信息速览
INFOBOX — InterPro 一屏速览
维度 内容 本质 蛋白质序列整合分类资源——把多家成员库的签名（signature）归并为统一 InterPro entry，非单一数据库 主导机构 EMBL-EBI（欧洲生物信息研究所，英国 Hinxton）+ InterPro 联盟（consortium）成员库机构 当前版本 InterPro 110.0（2026-09-03）；上一版 109.0（2026-06-11）；约每 8 周更新一次 权威论文 Blum M, et al. Nucleic Acids Res. 2025;53(D1):D444-D456；doi:10.1093/nar/gkae1082（论文报告 version 101.0） Entry 总数 54,922（Family 28,238 / Domain 21,768 / Homologous Superfamily 3,516 / Repeat 389 / Site 1,011）；最新 entry IPR065560 成员库 13 家：Pfam、PROSITE（patterns+profiles）、PRINTS、SMART、PANTHER、CATH-Gene3D、CDD、SFLD、SUPERFAMILY、HAMAP、PIRSF、NCBIfam、MobiDB Lite 覆盖 UniProtKB 150,006,383 条中 85.1%（127,708,989）命中任一签名；Swiss-Prot 97.6%；PDB 94.7% 被整合 GO 映射 InterPro2GO 29,991 个 GO term；引用 PubMed 文献 68,259 篇 许可 CC0 1.0 Universal（公共领域奉献，InterPro/Pfam/PRINTS/SFLD 可下载数据）；InterProScan 软件 Apache 2.0 获取 批量下载 + REST API（JSON，六端点）+ 导出 FASTA/JSON/TSV/Text；InterProScan 命令行/在线扫描 与 Pfam 关系 InterPro = 整合层（元库）｜Pfam = 成员层（签名提供方）——InterPro 消费 Pfam，二者非并列 库内互链 Pfam（成员层，核心对照）、AlphaFold（结构预测集成）、蛋白质组学/变异注释相关条目
InterPro 是蛋白质世界的"联合国"：它自己不生产蛋白质家族的原始定义，而是把 13 家各有专长的成员数据库（member databases）——从 Pfam 的隐马尔可夫模型到 PROSITE 的保守模式、从 CATH-Gene3D 的结构折叠分类到 PANTHER 的系统发育家族——的预测模型（称为"签名"，signature）收集起来，用一套统一流水线（InterProScan）去扫描全世界的蛋白质序列库，再把指向同一实体的签名归并成一个编号（如 IPR000001）、一段功能描述和一组基因本体（GO）注释。使用者拿到的不再是"某个库说这是什么"，而是"多个库交叉验证后这最可能是什么"。这是数据整合（data integration）作为一门工程学科的教科书级案例。
导语读法三则：
- 只想拿注释：直奔 §5（获取与数据格式）与 §4（规模硬数字）——记住 API 六端点与批量下载 FTP 路径，CC0 许可几乎无使用障碍。
- 想弄清"整合层 vs 成员层"：直奔 §2 与 §6——InterPro 与 Pfam/PROSITE 等不是竞争关系而是包含关系，理解这点才能正确引用与归因。
- 做生信分析或模型训练：直奔 §3（构建方法）与 §7（下游生态）——InterPro2GO、AlphaFold/PDB 集成、结构域架构检索是与 UniProt、GO、AlphaFold 联动的主干接口。
§0 导读：这个资源解决什么问题
蛋白质功能注释领域存在一个根本张力：没有任何单一的预测方法能同时做到"广覆盖、高灵敏、高特异"。基于序列的模式匹配（如 PROSITE 的短模式）灵敏度高但特异性低、易假阳性；基于隐马尔可夫模型（HMM，如 Pfam）的家族谱建得好但仍受限于已知同源序列的深度；基于三维结构的分类（如 CATH-Gene3D、SUPERFAMILY）能捕捉序列差异极大但结构同源的远缘关系，却依赖结构解析的覆盖；基于系统发育的家族（如 PANTHER）强调进化谱系，但对快速进化家族力有未逮。每一家成员库都在自己的盲区外工作，盲区之间又常常互补。
InterPro 的答案不是再造一个更强的方法，而是"众智整合"：把各家签名都跑一遍，然后判定哪些签名描述的是同一个生物学实体——同一个蛋白家族、同一个结构域、同一个位点。归并后的统一 entry 继承了多方证据：一个家族若被 Pfam 的 HMM、PANTHER 的系统发育树和 CATH-Gene3D 的结构域同时支持，其可信度远高于单库。这一"整合"决策需要人工策展（curation）参与判定签名间的等价性，因此 InterPro 本质上是一个"策展型元数据库"（curated meta-database），而非自动化聚合器。
整合的第二个价值是标准化。蛋白功能注释长期碎片化：同一蛋白在不同库里可能有不同的家族名、不同的边界、不同的置信度。InterPro 提供一个稳定的登录号体系（IPR accession）作为锚点，下游的 Gene Ontology 注释、结构数据库映射、乃至机器学习标注都能挂靠到这个锚点上。当前的 InterPro 把 29,991 个 GO term 映射到 InterPro entry（InterPro2GO），使得跨 UniProt 全库的自动 GO 注释成为可能——一个 entry 被策展关联到 GO term 后，所有匹配该 entry 的蛋白都可自动继承该功能标签，这是"以点带面"的规模化注释策略。
第三个价值是长期归档（archiving）。成员数据库会退役：某些库因资金、维护或方法过时而停止更新。若直接丢失，会破坏大量历史注释的可追溯性。InterPro 承担"退役库长期档案"的角色——把已停止维护的库的签名保留在体系内（如 TIGRFAMs 的内容并入 NCBIfam 后仍在 InterPro 可追溯），保证引用旧签名的文献与流水线不至于断链。
§0.1 为什么"整合"是必然选择：单一方法的四重困境
要理解 InterPro 的设计动机，先要看清楚任何单一预测方法都无法回避的四重困境。
第一重是灵敏度与特异性的张力。基于短序列模式的匹配（PROSITE patterns 式）依赖于把功能位点抽象成几个保守残基的正则式——例如某酶活性中心的"His-Glu-Cys"三连体。这种模式极灵敏（几乎不会漏掉真正的活性位点），但也极容易假阳性：随机序列中出现三连体的概率不低，且模式无法捕捉三维空间中邻近但序列上分散的残基。反过来，隐马尔可夫模型（HMM，Pfam 式）把整段家族的序列变异建模为概率分布，特异性高，但对"只有几个残基的关键位点"不够精细。没有任何单一方法能同时拿到高灵敏与高特异。
第二重是序列证据与结构证据的割裂。序列相似度下降到一个阈值以下（俗称"twilight zone"，约 20-25% 同一性）后，同源关系几乎无法从序列判断——但两个蛋白可能仍共享同一三维折叠（同源超家族）。这时必须引入结构分类（CATH-Gene3D 基于 CATH、SUPERFAMILY 基于 SCOP）作为证据。反之，结构解析速度远落后于测序速度，绝大多数蛋白没有实验结构，只能靠序列方法推断。两套证据各有覆盖盲区。
第三重是全长家族与结构域模块的粒度差异。有些蛋白是单一功能单元（单域蛋白），可以整体归为一个家族；有些蛋白是多域拼装体（multi-domain protein），每个域可能来自不同家族、执行不同功能。PIRSF 用"全长进化"定义家族，SMART 用"模块化域"定义组件，两者视角不同。要同时支持"整体家族归属"与"局部域内容"两种查询，必须整合两种粒度的方法。
第四重是进化关系与结构相似性的分歧。系统发育方法（PANTHER）按进化谱系划分家族，可能把结构不同但序列同源的归为一族；结构分类方法（CATH-Gene3D）按折叠类型划分，可能把序列差异大但结构同源的归为一族。两者刻画的是"关系"的不同侧面，任何单一方都不能替代另一方。
正是因为这四重困境无法被任何单一方法解决，整合才成为必然。InterPro 的设计哲学可以概括为：不追求最优的单点方法，而追求最优的方法组合与最准的等价性判定。
§0.2 InterPro 的三个核心价值
价值一：众智整合（consensus integration）。 把 13 家方法互补的成员库签名归并为统一 entry，一个 entry 若被多个库的签名同时支持（如某家族被 Pfam 的 HMM、PANTHER 的树、CATH-Gene3D 的域同时命中），其可信度远高于单库判定。整合不是简单堆叠，而是策展员人工判定"这些签名是否描述同一实体"——这是 InterPro 区别于自动聚合器的根本。
价值二：标准化锚点（stable identifiers）。 蛋白功能注释长期碎片化：同一蛋白在不同库里家族名不同、边界不同、置信度不同。InterPro 提供稳定的 IPR 登录号（如 IPR000001）作为锚点，使下游注释（GO、结构映射、机器学习标签）都能挂靠到同一身份上。身份恒定、内容可演化，是长期资源建设的关键设计。
价值三：规模化自动注释（scalable annotation）。 通过 InterPro2GO 把 29,991 个 GO term 映射到 entry，使"以点带面"的注释成为可能：策展员把某 entry 关联到一个 GO term 后，所有匹配该 entry 的蛋白（可达数十万条）自动继承该功能标签。这是把"人工策展少量 entry"放大为"自动注释海量序列"的杠杆。
