植物非特異性脂質轉運蛋白資料庫 nsLTPDB

30 秒理解

整合植物 nsLTP 序列、結構、分類與功能註解，讓分散資料可以系統比較。

核心問題

如何從分散且分類標準不一的植物 non-specific lipid transfer proteins（nsLTPs），建立可追溯的序列／結構資料庫，並以 8-cysteine motif 與序列證據提出較可用的家族分類與 signatures？

直覺

先用已知 nsLTPs 當種子在公開序列庫找候選，再把「有訊號肽、成熟序列帶 8-Cys 骨架、去除完全相同序列」當成逐層濾網。得到的 curated set 不只放進網頁，也用 cysteine 間距、multiple alignment 與 phylogenetic trees 分型，最後把保守位置轉成可掃描的 Prosite-style patterns。

為什麼重要

資料庫工作的價值在於把 record provenance、去冗餘規則、family classification、結構與文獻放在同一可查詢邊界，讓後續實驗能挑選 residues 與代表性 proteins。不過 motif 命中、phylogenetic separation 與先前 mutagenesis 的一致性都不是新 signature 的 prospective diagnostic accuracy。

閱讀前置

• 理解 precursor、signal peptide、mature protein 與 disulfide bond 的關係。
• 能閱讀 sequence motif／regular-expression notation，例如 C-Xn-C 與 residue classes。
• 知道 BLAST identity threshold、100% deduplication 與 manual curation 各自解決不同問題。
• 理解 multiple sequence alignment、UPGMA、neighbor joining 與分類標籤不是同一種證據。

paper-specific guide · plain → technical → input → output → source

逐步方法導讀

1. 01 · 搜尋、篩選與去冗餘 nsLTP 候選

   從已知蛋白找相似序列，先排除不具典型 cysteine 骨架的候選，再移除完全重複項並人工檢視。

   論文語言: BLAST 2.2.17 以已知植物 nsLTPs 搜 SwissProt；植物 homologs 在 sequence identity >15% 時列為 candidates，沒有 8-Cys motif 者濾除，100% sequence-identity records 去冗餘，剩餘 candidates 再 manual examination。SignalP 3.0 用於預測與移除 signal peptide，以取得 putative mature sequences。

   輸入: RefSeq／GenBank／SwissProt protein records、已知 nsLTP seed sequences 與 SignalP predictions。

   輸出: 1,395 個 putative resource records，以及供後續分析的 595-sequence、100% identity 去冗餘集合。

   邊界: >15% identity 是候選召回條件，8-Cys motif 與人工檢視才是後續篩選；595/1,395 不是有 gold-standard negatives 支持的 precision。

   PDF pp. 2–3, Methods, SignalP, Data mining and Table 1

2. 02 · 以 cysteine 間距與 phylogeny 分型

   對成熟序列排齊，觀察八個保守 cysteines 之間的間距與其他保守位置，再檢查分型是否也會在樹上分開。

   論文語言: ClustalW 2.0.12 建 MSA 並人工修整；PHYLIP 3.67 以 UPGMA 與 neighbor joining 重建 phylogenetic trees。作者將 Boutrot 的九型架構調整為五型，依 8-Cys motif 間距與 sequence similarity 分組，並為 Type I／II 形成新 Prosite-style patterns。

   輸入: 595 條 putative mature nsLTP sequences 與其 8-Cys spacing／alignment columns。

   輸出: 五個 nsLTP types、phylogenetic visualization，以及 Type I／II signatures。

   邊界: 同一批 sequences 同時用於產生與描述分類；tree separation 是內部一致性，不是獨立 test set 的 classification accuracy。Type III–V 因案例較少而未建立新 patterns。

   PDF pp. 3–5, Sequence alignment, Table 2, phylogenetic analysis and Figure 1

3. 03 · 發布可查詢資源並連結既有實驗

   把 sequence、structure、species、reference 與分類放進網頁，再檢查 signature 的保守位置是否對應先前已知會影響結構或 lipid binding 的 residues。

   論文語言: historical nsLTPDB 介面分為 Homepage、Species Browsing、Structure Browsing、Related References 與 tools，並列出 PDB structures。Type I／II conserved positions再與作者群先前的 mungbean alanine scanning、rice nsLTP2 docking／stability experiments 對照。

   輸入: curated annotations、PDB structures、literature records、新 patterns 與既有 mutagenesis／modeling 結果。

