成都培训结论 —— 蛋白质组信息学与数据挖掘培训大纲

2017年10月「生物信息学最新技术——蛋白质组学与质谱分析」高级培训班（成都）的培训结论课件，20页，内容为课程大纲+关键方法要点。属于云盘个人工作目录下质谱仪软件架构调研期间的学习资料。

培训课程结构（2017-10-30）

上午：蛋白质组数据注释及功能分析

下午：蛋白质组数据分析常用数据库和工具

从蛋白质鉴定列表（全部/差异/特定群体）生成蛋白质注释信息表，注释维度包括：序列特征、结构特征、功能特征、表达特征、定位特征、相互作用、网络特征、进化特征。

关键思想：基于各类数据库及数据整合程序实现规模化、自动化的信息注释，为后续数据挖掘提供必要信息。即注释不是逐条手工查库，而是管线化批量处理——这与质谱仪软件「自动化报告」的工程需求一致。

基于超几何分布模型（hypergeometric distribution）做 GO/Pathway 的富集或缺失显著性检验——即从 N 个蛋白中取 n 个差异蛋白，某功能类目 K 中命中 k 个的概率分布。这是功能富集分析（GO enrichment）的标准统计框架。

直接依赖数据库注释（如 SwissProt 库自带的 domain 注释）
RPS-BLAST：蛋白质序列 vs 保守结构域库（如 CDD/Pfam）的逆 BLAST。课件给出了实际命令示例（rpsblast -i 输入fasta -d Pfam库 -e 0.001 -o 输出文件），并注意 BLAST 结束后需另写程序提取结果信息（工程落地要点）。
HMMER：基于隐马尔可夫模型（HMM）的结构域/家族搜索。

课件列举了生物信息学最著名的机构及代表性数据库/工具，以及蛋白质结构/进化相关数据库（Pfam 蛋白家族与折叠分布等）。幻灯片中的具体清单以图片呈现，未能提取文本（待确认）。