价值四：长期归档（archiving）。 成员库会退役（TIGRFAMs 即例），若直接删除会破坏旧注释的可追溯性。InterPro 保留退役库内容，保证引用旧签名的文献与流水线不断链。
§0.3 阅读路径建议
不同背景的读者可用不同路径切入：
- 生信工程师，要批量注释蛋白组：直接看 §3（构建方法）与 §5（获取格式），重点关注 InterProScan 与 API 组合端点，跳过历史与生态讨论。
- 功能基因组研究者，要查某一蛋白：看 §1（速览）与 §8（库内关系），掌握"从 InterPro 入手、按需下钻 Pfam"的检索策略。
- 方法学研究者，关注整合式数据库设计：看 §9（方法学启示），本文从 InterPro 提炼了五条可迁移经验（众智整合、稳定标识符、分层暴露、退役归档、AI 增强）。
- 数据合规与法务：看 §6（许可），要点是"数据 CC0、软件 Apache 2.0、内含工具另论"。
- 只想快速判定能不能商用：答案是数据层几乎无门槛（CC0），软件层需逐工具核对。
§0 读法三则：
- 这个条目讲的不是一个"数据集文件"而是一个"活体资源"：它每 8 周更新一次，版本号（110.0）、成员库版本（Pfam 38.2 等）与覆盖统计都是时点快照，引用时必须绑定 release 号。
- 全文硬数字均出自 InterPro 110.0 官方 release notes 页（2026-09-03）与 Nucleic Acids Research 2025 论文；论文时点为 101.0，两套数字已在 §4 与坑点中分口径标注。
- 若你在别处看到"InterPro 有 13 个成员库含 TIGRFAMs"这类说法，需留意 TIGRFAMs 已并入 NCBIfam、当前 13 库含 MobiDB Lite——详见坑 2 与坑 5。
§0.4 常见误解速览
下列六个误解在初次接触 InterPro 时高频出现，先在此澄清，正文各处再详述：
- 误解一：“InterPro 是一个像 Pfam 那样的数据库。” 不是。Pfam 是成员库，InterPro 是整合成员库的元数据库。
- 误解二：“InterPro 自己生产家族定义。” 不。InterPro 不生产签名，只整合成员库的签名并做等价性判定。
- 误解三：“InterPro 是静态的、几年不变。” 不。约每 8 周一个 release，数字持续变化。
- 误解四：“CC0 意味着随便用，包括里面所有工具。” 数据可以，但 InterProScan 打包的单个工具许可可能另有限制。
- 误解五：“匹配不到 entry 就是没有功能。” 不。可能只是签名未覆盖（孤儿蛋白）或只被未整合签名命中，也可能落在内在无序区。
- 误解六：“InterPro 覆盖所有物种都很好。” 不。序列覆盖 85.1% 高，但分类学覆盖仅 7.6%，冷门物种很稀疏。
§1 资源速览：十问十答
Q1：InterPro 到底是一个数据库还是一堆数据库？
它是一个"整合数据库"（integrated database），官方称其为 resource（资源）而非单一 database。它自身不含原创签名，而是把 13 家成员数据库的签名整合为统一的 InterPro entry，并对外提供唯一入口。可以理解为：成员库是"原料供应商"，InterPro 是"整合并贴牌出货的中央仓库"。
Q2：谁在做 InterPro？
由 EMBL-EBI（欧洲分子信息学研究所）主导维护，并与 InterPro 联盟（InterPro consortium）各成员库的所属机构协作。联盟成员横跨欧洲与美国，包括负责 Pfam 的 EMBL-EBI、负责 PANTHER 的 USC（南加州大学）等。权威论文作者名单长达 34 人，通讯作者为 Matthias Blum 与 Alex Bateman（均 EMBL-EBI）。
Q3：现在是什么版本，多久更新一次？
当前为 InterPro 110.0，2026 年 9 月 3 日发布；上一版 109.0 于 2026 年 6 月 11 日发布。官方说明约每 8 周更新一次（release_notes 页可查历次变更）。110.0 新增 854 个 InterPro entry，并把 NCBIFAM 更新到 20.0 版本。
Q4：总共有多少 entry，怎么分类？
InterPro 110.0 含 54,922 个 entry，最新一个为 IPR065560。按类型分五类：Family（家族）28,238、Domain（结构域）21,768、Homologous Superfamily（同源超家族）3,516、Repeat（重复）389、Site（位点）1,011（其中又细分 Active Site 133、Binding Site 82、Conserved Site 779、PTM 17）。
Q5：整合了哪些成员库？
当前官方列 13 家：Pfam、PROSITE（含 patterns 与 profiles 两套签名）、PRINTS、SMART、PANTHER、CATH-Gene3D、CDD、SFLD、SUPERFAMILY、HAMAP、PIRSF、NCBIfam、MobiDB Lite。注意：TIGRFAMs 曾是独立成员库，现已退役、其内容并入 NCBIfam；MobiDB Lite 提供内在无序区（intrinsic disorder）共识注释，属较特殊的成员。
Q6：覆盖多少蛋白质？
以 UniProtKB 2026_03 快照计，150,006,383 条序列中 127,708,989 条（85.1%）命中至少一个成员库签名，124,513,028 条（83.0%）命中被整合的签名。其中高质量人工审校子库 Swiss-Prot 覆盖率达 97.6%。此外 PDB 结构的 94.7%、proteome 的 99.6% 已被整合。
Q7：怎么用（查一个蛋白 / 跑一批序列）？
三种用法：① 网页按 accession 或关键词检索（entry、protein、structure、taxonomy、proteome、set 六类视图）；② 用 InterProScan 软件扫描自有序列（在线提交或本地安装），得到签名匹配与结构域架构；③ 用 REST API（JSON，六端点）或批量下载文件离线分析。
Q8：能下载什么格式，怎么拿？
批量数据在 InterPro 下载页与 EBI FTP（ftp.ebi.ac.uk/pub/databases/interpro/）提供；导出支持 Text（登录号列表）、FASTA（仅蛋白）、JSON（同 API 格式）、TSV 四种（单次导出上限 10K 实体）。API 全部返回 JSON，含 entry/protein/structure/taxonomy/proteome/set 六端点，可组合查询。另有 Python 3 / Perl / JavaScript 脚本生成器直接拉取 API 数据。
Q9：许可是什么，能商用吗？
数据本体为 CC0 1.0 Universal（公共领域奉献）——InterPro、Pfam、PRINTS、SFLD 的可下载数据均适用，几乎无使用限制。InterProScan 软件为 Apache License 2.0。官方明确"商业使用无需特别许可"，但要求引用资源与相关成员库、保留版权声明。
Q10：InterPro 和 Pfam 是什么关系？
包含关系，不是并列关系。Pfam 是 InterPro 的 13 家成员库之一（成员层），提供基于 HMM 的全长蛋白家族签名；InterPro 是整合层，消费 Pfam 等成员库的签名并归并为统一 entry。Pfam 38.2 有 30,134 个签名，其中 29,136 个（96.7%）被整合进 InterPro——也就是说绝大多数 Pfam 家族在 InterPro 里都能找到对应 entry。检索时若目标是"某家族的 InterPro 官方描述与跨库证据"，用 InterPro；若目标是"该家族的 HMM 模型文件与比对细节"，用 Pfam。
§1.5 InterPro 在蛋白资源版图中的位置
蛋白世界的公共数据资源可分四层，InterPro 处在"整合层"：
- 原始数据层：测序产生的核酸/蛋白序列（ENA、GenBank）、结构解析实验（PDB）。
- 知识库层：UniProtKB（序列知识库）、PDB/PDBe（结构库）。
- 分类/注释层：InterPro（家族与域）、成员库（Pfam 等签名）、GO（功能本体）、通路库（KEGG/Reactome）。
- 整合/应用层：InterPro 整合签名与注释，供下游模型与应用消费。
InterPro 的独特在于：它既不属于原始数据层（不产生序列），也不属于知识库层（不维护序列记录），而是站在成员库之上做整合，属于"注释层的整合者"。这一定位决定了它的价值来自"连接"而非"拥有"——连接 13 家成员库、连接序列与功能、连接结构与家族。
§1.6 一句话记忆点
如果只能记住关于 InterPro 的三句话：
- 它是蛋白家族/域/位点的"整合层"，把 13 家成员库的签名归并为 54,922 个统一 entry。
- 它覆盖 UniProtKB 的 85.1%，数据 CC0 完全开放，API（六端点）+ 批量下载 + InterProScan 三条获取路径。
- 它和 Pfam 是包含关系（InterPro 整合、Pfam 供签名），引用时记得同时署名成员库。
§2 成员库逐库详解：13 家签名提供方
InterPro 的价值完全建立在成员库之上。理解 InterPro 就必须理解这批"供应商"各自的定位、方法、规模与盲区。本节按官方 About 页列出的 13 家成员库逐一展开，规模数字取自 InterPro 110.0 release notes。
§2.1 Pfam——全长蛋白家族 HMM 库（成员层核心）