   輸出: 可瀏覽資料庫與一組供後續 wet-lab 驗證的候選 conserved residues。

   邊界: Figures 2–3 明確引用先前資料；本篇的 pattern–function 連結是回溯式 triangulation，不應敘述成新做的 prospective mutagenesis。

   PDF pp. 5–7, Figures 2–5 and The nsLTPDB

關鍵結果

把植物 nsLTP 家族整理成可重用資料基礎，重點是資料整合與分類。

逐節證據導讀

論文事實、本站判讀與教學模型分開標示。

paper-fact

先釐清 1,395 與 595 是哪一層資料

Methods 表示 signal-peptide／8-Cys screening 後得到 1,395 putative nsLTP sequences，web interface 收錄這些 putative records；再去除 100% sequence-identical redundancies後，留下 595 條序列供 protein analysis 與 evolutionary study，來自 121 species。

PDF p.6 的 resource description 說資料庫當時有 1,395 putative sequences 與 32 PDB structures，但同頁 Conclusion 又說 database contains 595 nsLTPs。最穩健的讀法是把 1,395 視為 putative resource layer、595 視為 nonredundant curated analysis set，同時保留原文口徑衝突，不把兩數強行合併。

原文定位: PDF pp. 1–3, Abstract, Methods and Table 1; PDF p. 6, The nsLTPDB and Conclusions

paper-fact

8-Cys 是 family 骨架，不足以單獨分型

作者指出共同的 C-Xn-C-Xn-CC-Xn-CXC-Xn-C-Xn-C motif 可辨識家族骨架，卻不能單獨完成分類，因此將 cysteine 間 flanking lengths、sequence similarity 與 phylogenetic separation 合併，提出五型分類；595 sequences 在所建樹中分成五群。

Prosite 20.8 有 1,331 patterns，但既有 PLANT_LTP pattern PS00597 只在收集資料中辨識到 86 cases，且漏掉多數 nsLTP sequences。作者因而從 alignment conservation 形成 Type I／II 新 patterns；這改善的是 family-specific coverage hypothesis，尚缺獨立 positives／negatives 的 sensitivity 與 specificity。

原文定位: PDF pp. 3–5, Table 2, phylogenetic analysis and Strategies for defining new Prosite-styled patterns

project-reading

保守位置是實驗優先序，不是功能定論

Type I pattern 中多個先前由 mungbean alanine scanning 指出的 cavity／lipid-transfer-related positions，其主要 residue classes 多為至少 86% 保守；rice Type II 的 Leu8、Phe36、Phe39、Tyr48、Val49 等位置對應 residue classes 至少 92%，position 45 為 75%。

這種一致性提高新保守位置作為 mutagenesis targets 的合理性，卻不能把 conservation percentage 當作 effect size 或 lipid-transfer prediction probability。下一步應在預先保留的 sequences 與新實驗中，分開驗證 pattern classification、fold stability、binding 與 transfer activity。

原文定位: PDF p. 5, Figure 1, The mungbean nsLTP1 and The rice nsLTP2; PDF p. 6, Figures 2–3

研究設計與評估

資料與樣本

候選來源涵蓋 NCBI RefSeq／GenBank、SwissProt 與 PDB；BLAST >15% identity、8-Cys motif、SignalP 3.0、100% identity deduplication 與 manual examination 形成 595-sequence／121-species analysis set。結構、文獻與 biological data 另整合至 historical web resource。

比較基準

• Boutrot 等人以 267／251-scale records 建立的九型分類，作為本文調整為五型架構的歷史對照。
• Prosite 20.8 的既有 PLANT_LTP signature PS00597，作為新 Type I／II patterns 的 coverage motivation。
• 作者群先前的 mungbean alanine scanning 與 rice nsLTP2 structural／docking results，作為保守位置的回溯式功能參照。

指標

Curated nonredundant set size

在本文 retrieval、motif filtering、100% identity deduplication 與人工檢視流程後，用於分析的 595 sequences／121 species。
邊界: 是資料資源規模，不是 search precision、recall 或生物界完整覆蓋率；paper 對 1,395／595 的 database wording 也不完全一致。

Signal-peptide prevalence

595-set 中由 SignalP 3.0 預測具有 7–49 amino-acid signal peptide 的 precursor 比例為 98%。
邊界: 這是 software prediction prevalence，不是以實驗定位驗證的 secretion sensitivity。

Phylogenetic type separation

依本文五型 labels 分組的 595 sequences 在 UPGMA／neighbor-joining visualizations 中可分開。
邊界: labels 與 tree 都源自同一 sequence collection，沒有 held-out test set 或 confusion matrix。

