Pfam je veřejně dostupná bioinformatická databáze proteinových rodin a domén, která umožňuje klasifikaci proteinových sekvencí na základě evoluční příbuznosti. Databáze je založena na profilových skrytých Markovových modelech (HMM) a je široce využívána při anotaci genomů, studiu struktury a funkce proteinů i ve srovnávací genomice.
Pfam je vyvíjena a spravována v rámci infrastruktury EMBL‑EBI (European Molecular Biology Laboratory – European Bioinformatics Institute) a patří mezi klíčové zdroje integrující informace z databází jako UniProt či Protein Data Bank (PDB).
Díky kombinaci práce kurátorů a automatizovaných metod si udržuje stabilní úroveň pokrytí zejména proti databázi UniProtKB, a to i přes rychlý růst objemu sekvenčních dat. Paysan-Lafosse et al. (2025) publikovali informace o zapojení umělé inteligence a využití nástroje AlphaFold, které jim právě umožnilo udržet pokrytí okolo 75%, přestože v databázi UniProtKB databázi došlo k výraznému nárůstu počtu záznamů.
Pfam A a Pfam B Pfam se skládá ze dvou částí:
Pfam-A – kurátory spravovaná databáze s HMM modely, Pfam-B – automaticky generované klastry sekvencí.
Pfam-B byl původně generován pomocí algoritmu ADDA na základě porovnání sekvencí (all-against-all BLAST), ale jeho produkce byla po verzi 28.0 ukončena kvůli výpočetní náročnosti a nesouladu s UniProtKB.
Ve verzi 33.1 byl Pfam-B znovu zaveden s využitím nástroje MMseqs2. Obsahuje více než 136 000 klastrů a slouží jako zdroj kandidátů na nové rodiny, zatím bez vlastních HMM modelů.
Klany ostupem času se zvyšoval počet rodin evidovaných v databázi Pfam a byly odhalovány další evoluční vztahy. Stále obtížnější bylo udržet původní filozofii Pfam, podle níž by se jednotlivé rodiny měly překrývat co nejméně. Toto pravidlo při vytváření nových rodin nebo při revizi těch stávajících naráželo na dva problémy:
mnoho Pfam rodin je vzájemně příbuzných a měly uměle nastavené příliš přísné prahy, aby se zabránilo jejich překrývání; u některých velkých a velmi různorodých rodin nebylo možné vytvořit jediný HMM model, který by zachytil všechny jejich zástupce.
K řešení těchto problémů byly v roce 2005 zavedeny tzv. klany,, které představují skupiny příbuzných rodin se společným evolučním původem, který je potvrzen na základě strukturálních, funkčních, sekvenčních a HMM srovnání.
Historie Databáze Pfam byla založena v roce 1995 Erikem Sonnhammerem, Seanem Eddym a Richardem Durbinem jako soubor běžných proteinových domén určených k anotaci komplexních proteinů mnohobuněčných organismů. Postupem času se vyvinula v nástroj pro systematické třídění proteinových sekvencí do rodin na základě vícenásobných zarovnání. Původně byla distribuována prostřednictvím FTP archivů a provozována na akademických serverech; postupně se však přesunula do moderní webové infrastruktury EMBL‑EBI. +Verze databáze PfamVerze PfamPočet rodinPočet klanůNovinky verzePokrytí sekvencí UniProtKB RP Pfam2.05273.11313Mezi hlavní změny patřilo použití pokročilejší verze softwaru HMMER (verze 2).4.318156.630711879731722411912Nejdůležitější změnou je zavedení nástroje HMMER3. Tento software je přibližně stokrát rychlejší než předchozí verze HMMER2 a díky systematickému využití dopředného algoritmu dosahuje vyšší citlivosti při detekci homologních sekvencí.25122732613672499271483151528Ukončení distrubuce Pfam-B databáze. Pfam dříve rozlišoval čtyři typy proteinových záznamů: (i) Family; (ii) Domain; (iii) Repeat; (iv) Motif. Ve verzi Pfam 28.0 byly zavedeny dva další typy: „Disordered“ a „Coiled‑coil“.29 (2015)1629555932 (září 2018)1792962833.1
(2020)18259635Obnovení Pfam-B databáze.75.1%34.01917964574.5%35.01963265775.2%36.0
(květen 2022)2079566076.2%37.0
(2024)2197970976.3%38.127481812 Reference
Kategorie:Bioinformatika Kategorie:Biologické databáze