Pfam 是 InterPro 体系内规模最大的成员库，当前版本 38.2，含 30,134 个签名，其中 29,136 个（96.7%）被整合。Pfam 的方法是基于多序列比对构建隐马尔可夫模型（Hidden Markov Model，HMM），对蛋白全长或单结构域建模，是序列家族分类的"行业标准"。其 2025 年论文标题直白地叫 “The Pfam protein families database: embracing AI/ML”（doi:10.1093/nar/gkae997），显示 Pfam 正在引入人工智能/机器学习方法增强家族定义与描述。
Pfam 与 InterPro 的关系是本条目最应讲清的一点：Pfam 是成员层、InterPro 是整合层。Pfam 96.7% 的整合率意味着它几乎是 InterPro 的"半壁江山"，但仍有一部分 Pfam 签名（约千个）未被整合——未整合者可能因与其他库签名冲突、边界不一致或尚未完成策展而不进入 InterPro entry 层。因此"在 Pfam 能查到、在 InterPro 查不到"是可能发生的，反之（InterPro entry 聚合了多库证据）则信息更丰富。做家族分析时，若需原始 HMM 模型文件与比对参数，应回到 Pfam；若需跨库共识与 GO 映射，则应留在 InterPro。
实操提示：用 Pfam 的 HMM（hmmer 系列工具）可对自有序列做敏感家族搜索；但要注意 Pfam 家族有"gathering threshold"（收集阈值），低于阈值的匹配不入库，理解这一点才能正确解读"为什么我的序列没匹配上某家族"。Pfam 家族层级有 clan（家族簇）概念——把远缘相关家族组织在一起，这与 InterPro 的整合逻辑异曲同工。
§2.2 PROSITE——模式与谱两套签名（成员层）
PROSITE 是历史最悠久的蛋白家族/域库之一，特征是同时提供两类签名，在 InterPro 中作为两个条目分列：
- PROSITE patterns（模式）：2026_01 版，1,311 个签名，1,279 个（97.6%）被整合。基于正则式的短序列模式，用于识别高度保守的功能位点（如酶活性中心的几个关键残基），灵敏度高、覆盖短、易假阳性。
- PROSITE profiles（谱）：2026_01 版，1,419 个签名，1,321 个（93.1%）被整合。基于广义谱（profile）方法，比 pattern 更灵敏、更适合全长家族与结构域。
PROSITE 的强项在重要位点与短基序（如磷酸化位点、活性残基、金属结合基序），恰好补足 HMM 家族库对"点位"不够精细的短板。在 InterPro 的 Site 类 entry 中，PROSITE patterns 是重要贡献者。
实操提示：PROSITE 的模式用 [AC]-x-V-x(4)-{ED} 这类语法书写，其中方括号是"允许的残基集"、x 是任意残基、x(4) 是重复 4 次、花括号是"禁止的残基集"。解读位点注释时理解这套语法能判断匹配的严格程度。patterns 适合做"快筛"，profiles 适合做"精判"，InterPro 把两者都纳入正好覆盖粗细两个层次。
§2.3 PRINTS——蛋白指纹（成员层）
PRINTS 采用"指纹"（fingerprint）方法：不是用单个模式或模型，而是用一组（通常多个）保守基序的集合来识别一个家族，多个基序如同指纹的多条纹路，需同时或多数匹配才判定命中。当前版本 42.0，2,106 个签名，1,935 个（91.9%）被整合。指纹法的优势是特异性高——单个基序可能偶然出现，一组基序同时出现则极不可能随机。PRINTS 数据在 InterPro 站内下载，且与 InterPro/Pfam/SFLD 同属 CC0 许可范围。
实操提示：指纹法的诊断力来自"多基序协同"——判定命中通常要求多数基序匹配（如 4 个中匹配 3 个），这比单模式法稳健得多。PRINTS 的家族编号以 PR 开头，与 InterPro 的 IPR 编号并存，查到一个蛋白被 PRINTS 某家族命中时，可在 InterPro 里找对应 entry 看整合证据。
§2.4 SMART——信号传导蛋白的模块化域（成员层）
SMART（Simple Modular Architecture Research Tool）专注信号传导与胞外结构域，特别是那些常以"模块"形式出现在多域蛋白中的小结构域。当前版本 9.0，1,322 个签名，1,275 个（96.4%）被整合。SMART 的定位偏重真核信号蛋白的域架构分析（domain architecture），其高整合率说明它与 InterPro 的策展体系契合良好。做域架构（如"SH2-SH3-kinase"式组合）研究时，SMART 是重要来源。
实操提示：SMART 的域边界定义在信号蛋白研究中被广泛采用——例如做"某激酶是否含 SH2 域"这类判断时，SMART 的注释常被引为参考。它与 Pfam 在域命名上有大量重叠但也有差异，做严谨的域计数时建议交叉核对两库边界。
§2.5 PANTHER——系统发育家族（成员层）
PANTHER（Protein ANalysis THrough Evolutionary Relationships）用**系统发育树（phylogenetic tree）**方法划分家族与亚家族，强调进化关系而非单纯序列相似。当前版本 19.0，15,683 个签名，10,665 个（68.0%）被整合——是整合数第二大的成员库（仅次于 Pfam）。PANTHER 的家族层级保留亚家族（subfamily）细分，适合研究基因功能分化与直系同源/旁系同源关系。在 InterPro 110.0 中，PANTHER 贡献了 314 个新增整合方法，是本次更新最多的库之一。PANTHER 的显著特征是把家族与通路/功能注释绑定，其整合率高但并非 100%，反映其部分签名（尤其细粒度亚家族）需与其他库证据协调。
实操提示：PANTHER 的亚家族层级对研究"同一家族内不同成员的功能分化"特别有用——例如同一酶家族中，某些亚家族获得了新底物特异性。做比较基因组或基因功能演化研究时，PANTHER 的树结构比扁平家族列表信息量更大。其家族与 GO 的绑定使得 PANTHER 也常被用于功能富集分析。
§2.6 CATH-Gene3D——基于结构的域分类（成员层）
CATH-Gene3D 来自 CATH 结构分类体系，把蛋白结构域按 Class（类）-Architecture（架构）-Topology（拓扑）-Homologous superfamily（同源超家族） 四级分类，Gene3D 则把这一结构分类扩展到序列空间以覆盖未解析结构的蛋白。当前版本 4.3.0，6,631 个签名，2,846 个（42.9%）被整合。CATH-Gene3D 是 InterPro 中 Homologous Superfamily（同源超家族） 类 entry 的主要来源，其整合率偏低（42.9%）反映结构分类的域边界与序列库边界常存在对应困难。它是捕捉"序列差异极大但结构同源"远缘关系的关键。
实操提示：CATH 的四级命名（如 3.40.50.620 表示 Class 3、Architecture 40、Topology 50、Homologous superfamily 620）是结构生物学的通用语言。做远缘同源分析时，若序列比对查不到，用 CATH-Gene3D 的结构域归类往往能揭示隐藏的同源关系（如"两个看似无关的酶其实共享同一折叠"）。
§2.7 CDD——保守域数据库（成员层）
CDD（Conserved Domain Database）由 NCBI 维护，是保守结构域的集合，自身即整合了多个子来源（含 Pfam 的部分内容与 NCBI 内部策展）。当前版本 3.21，19,902 个签名，仅 5,480 个（27.5%）被整合——整合率在主要库中最低。这既反映 CDD 规模庞大（近 2 万签名），也反映其作为"域的超集集合"有大量签名属于冗余或细粒度变体。CDD 的核心贡献是快速域识别与 NCBI 生态（RefSeq、BLAST 等）联动。使用 InterPro 时需注意：CDD 的大量签名不进入 InterPro entry 层，只做域匹配参考。
实操提示：CDD 是 NCBI BLAST 网页面板（"Conserved domains"部分）的主要后端——在 BLAST 结果里看到的域注释多来自 CDD。因此"BLAST 里看到的域"与"InterPro 里的 entry"常有出入（因 CDD 大量签名不入 entry 层），两者需交叉理解。
§2.8 SFLD——酶超家族（成员层）
SFLD（Structure-Function Linkage Database）专注酶的超家族，把结构、功能与反应化学联系起来，特别关注同一超家族内不同反应活性的分化。当前版本 4（即第 4 代），仅 303 个签名，162 个（53.5%）被整合——规模最小但定位最专，是研究酶功能演化与小分子化学空间的专业资源。SFLD 数据与 InterPro/Pfam/PRINTS 同为 CC0 许可。其低整合率与低签名数反映它是"深度而非广度"型成员库。
实操提示：SFLD 按"超家族-家族-子家族"三层组织，每一层对应不同程度的反应特异性。做酶功能预测（如"某序列催化哪类反应"）时，SFLD 的子家族层级能提供比泛化家族更具体的线索。它是"小而深"库的典型：签名少，但每条信息密度高。
§2.9 SUPERFAMILY——全基因组结构域分配（成员层）