Conserved-residue frequency

alignment column 中主要 amino acid 或 physicochemical class 的 occurrence percentage，用於挑選可能重要 residues。
邊界: 不是 mutation effect size、binding affinity 或功能機率；會受 sequence sampling 與 redundancy policy 影響。

論文報告的結果

本文建立 595-sequence、121-species 的 nonredundant analysis set，98% precursors 被預測含 7–49-aa signal peptide；依 8-Cys spacing 與 sequence evidence 提出五型分類，並為 Type I／II 建立新 signatures。resource description 另報 1,395 putative sequences 與 32 PDB structures，應與 595 curated set 分層閱讀。

PDF pp. 1–5, Abstract, Methods, Tables 1–2 and Figure 1; PDF p. 6, The nsLTPDB and Conclusions

teaching-model · not a reported experiment

教學例（不是論文實驗）

從一條候選 precursor 到可審核的 nsLTP record

本站教學模型：一條 112-aa 植物 protein 被 BLAST 找到，對 seed identity 為 24%，SignalP 預測前 23 aa 是 signal peptide；剩餘 mature sequence 含八個 cysteines。

1. 保留原始 accession、資料庫版本與 BLAST evidence；24% identity 只讓它進 candidate pool。
2. 移除預測 signal peptide 後，標出八個 cysteines，確認順序符合 C-Xn-C-Xn-CC-Xn-CXC-Xn-C-Xn-C 骨架並記錄每個 n。
3. 以 100% identity policy 查重；若不是 exact duplicate，再放入 MSA，依 spacing 與 alignment evidence 產生 provisional type。
4. 另列 SignalP、type、signature match 與 PDB／literature links 的 evidence fields；若沒有實驗資料，function 欄標為未驗證。

帶走什麼: 一筆可重用 database record 應保留每一層推論與來源，不能把候選召回、motif 通過、type assignment 與實驗功能合成單一「已確認」。

outside-scope

相對 FAST 的證據邊界

資料庫與蛋白家族分析不構成 FAST alignment 比較。

合法來源與取用

9 pages · SHA-256 e96fbfd616e08023d6591c060e66f0c422c3c0137b0809b09f51ed9752c13b66

刊於期刊 supplement、源自 APBC 2012；合法開放全文。

Europe PMC open-access PDF

限制與防誤讀

• 資料庫內容反映當時可取得的植物基因體與註解。

證據定位清單

1. PDF pp. 1–3, Abstract, Methods and Table 1
2. PDF p. 3, SignalP, Data mining and sequence-alignment methods
3. PDF pp. 4–5, Table 2, phylogenetic analysis and Figure 1
4. PDF pp. 5–6, prior mutagenesis/modeling comparisons and Figures 2–3
5. PDF pp. 6–7, The nsLTPDB, Conclusions and Figure 5

理解檢查

1. BLAST identity >15% 是否足以確認 nsLTP？

   答案: 不足；它只定義 candidate，後面仍有 8-Cys filtering、去冗餘與 manual examination。

   低 threshold 用於召回候選，不能當作最終 family label。

2. 為何不能直接說 nsLTPDB 只有 595 筆？

   答案: Methods／resource description 另報 1,395 putative sequences，而 595 是 100% 去冗餘後的分析集合；結論用詞又混合兩層。

   正確報告應同時給 count、curation state 與用途。

3. 保守頻率 ≥92% 是否代表該 mutation 有 92% 機率破壞 binding？

   答案: 不代表；那是 alignment occurrence frequency，不是 mutation-outcome probability。

   功能影響仍需 fold、stability、binding 與 transfer assays 分開測量。

讀完標準: 設計 nsLTPDB 的可重現更新流程：鎖定 source database versions，保存 raw candidates、每一步 exclusion reason、100% identity clusters、mature-sequence coordinates 與 provisional types；再以獨立 positives／negatives 評估新 Type I／II signatures 的 sensitivity、specificity 與 family coverage。

本篇詞彙表

8-Cys motif

plant nsLTP mature sequence 中八個高度保守 cysteines 及其間隔所形成的家族骨架。

Putative record

由計算 evidence 支持、但不等於已由實驗完整確認的候選資料。

Prosite-style pattern

以固定 residues、允許的 residue classes 與可變間隔描述 protein-family signature 的規則表示。

100% identity deduplication

將完全相同的 sequences 合併，避免同一序列重複計數；不會移除所有近緣偏差。