPROTEIN CONVERTASE SUBTILISIN⁄KEXIN TYPE 9 OS=PAN PANISCUS

3. 多重比对结果

若果您有感兴趣序列的多重比对结果，能够以CLUSTAL, MSF或FASTA格式上传。您的蛋白序列应该放再文件首位，比对的长度应该与待预测蛋白的长度一致，待预测的蛋白序列中没有空位。

4. 替换

SIFT根据分数预测替换是有害还是无害。替换的格式是X#Y，X表示原来的氨基酸，#表示替换的位置，Y表示新氨基酸。每行只能有一个替换。如下所示。

M1Y

K3S

T4P

SIFT输出结果

SIFT对替换氨基酸的预测

示例：预测单条蛋白序列

以单条蛋白序列为例，查看SIFT对序列的预测结果。

步骤，

1. 在如下图位置，粘贴FASTA格式序列一条蛋白序列。也可以上传FASTA格式的文件。

2. 设置参数

3. 提交后，等待结果，SIFT预测结果报告如下图所示，您可以逐一查看每项结果。您可以根据这些结果，选择性对某些位置氨基酸进行变异，预测蛋白功能。

（1）这条蛋白序列，每个位置的氨基酸被替代的正常可能性表格，如下图所示（截取部分）。

上图中，每行表示参考蛋白中的对应位置，每个位置下面是这条序列的氨基酸。每列表示20种氨基酸中的一种。每个条目报名一个氨基酸替换对应的某一个特定位置的分数，有害替换被红色突出标注。

（2）位置预测

氨基酸替代是否有害的阈值是0.05。氨基酸颜色说明：黑色表示非极性氨基酸，绿色表示极性不带电荷的氨基酸，红色表示碱性氨基酸，蓝色表示酸性氨基酸。大写字母表示氨基酸出现在比对中，小写字母来自预测。“Seq Rep”是包括碱性氨基酸的序列片段，短片段表示这个位置要么有很多空位，要么因为信息少而不能比对。