SUPERFAMILY 提供结构域的结构分类及其在全基因组范围的分配，基于 SCOP 结构分类体系用 HMM 把结构域标签传播到所有已测序物种的蛋白组。当前版本 1.75，2,019 个签名，1,650 个（81.7%）被整合。它的独特价值在于"全基因组视角"——为任意物种的蛋白组提供结构域覆盖统计，是结构域组学（domainomics）分析的常用工具。SUPERFAMILY 与 CATH-Gene3D 在结构域分类上定位相近（分属 SCOP 与 CATH 两套体系），互为补充。
实操提示：SUPERFAMILY 常被用于"某物种蛋白组的结构域组成分析"——统计一个物种有多少蛋白含某类结构域。它提供预计算的各物种结果，省去自行运行的算力。注意它基于 SCOP 而 CATH-Gene3D 基于 CATH，两套结构分类体系对同一域可能有不同归类。
§2.10 HAMAP——微生物家族手工注释（成员层）
HAMAP（High-quality Automated and Manual Annotation of Proteins）专注微生物蛋白家族的高质量注释，特点是"手工策展的家族规则"——每个家族由专家定义严格的序列规则（含禁匹配规则排除假阳性），再由规则自动传播注释。当前版本 2026_01，2,394 个签名，2,388 个（99.7%）被整合——整合率最高，几近全数纳入 InterPro。HAMAP 是 UniProt 微生物注释流水线的关键输入，其"宁可少而精"的策略与 CDD 的"多而杂"形成鲜明对照。
§2.11 PIRSF——进化家族（成员层）
PIRSF（Protein Information Resource SuperFamily）基于全长的进化关系划分家族，强调"同源即同家族"的整体性原则（与基于 domain 的方法不同，PIRSF 家族是全长蛋白层面的）。当前版本 3.10，3,285 个签名，3,220 个（98.0%）被整合，整合率极高。PIRSF 家族层级保留"超家族-家族"的细分（从家族到为功能注释服务的子家族），是理解蛋白功能演化与命名统一的重要来源。
实操提示：PIRSF 的"全长家族"视角在功能注释中很有用——当一个多域蛋白很难靠单域归类时，PIRSF 用整条序列的同源关系给出家族归属，避免"只见树木不见森林"。其极高整合率（98.0%）说明它与 InterPro 策展框架高度兼容。
§2.12 NCBIfam——原核家族（含 TIGRFAMs 遗产，成员层）
NCBIfam（NCBI protein family models）是 NCBI 维护的蛋白家族模型集合，主要面向原核生物与微生物基因组注释（服务于 NCBI 的原核基因组注释流水线 PGAP）。当前版本 20.0，18,950 个签名，7,622 个（40.2%）被整合。NCBIfam 的构成包含两部分：NCBI 内部策展的家族与 已退役的 TIGRFAMs 库并入的内容。TIGRFAMs 曾是与 Pfam 齐名的独立成员库（专注原核家族），退役后其模型被 NCBIfam 接管——这正是 InterPro 承担"退役库归档"角色的典型例证。当前官方不再把 TIGRFAMs 列为独立成员库。
实操提示：做微生物基因组注释（尤其细菌/古菌）时，NCBIfam 是核心资源——它与 NCBI 的 PGAP 注释流水线绑定，是大量公共微生物基因组注释的实际来源。理解 NCBIfam 与 TIGRFAMs 的沿革，能避免在旧文献里看到 TIGRFAMs 命中号（TIGRxxxxx）而困惑。
§2.13 MobiDB Lite——内在无序区共识注释（成员层）
MobiDB Lite 严格来说不是一个"签名库"，而是提供内在无序区（intrinsic disorder）共识注释的工具，是 MobiDB 数据库的轻量衍生版（源自意大利帕多瓦大学团队，方法论文见 Bioinformatics 2017;33(9):1402-1404）。它整合多种无序预测方法给出共识结果，被 InterPro 纳入以补足结构化域之外的"柔性区"信息。当一个蛋白区域既无稳定折叠也无已知家族签名时，MobiDB Lite 的无序注释能解释其"为什么匹配不到"。
实操提示：内在无序区在真核信号蛋白与调控蛋白中大量存在（可达整条蛋白的一半以上），它们不折叠却承担重要的结合与调控功能。做蛋白功能分析时，若无序区被忽略，会误判"这部分序列没有功能"。MobiDB Lite 的注释提醒使用者：匹配不到结构域的区域不一定是"无用序列"。
§2.14 工具型附加来源（非签名成员库）
除 13 家成员库外，InterProScan 还整合了一批工具型注释来源用于补充序列特征：COILS（卷曲螺旋预测）、Phobius（信号肽与跨膜区预测）、SignalP（信号肽预测，分真核/革兰阳性/革兰阴性三套）、TMHMM（跨膜区预测）、PIRSR（PIR 位点规则）、AntiFam（伪蛋白/污染序列过滤库——用于识别并剔除假阳性的"伪签名"）。这些来源不产生 InterPro entry，但在扫描流水线中提供额外注释层，AntiFam 尤其关键：它把常见的污染序列（如载体、标签、测序伪迹）建模为"应被排除"的签名，防止假阳性进入下游。
实操提示：解读 InterProScan 结果时，注意区分"成员库签名"与"工具型注释"两部分——前者有 InterPro entry 归属，后者（如 SignalP 的信号肽预测）只提供序列特征而无 entry。做膜蛋白或分泌蛋白研究时，Phobius/SignalP/TMHMM 的注释往往是关键信息。
§2 小结：13 家成员库在"方法（HMM/模式/谱/指纹/树/结构/规则）"“广度（CDD 近 2 万 vs SFLD 303）”“精度（HAMAP 99.7% 整合 vs CDD 27.5%）”"焦点（Pfam 全长 / PROSITE 位点 / CATH 结构 / SFLD 酶）"三个维度上高度互补。正是这种互补性使整合有意义——单库无法覆盖的盲区由他库补上，冲突之处由策展调和。
§2.15 成员库横向对比：四个维度看差异
为便于把握 13 库的定位差异，下表按四类方法学归纳：
| 方法学类别 | 代表成员库 | 核心优势 | 主要局限 |
|---|---|---|---|
| 序列家族模型（HMM） | Pfam、PIRSF、HAMAP、TIGRFAMs（→NCBIfam） | 覆盖广、家族定义清晰 | 远缘关系难捕捉 |
| 序列特征（模式/谱/指纹） | PROSITE patterns、PROSITE profiles、PRINTS、SMART | 位点精细、易解释 | 短模式假阳性风险 |
| 进化关系（系统发育） | PANTHER、PIRSF | 反映谱系与功能分化 | 依赖树的构建质量 |
| 结构分类（折叠） | CATH-Gene3D、SUPERFAMILY | 捕捉远缘同源、结构验证 | 依赖结构解析/预测覆盖 |
| 域集合/功能链接 | CDD、SFLD | 域识别快、化学功能专 | 冗余多、整合率低 |
从这张表可以看到整合的深层逻辑：不同方法学类别的盲区互不重叠。序列模型法在远缘关系上失效，正好由结构分类法补上；短模式法假阳性高，正好由 HMM 与多库交叉验证压制；结构分类法依赖结构覆盖，正好由序列法覆盖无结构蛋白。InterPro 的整合把五类方法的盲区拼成一张互补网。
§2.16 为什么 13 是"当前"而非"永恒"
成员库集合是动态的，理解这一点能避免把某一时点的清单当作永久真理：
- 新增：MobiDB Lite 是较晚加入的成员（提供无序区注释）；
- 退役：TIGRFAMs 已并入 NCBIfam；历史上 ProDom 等库也停止维护；
- 演进：PROSITE 一直分 patterns 与 profiles 两套；CATH 与 SCOP 两大结构分类体系并行（分由 CATH-Gene3D 与 SUPERFAMILY 承载）。
因此"InterPro 有哪些成员库"这个问题的正确答案是"以当前官方 About 页为准"，而不是某个固定数字。本条目以 InterPro 110.0（2026-09-03）的 13 库为准。
§2.17 成员库与 InterPro 的三种协作模式
13 家成员库与 InterPro 的协作并非完全同质，可归纳为三种模式：
- 深度整合型（Pfam、PANTHER、PIRSF、HAMAP、SMART、PROSITE、PRINTS）：签名被大量纳入 entry 层，整合率多在 90% 以上。这些库几乎"融入"了 InterPro，使用者往往通过 InterPro 就能获得其核心内容。
- 部分整合型（CATH-Gene3D、SUPERFAMILY、SFLD、NCBIFAM）：整合率中等（40-82%），一部分签名进 entry 层，一部分停留签名层。使用者需视需求决定是否回原库。
- 签名供给型（CDD、以及工具型来源）：CDD 整合率最低（27.5%），主要作为"域识别参考"而非 entry 来源；工具型来源（COILS、SignalP 等）则完全不进 entry 层，只提供序列特征。
理解这三种模式，能帮助使用者判断"对某成员库的内容，该在 InterPro 拿还是回原库拿"。
§2.18 成员库的地域与机构分布
13 家成员库来自不同机构与国家，体现了 InterPro 的国际协作性质：
| 成员库 | 所属机构（大致） | 地域 |
|---|---|---|
| Pfam | EMBL-EBI | 英国 |
| PROSITE | 瑞士生物信息学研究所（SIB） | 瑞士 |
| PRINTS | 曼彻斯特大学 | 英国 |
| SMART | 欧洲分子生物学实验室（EMBL）等 | 德国/欧洲 |
| PANTHER | 南加州大学（USC） | 美国 |
| CATH-Gene3D | 伦敦大学学院（UCL） | 英国 |
| CDD / NCBIfam | NCBI | 美国 |
| SFLD | 加州大学旧金山分校（UCSF） | 美国 |
| SUPERFAMILY | 布里斯托大学/剑桥 | 英国 |
| HAMAP | 瑞士生物信息学研究所（SIB） | 瑞士 |
| PIRSF | 乔治城大学 PIR | 美国 |
| MobiDB Lite | 帕多瓦大学 | 意大利 |
（机构归属以各库公开信息为准，此处为大致定位。）这张表说明 InterPro 是跨国多方协作的产物——英国、瑞士、美国、意大利等地的团队共同贡献签名，EMBL-EBI 居中整合。这种分布式协作正是整合式资源的组织特征。
§3 构建方法：从签名到 entry 的整合流水线
§3.1 数据流向总览
InterPro 的生产流程可概括为四步：
- 签名供给：13 家成员库各自维护并发布自己的预测模型（HMM、模式、谱、指纹、树、规则等）。各库独立运行、独立更新，版本节奏不一（如 HAMAP 用 2026_01、Pfam 用 38.2、NCBIfam 用 20.0）。
- 全库扫描：InterPro 用 InterProScan 软件把所有签名对 UniProtKB 与 UniParc 的全量序列运行一遍，得到每条序列上每个签名的匹配位置与置信值。release 110.0 已对全部 UniProtKB 与 UniParc 蛋白完成匹配计算。
- 整合判定：策展团队（curator）判定哪些成员库签名描述同一生物学实体，把它们归并为一个 InterPro entry（分配 IPR 编号）。这一步是人工策展密集的——需要比对边界、注释、文献证据，确定"这些签名说的是同一件事"。
- 增值注释：为每个 entry 撰写功能描述、分配 Gene Ontology term（InterPro2GO）、建立与 PDB/AlphaFold 结构及文献（PubMed）的映射。
§3.2 整合决策的逻辑
整合的核心问题是"签名等价性判定"。两个签名被视为描述同一实体，通常基于：序列匹配高度重叠（在多数蛋白上共现）、功能描述一致、文献证据一致、边界相容。判定等价后，一个 InterPro entry 会列出其所有成员库映射（例如某 entry 同时映射到 Pfam、PANTHER、CATH-Gene3D 的对应签名），使用者因此能看到"多库交叉验证"的证据链。
反向地，若签名无法被归并（如边界冲突、功能描述矛盾、或属于尚未策展的新家族），它就不进入 entry 层，仅作为成员库签名存在——这解释了为何各库整合率差异巨大（HAMAP 99.7% vs CDD 27.5%）：HAMAP 家族少而精、边界清晰，易整合；CDD 签名多而杂、含大量细粒度域变体，难以逐一归并。
整合判定的典型难点包括三类：
- 边界不一致：同一家族在不同库中定义的结构域边界可能错开若干残基，策展员需判断差异是否有生物学意义；
- 粒度不一致：一个库的"家族"可能对应另一个库的多个"亚家族"，需要建立一对多映射；
- 重名不同源：不同库用同一名称指代不同实体（罕见但存在），策展需消歧。
§3.3 InterProScan 流水线
InterProScan 是 InterPro 的配套扫描软件，也是整个流程的执行引擎。它把成员库签名与工具型来源打包，对输入序列（蛋白或核酸）运行全套扫描。InterProScan 6 是当前最新代，官方称其为"re-engineered pipeline"（重构流水线），并配套推出 InterPro-N（对用户自有序列的从头预测功能）、新的 Matches API 与 MCP server（面向 AI 智能体的接口）。InterProScan 软件以 Apache License 2.0 开源，可本地安装或远程提交，输出多种格式。
InterProScan 的典型使用形态有两种：一是在网页端提交单个或少量序列做交互分析；二是本地部署对大规模序列集（如整个蛋白组）批量扫描。后者是注释流水线的常见形态——许多基因组注释项目会把新测序物种的全部蛋白跑一遍 InterProScan，得到结构域与家族注释，再据此做功能推断。
§3.4 匹配层级与结果解读
InterProScan 的输出是分层匹配：signature 匹配（某成员库签名在序列的哪一段命中，含 e-value/score）→ InterPro entry 匹配（该签名的整合归属）→ 结构域架构（同一蛋白上多个 entry 的排列组合，如"信号肽-钙结合域-激酶域"）。使用者关心的常见结果形态包括：某蛋白属于哪个家族（family membership）、含哪些结构域（domain content）、有哪些重要位点（site annotation）、结构域如何沿序列排列（architecture）。architecture 检索是 InterPro 的特色功能——可按"含 A 又含 B"的结构域组合反查蛋白。
对单条序列的注释结果，通常包含四个层次的信息：（1）命中的 InterPro entry 列表及其类型；（2）每个 entry 对应的成员库签名与匹配区间；（3）每个 entry 或签名关联的 GO term；（4）整条序列的结构域架构图。掌握了这四层，就能把一个陌生蛋白的"身份"（家族）、“构件”（域）、“功能线索”（GO）和"组织方式"（架构）一次性读懂。
§3.5 更新与版本管理
InterPro 约每 8 周发布一个新版本（release 110.0 于 2026-09-03，109.0 于 2026-06-11）。每次更新可能包含：新增/修订 entry、成员库版本升级、整合新方法。110.0 的具体变更：新增 854 个 entry、更新 NCBIFAM 至 20.0、整合 976 个新方法（PROSITE profiles 1、Pfam 36、NCBIFAM 180、SUPERFAMILY 1、CATH-Gene3D 23、PANTHER 314、CDD 421）。历史版本全量在 EBI FTP 存档，保证可复现性。
版本管理的要点是可复现性：研究者若基于某一 release 做了分析，日后复现时应锁定同一 release（用 FTP 历史版本），而非用最新版。这既是学术严谨性要求，也是 InterPro 提供历史存档的意义所在。
§3.6 长期归档职责
成员库会退役。除 TIGRFAMs 并入 NCBIfam 外，历史上还有 ProDom 等库停止维护后其内容保留在 InterPro 体系内。InterPro 因此不仅是"整合者"，还是蛋白家族注释领域的"长期档案库"（long-term archive），官方明确将归档退役库列为其职能之一。这对赖旧注释的流水线与文献的可追溯性至关重要。
§3.7 策展工作量与人力投入
InterPro 是策展密集型资源——13 家成员库的签名归并、每个 entry 的功能描述撰写、GO 映射的分配、文献关联，都需要领域专家人工投入。这也解释了为何 InterPro 更新节律是"约 8 周"而非每日：一次 release 背后是大量人工策展与验证工作。论文作者名单达 34 人、覆盖多家机构，正是这种多方协作策展模式的体现。理解"策展成本高"这一点，就能理解为何整合率有高有低、为何新家族要等策展完成才进 entry 层——这不是技术瓶颈而是人力瓶颈。
§3.8 从提交到发布：一次 release 的生命周期
把一次 InterPro release 的生命周期串起来，能完整理解这套系统的运转：
- 成员库更新：各成员库按自己的节奏发布新版本（如 Pfam 从 38.1 到 38.2）。
- 签名收集：InterPro 收集各库最新签名，准备纳入下一个 release。
- 全库重扫描：用 InterProScan 把更新后的签名对全量 UniProtKB/UniParc 重跑（或增量跑）。
- 整合判定与策展：策展员把新签名归并到既有 entry 或创建新 entry，更新描述，分配 GO。
- 质量校验：检查 entry 的一致性、映射的完整性、统计数字。
- 发布：更新官网、下载页、API、FTP，发布 release notes（如 110.0 的变更清单）。
- 归档：上一版本转入 FTP 历史存档，保证可复现。
理解这个周期，就能明白为什么"某成员库刚发布的新签名在 InterPro 里还查不到"——它要等下一个 release 的整合与策展。这也是"版本对齐"坑（坑 16）的根源。
§4 规模硬数字：InterPro 110.0 全表
本节所有数字取自 InterPro 110.0 官方 release notes（2026-09-03）与相关页面，边界清晰、逐项标注来源口径。
§4.0 关键数字一览
先把最核心的数字集中列出，便于速览：
| 指标 | 数值 |
|---|---|
| InterPro 版本 | 110.0（2026-09-03） |
| entry 总数 | 54,922 |
| 成员库数 | 13 |
| UniProtKB 总数 | 150,006,383 |
| UniProtKB 覆盖（任一签名） | 85.1% |
| UniProtKB 覆盖（整合签名） | 83.0% |
| Swiss-Prot 覆盖（任一签名） | 97.6% |
| PDB 整合率 | 94.7% |
| Proteome 整合率 | 99.6% |
| 分类学整合率 | 7.6% |
| InterPro2GO 映射数 | 29,991 |
| 引用 PubMed 文献 | 68,259 篇 |
§4.1 Entry 总量与五类分布
InterPro release 110.0 共含 54,922 个 entry，最新分配编号为 IPR065560。按官方类型体系分五类（其中 Site 细分为四子类）：
| 类型（英文） | 类型（中文） | 数量 |
|---|---|---|
| Family | 家族 | 28,238 |
| Domain | 结构域 | 21,768 |
| Homologous Superfamily | 同源超家族 | 3,516 |
| Repeat | 重复 | 389 |
| Site（合计） | 位点（合计） | 1,011 |
Site 的四个子类：Active Site（活性位点）133、Binding Site（结合位点）82、Conserved Site（保守位点）779、PTM（翻译后修饰位点）17，四者相加为 1,011。注意官方 release notes 把 Site 四子类并列展示，而站点首页只展示五类合并视图——引用时若只写"Site 1,011"或只写四子类其一都会遗漏口径（详见坑 4）。
总量核算：28,238 + 21,768 + 3,516 + 389 + 1,011 = 54,922，与总量吻合。
§4.2 覆盖 UniProtKB 的比例（双口径）
以 UniProtKB 2026_03 快照（150,006,383 条蛋白）为分母：
| 序列库 | 版本 | 总数 | 命中任一签名 | 命中整合签名 |
|---|---|---|---|---|
| UniProtKB（全部） | 2026_03 | 150,006,383 | 127,708,989（85.1%） | 124,513,028（83.0%） |
| UniProtKB/Swiss-Prot | 2026_03 | 575,748 | 561,761（97.6%） | 560,259（97.3%） |
| UniProtKB/TrEMBL | 2026_03 | 149,430,635 | 127,147,228（85.1%） | 123,952,769（83.0%） |
双口径要点：“命中任一签名”（any signature）与"命中整合签名"（integrated signature）是两个不同分母。任一签名意味着至少被一个成员库签名匹配（含未整合的签名）；整合签名意味着至少匹配一个已进入 InterPro entry 层的签名。二者相差约 320 万条序列（约 2.1 个百分点），差额正是"仅被未整合签名覆盖"的序列。引用 InterPro 覆盖能力时通常取"任一签名 85.1%"为对外口径，但在评估"能获得 InterPro entry 级注释的蛋白规模"时应取 83.0%。
Swiss-Prot 覆盖率达 97.6%（任一），反映人工审校的高质量序列几乎全部被至少一个签名理解——这是 InterPro 体系成熟度的直接体现。TrEMBL（自动注释的大规模子库）覆盖 85.1%，与全库基本一致。
§4.3 结构、Proteome、分类学覆盖
| 维度 | 版本 | 总数 | 被整合数（比例） |
|---|---|---|---|
| PDB 结构 | 2026-08-19 | 257,829 | 244,288（94.7%） |
| UniProtKB proteome | 2026_03 | 37,191 | 37,058（99.6%） |
| UniProtKB 分类单元 | 2026_03 | 2,827,565 | 215,354（7.6%） |
解读：结构覆盖高（94.7%）说明 PDB 里的实验结构绝大多数能被 InterPro 体系解读，得益于结构分类成员库（CATH-Gene3D、SUPERFAMILY）与结构预测（AlphaFold）集成。Proteome 覆盖率高达 99.6% 说明"已定义蛋白组"几乎全部被覆盖——因为 proteome 是下游组织好的序列集合，本就经过筛选。但分类学覆盖仅 7.6% 是重要警示：在 282 万个被 UniProt 记录的分类单元中，只有 21 万个有被整合的 InterPro 注释，意味着冷门/未培养物种的注释极其稀疏（详见坑点与局限）。
§4.3.1 三项覆盖差异的成因
三项覆盖（序列 85.1% / 结构 94.7% / 分类学 7.6%）的巨大差异各有成因，理解成因才能正确解读：
- 结构覆盖高（94.7%）：因为成员库中有两支专门做结构分类（CATH-Gene3D、SUPERFAMILY），且 PDB 收录的都是经过结构解析的"能被理解的"蛋白，本就偏向已知折叠；加上 AlphaFold 预测结构的集成，把结构域分类延伸到预测结构上。
- proteome 覆盖极高（99.6%）：因为 proteome 是下游从 UniProtKB 中筛选组织好的集合（每个物种的完整蛋白集），其成员本就是"有明确编码基因、被研究过"的序列，天然偏向注释充分的部分。
- 分类学覆盖低（7.6%）：因为分类学覆盖统计的是"有多少物种至少有一条被整合注释的蛋白"，而 UniProt 收录的分类单元高达 282 万个（含大量仅有一条序列的冷门/环境样本物种）。一个物种只要有序列但无任何签名命中，就不计入整合覆盖。因此 7.6% 反映的是"物种层面的注释长尾"。
§4.4 成员库签名规模与被整合率
InterPro 110.0 各成员库的签名数与整合数（格式：“签名总数 / 被整合数（整合率）”）：
| 成员库 | 版本 | 签名数 | 被整合数（率） |
|---|---|---|---|
| Pfam | 38.2 | 30,134 | 29,136（96.7%） |
| CDD | 3.21 | 19,902 | 5,480（27.5%） |
| NCBIFAM | 20.0 | 18,950 | 7,622（40.2%） |
| PANTHER | 19.0 | 15,683 | 10,665（68.0%） |
| CATH-Gene3D | 4.3.0 | 6,631 | 2,846（42.9%） |
| PIRSF | 3.10 | 3,285 | 3,220（98.0%） |
| HAMAP | 2026_01 | 2,394 | 2,388（99.7%） |
| PRINTS | 42.0 | 2,106 | 1,935（91.9%） |
| SUPERFAMILY | 1.75 | 2,019 | 1,650（81.7%） |
| PROSITE profiles | 2026_01 | 1,419 | 1,321（93.1%） |
| SMART | 9.0 | 1,322 | 1,275（96.4%） |
| PROSITE patterns | 2026_01 | 1,311 | 1,279（97.6%） |
| SFLD | 4 | 303 | 162（53.5%） |
整合率的光谱：从 HAMAP 99.7%、PIRSF 98.0%、PROSITE patterns 97.6%、Pfam 96.7%、SMART 96.4%（"少而精、易整合"端），到 PANTHER 68.0%、SFLD 53.5%、CATH-Gene3D 42.9%、NCBIFAM 40.2%、CDD 27.5%（"多而杂或边界难对应"端）。这个光谱本身就是对成员库性质的量化刻画：高整合率者往往是手工策展、边界清晰的家族库；低整合率者往往是签名数量庞大、含大量细粒度变体的域集合库。
签名总数合计：13 库签名相加约 122,000+ 个；被整合数相加约 69,000+ 个（Pfam 与 PROSITE 两套各计）。整体整合率约五成七，意味着约四成成员库签名停留在"仅成员层"——这是理解 InterPro"entry 层 ≠ 全部签名"的关键。
§4.4.1 逐库规模的分层解读
把 13 库按签名规模分成四档，能更清晰地看出各自地位：
- 超大档（>15,000）：Pfam（30,134）、CDD（19,902）、NCBIFAM（18,950）、PANTHER（15,683）。这四家合计约 84,669 个签名，占全部成员库签名的近七成，是 InterPro 体量的主要来源。
- 中档（2,000-7,000）：CATH-Gene3D（6,631）、PIRSF（3,285）、HAMAP（2,394）、PRINTS（2,106）、SUPERFAMILY（2,019）。这五家合计约 16,435 个签名，大多是"精而专"的库。
- 中偏小档（1,000-1,500）：PROSITE profiles（1,419）、SMART（1,322）、PROSITE patterns（1,311）。这三家合计约 4,052 个签名，多为位点与模块库。
- 袖珍档（<500）：SFLD（303）。专注酶超家族。
规模分层并不等于重要度分层：袖珍的 SFLD 在酶功能研究中有不可替代性，而超大的 CDD 因整合率仅 27.5% 而对 entry 层贡献有限（进 entry 层仅 5,480 个签名，少于 PANTHER 的 10,665）。
§4.4.2 被整合数排序（对 entry 层的实际贡献）
若按"被整合签名数"（即真正进入 InterPro entry 层的贡献）排序，名次与签名总数排序不同：
| 排名 | 成员库 | 被整合数 | 占比优势 |
|---|---|---|---|
| 1 | Pfam | 29,136 | 96.7% 高整合率 + 大规模 |
| 2 | PANTHER | 10,665 | 68.0% 中整合率 + 大规模 |
| 3 | NCBIFAM | 7,622 | 40.2% 低整合率但规模大 |
| 4 | CDD | 5,480 | 27.5% 最低整合率拖累 |
| 5 | PIRSF | 3,220 | 98.0% 高整合率 |
| 6 | CATH-Gene3D | 2,846 | 42.9% 中低整合率 |
| 7 | HAMAP | 2,388 | 99.7% 最高整合率 |
| 8 | PRINTS | 1,935 | 91.9% 高整合率 |
| 9 | SUPERFAMILY | 1,650 | 81.7% 高整合率 |
| 10 | PROSITE profiles | 1,321 | 93.1% 高整合率 |
| 11 | PROSITE patterns | 1,279 | 97.6% 高整合率 |
| 12 | SMART | 1,275 | 96.4% 高整合率 |
| 13 | SFLD | 162 | 53.5% 中整合率 + 小规模 |
关键洞察：Pfam 一家贡献的被整合签名（29,136）就超过其余 12 家合计（约 40,000）之外的一大块——Pfam 是 InterPro 的绝对支柱。CDD 虽签名数第二（19,902），因整合率最低，实际进 entry 层仅 5,480，落到第四。这说明**"规模"与"对 entry 层的贡献"是两个不同指标**，仅看签名总数会高估 CDD、低估 PIRSF/HAMAP 这类"小而精"的库。
§4.4.3 整合率差异的方法学含义
整合率从 27.5%（CDD）到 99.7%（HAMAP）跨越大半个区间，绝非偶然，而是成员库设计哲学的映射：
- 高整合率（>90%）：HAMAP、PIRSF、PROSITE（两套）、Pfam、SMART——这些库的签名多为明确边界的家族或位点，与 InterPro 的策展框架天然契合。它们"签名少而定义清晰"，几乎每条都能找到归属。
- 中整合率（60-90%）：PANTHER、SUPERFAMILY、PRINTS——签名粒度较细或分类体系与 InterPro 有部分错位，需筛选。
- 低整合率（<55%）：SFLD、CATH-Gene3D、NCBIFAM、CDD——签名数量大、含大量细粒度变体或冗余，或（如 CDD）本质是"域集合的超集"，难以逐一归并到唯一 entry。
对使用者的直接含义：在高整合率库上可用 InterPro entry 近似替代该库查询；在低整合率库上则必须回原库才能拿到完整签名。例如只查 InterPro entry 会漏掉 CDD 七成以上的域签名。
§4.5 注释与文献规模
- InterPro2GO 映射：29,991 个 Gene Ontology term 被映射到 InterPro entry（映射表在 FTP 的 interpro2go 文件，也可经 EBI QuickGO 浏览）。这是 InterPro 规模化自动注释的基石。
- 文献引用：InterPro 引用 68,259 篇 PubMed 文献。每个 entry 通常附带其成员库来源的文献证据。
- Sets（集合）信息：Pfam 38.2 定义 891 个 set、PIRSF 3.10 定义 44 个、CDD 3.21 定义 1,246 个。set 是把相关 entry 组织为更高层概念的机制（如"某超家族下的所有家族"）。
§4.6 论文时点（101.0）口径数字
权威论文（NAR 2025，报告 version 101.0）给出的规模口径与当前 110.0 不同，须分列以免混淆：
- 为超过 2 亿条序列提供注释（论文摘要原文 “over 200 million sequences”）；
- 站点提供访问 85,000 个成员库的蛋白家族与结构域；
- 过去两年新建超过 5,000 个 InterPro entry；
- 强调 AlphaFold 预测结构的集成增加与 AI/ML 增强家族描述。
论文（101.0）与当前（110.0）的数字差异正体现了资源的高频更新：从 101.0 到 110.0 历经多次 release，entry 数、整合方法数、覆盖统计均已变化。凡引用"InterPro 覆盖 X"的数字，务必标注对应 release。
§4.7 规模数字的横向解读（举例）
为把抽象数字落到实处，以下用几个对比帮助建立直觉：
- 54,922 个 entry 是什么概念？ 若一个人每天研读 1 个 entry，需要约 150 年才能读完一遍；而这些 entry 描述的是整个已知蛋白世界的家族与域。
- 85.1% 覆盖是什么概念？ UniProtKB 约 1.5 亿条蛋白中，1.27 亿条能被至少一个签名识别——相当于绝大多数已测序蛋白都能找到"家族归属"。
- Pfam 一家的 29,136 个整合签名，就超过其余 12 家成员库整合签名总和的相当一部分——Pfam 是 InterPro 的绝对主力。
- 分类学 7.6% 是什么概念？ 282 万个分类单元中，仅 21 万个有整合注释——大量环境样本、未培养微生物的序列仍处于"注释空白"。
- 29,991 个 InterPro2GO 映射意味着近 3 万个功能语义标签可通过 InterPro 自动传播——这是规模化功能注释的杠杆。
建立这些直觉后，再看具体查询结果时就能判断"命中很多 entry 是否正常"“没命中是否异常”。
§4.8 entry 类型分布的解读
五类 entry 的数量分布（Family 28,238 > Domain 21,768 > Homologous Superfamily 3,516 > Site 1,011 > Repeat 389）本身有生物学含义：
- Family 最多，因为家族是功能注释的核心单元——绝大多数研究以"某蛋白属哪个家族"为起点。
- Domain 次之，因为多域蛋白的普遍性使域定义需求巨大；域是结构域架构分析的构件。
- Homologous Superfamily 少，因为超家族是更高层、更粗粒度的归类，一个超家族常囊括多个家族。
- Site 与 Repeat 最少，因为它们是精细的功能点缀——位点需要精确的实验证据，重复单元相对少见。
这一分布也反映了 InterPro 的实用导向：优先覆盖"最常被查询"的家族与域层。
§5 获取与数据格式
§5.1 三条获取途径
InterPro 提供三种互补的数据获取方式：
- 网页交互检索：https://www.ebi.ac.uk/interpro/ ——按 accession、关键词、分类学、结构域架构检索；有 entry、protein、structure、taxonomy、proteome、set 六类视图。
- 批量下载：下载页 https://www.ebi.ac.uk/interpro/download/ 分 tab 提供 InterPro、InterProScan、Pfam、PRINTS、SFLD、AntiFam 各自的文件；历史版本全量在 EBI FTP：**https://ftp.ebi.ac.uk/pub/databases/interpro/**。
- REST API：全部返回 JSON，供脚本与流水线调用。
§5.2 导出格式
对单次选择少于 10,000 个实体的查询，InterPro 提供四种导出格式：
- Text：登录号列表，每行一个；
- FASTA：多序列文件（仅对蛋白可用）；
- JSON：与 API 返回格式一致；
- TSV：把 API 的 JSON 重整为制表符分隔文本。
当结果超过 10,000 实体时，推荐使用脚本生成器（Script generator）从 API 拉取——生成器支持 Python 3、Perl、JavaScript 三种语言，生成的脚本可直接嵌入用户自有程序。
§5.3 REST API（六端点）
InterPro API 提供对所有 entry 及其关联实体的程序化访问，返回 JSON。六个主端点对应六类数据类型：
| 端点 | 含义 |
|---|---|
| entry | InterPro 与成员库 entry |
| protein | 蛋白（如 UniProt accession） |
| structure | 结构（如 PDB） |
| taxonomy | 分类学 |
| proteome | 蛋白组 |
| set | 集合 |
一次 API 调用由一或多个"端点块"组成，块的形式为 datatype/sourcedb/accession（如 entry/interpro、protein/uniprot/P99999）。端点可组合：/entry/interpro/protein/uniprot/P99999 返回匹配该蛋白的所有 InterPro entry；/entry/interpro 返回可分页的全部 entry 列表。这一"组合端点"设计使"蛋白→entry"“entry→蛋白”"结构→entry"等关系查询可用单条 URL 表达，是 InterPro API 设计上的亮点。
§5.4 InterProScan 与本地分析
除数据下载外，用户可获取 InterProScan 软件对自有序列运行全套扫描：
- 在线提交：网页粘贴序列或上传文件，选择应用与阈值；
- 本地安装：下载 InterProScan（Apache 2.0 开源）离线运行，适合批量与隐私敏感场景；
- 输出格式：TSV、JSON、XML、GFF3 等；
- InterProScan 6 为最新重构版，配套 InterPro-N（从头预测）、Matches API 与 MCP server。
§5.5 数据内容形态
批量下载的文件通常包含：InterPro entry 清单（含类型、描述、成员库映射）、蛋白匹配结果（每条序列的签名命中位置）、InterPro2GO 映射表、signature 模型文件（HMM 等）、taxonomy/proteome 映射表。这些文件构成离线复现与本地注释的完整基础。InterPro entry 页面上的 Export 按钮（位于结果表顶部文本过滤框旁）可直接导出当前视图为 JSON 或 TSV。
§5.5.1 主要下载文件类型一览
| 文件类别 | 内容 | 典型用途 |
|---|---|---|
| entry 列表 | 全部 InterPro entry 的类型/描述/成员库映射 | 构建本地 entry 索引 |
| protein matches | 序列对签名的命中位置与置信 | 本地注释查询 |
| InterPro2GO | entry → GO term 映射 | 功能富集分析 |
| signature 模型 | HMM/profile 等模型文件 | 本地扫描（配合 InterProScan） |
| taxonomy 映射 | entry/签名按物种分布 | 进化与比较研究 |
| proteome 映射 | entry 按蛋白组分布 | 比较基因组分析 |
| structures 映射 | entry 与 PDB 结构映射 | 结构-功能关联 |
下载前建议先明确用途，避免拉取全量（HMM 模型文件较大，纯 entry 清单与映射表则较小）。
§5.6 典型使用场景与配方
不同使用场景对应不同的获取方式，以下给出常见"配方"：
场景 A：查一个蛋白的功能画像。
浏览器打开 https://www.ebi.ac.uk/interpro/protein/uniprot/<accession>，或调 API /protein/uniprot/<accession>。得到该蛋白命中的全部 InterPro entry、每条的成员库签名、GO 注释、结构域架构。
场景 B：批量拉取某 entry 的全部匹配蛋白。
API /entry/interpro/<IPR号>/protein/uniprot/（可分页）；超过 10K 实体用脚本生成器。或下载该 entry 的 protein matches 文件。
场景 C：对自有序列做注释。
网页提交或本地跑 InterProScan，输出 JSON/TSV/XML/GFF3。
场景 D：离线构建本地注释库。
从 FTP 下载全量 entry 清单、signature 模型、InterPro2GO 映射，配合本地 InterProScan。
场景 E：做 GO 富集分析。
取匹配到的 InterPro entry，经 interpro2go 映射转 GO term 列表，再送入富集工具。
场景 F：结构域架构检索。
用 InterPro 的 domain architecture 检索界面，按"含域 A 且含域 B"的组合反查蛋白。
§5.7 API 组合端点的表达力
InterPro API 的六端点可组合，形成强表达力的关系查询语言，这是设计上的亮点，值得用实例说明：
/entry/interpro—— 全部 InterPro entry（分页）/entry/interpro/IPR000001—— 某 entry 详情/protein/uniprot/P99999—— 某蛋白详情/entry/interpro/protein/uniprot/P99999—— 该蛋白命中的全部 InterPro entry/protein/uniprot/P99999/entry/interpro—— 语义等价的反向表达/entry/interpro/IPR000001/protein/uniprot/—— 某 entry 匹配的全部蛋白/structure/pdb/1ABC—— 某结构详情
这种"datatype/sourcedb/accession 端点块串联"的语法，使"蛋白↔entry↔结构↔分类学↔proteome↔set"之间任意两点间的关系都能用一条 URL 表达，无需记忆复杂的查询语法。对写脚本者，这意味着可以用字符串拼接构造任意关系查询。
§6 许可与引用
§6.1 数据许可：CC0 1.0 Universal
InterPro、Pfam、PRINTS、SFLD 在站内提供的所有可下载数据均为 CC0 1.0 Universal（公共领域奉献）。CC0 意味着权利人在法律允许范围内放弃全部著作权及相关权利，使用者无需署名、无需遵守任何限制条款即可复制、修改、分发、商用。这是数据开放光谱上最彻底的一档（比 CC BY 更宽松——CC BY 尚要求署名）。
官方许可页原文明确：“All of the InterPro, Pfam, PRINTS and SFLD downloadable data provided on the InterPro website is freely available under CC0 1.0 Universal Public Domain Dedication.”
需要特别指出"CC0 在站内"这一限定：InterPro 站内提供的 Pfam 数据是 CC0，但 Pfam 自身站点发布的数据可能适用不同许可（详见 Pfam 条目）。也就是说同一个库在不同发布渠道可能有不同许可声明，使用者应以其实际获取渠道的许可为准。这是数据合规中的常见陷阱。
§6.2 软件许可：Apache 2.0
InterProScan 软件以 Apache License 2.0 开源。官方同时提示：软件打包内含的单个扫描工具与签名集合可能适用不同许可——因此逐库商用前应分别核对各成员库自身页面的许可条款。官方明确"商业使用无需特别许可"，但要求引用资源与相关成员库，并保留版权声明。
§6.3 引用要求
InterPro 要求使用者引用其最新论文及相关成员库。官方推荐引用：
- InterPro 主论文：Blum M, Andreeva A, Florentino LC, Chuguransky SR, Grego T, Hobbs E, Pinto BL, Orr A, Paysan-Lafosse T, Ponamareva I, Salazar GA, Bordin N, Bork P, Bridge A, Colwell L, Gough J, Haft DH, Letunic I, Llinares-López F, Marchler-Bauer A, Meng-Papaxanthos L, Mi H, Natale DA, Orengo CA, Pandurangan AP, Piovesan D, Rivoire C, Sigrist CJA, Thanki N, Thibaud-Nissen F, Thomas PD, Tosatto SCE, Wu CH, Bateman A. InterPro: the protein sequence classification resource in 2025. Nucleic Acids Research. 2025. doi:10.1093/nar/gkae1082。
- Pfam 论文（若使用 Pfam 成员库）：Paysan-Lafosse T, et al. The Pfam protein families database: embracing AI/ML. Nucleic Acids Research. 2025. doi:10.1093/nar/gkae997。
"引用资源与相关成员库"的双重要求源于 InterPro 的整合本质——InterPro entry 的价值来自成员库，署名成员库既是对原作者的尊重，也是学术规范的体现。
§6.4 许可与 AI-Ready 光谱
从 AI-Ready 数据集视角看，InterPro 的 CC0 数据处于最开放一档：无需 gate、无需申请、无地域限制、可商用、可再分发、可训练。这对蛋白语言模型（protein language model）训练、结构域标注流水线、功能预测模型开发都是极其友好的法律条件。唯一需注意的是软件层（InterProScan 及各成员库打包工具）的许可可能更复杂，纯数据使用（下载 entry/protein 匹配文件）则几乎无门槛。
§6.5 许可的分层核对清单
商用或再分发前，建议按以下清单逐层核对：
| 层 | 对象 | 许可 | 核对要点 |
|---|---|---|---|
| 数据（InterPro 站内） | entry、protein matches、InterPro2GO | CC0 1.0 | 无限制，可商用 |
| 数据（成员库自身站点） | 如 Pfam 官网数据 | 各库自定 | 去该库站点确认，可能与 InterPro 站内不同 |
| 软件 | InterProScan 本体 | Apache 2.0 | 可商用，保留声明 |
| 软件内含工具 | COILS、SignalP 等 | 各自许可 | 逐一核对（含商业工具可能有额外条款） |
| 论文 | NAR 2025 论文 | 论文版权 | 引用即可，不涉及数据使用 |
核对要点是"数据层与软件层分开、站内与站外分开"。最常见的误判是以为"InterPro 是 CC0 所以里面所有东西都 CC0"——实际上打包工具的许可另论。
§6.6 学术引用的规范写法
规范的 InterPro 引用宜包含：
- 资源名与版本：InterPro 110.0（或使用的具体 release）；
- 主论文：Blum M, et al. Nucleic Acids Res. 2025;53(D1):D444-D456. doi:10.1093/nar/gkae1082；
- 相关成员库：若结果依赖特定成员库（如 Pfam），同时引用其论文；
- 具体 entry：若引用某个家族，给出 IPR 登录号与名称。
这四要素齐全的引用既尊重了多方贡献，也使结果可复现。InterPro 官方对此有明确要求，尤其强调成员库的联合署名。
§7 下游生态与互链
§7.1 InterPro 在蛋白注释主干中的位置
InterPro 并非孤岛，而是蛋白功能注释主干网络中的一个枢纽节点。它的上游是成员库与序列库，下游是功能注释与结构资源，横向联动分类学与文献。理解这一生态位对正确使用 InterPro 至关重要：InterPro 提供的是"家族/域/位点"这一层的注释，而功能语义（如"参与某通路"）由 GO 层承担，三维结构由 PDB/AlphaFold 层承担。
§7.2 InterPro2GO 与 Gene Ontology
InterPro 官方明确的两大集成对象之一就是 Gene Ontology（GO）。通过 InterPro2GO 映射，29,991 个 GO term 与 InterPro entry 建立关联。这一机制的价值在于规模化自动注释：一旦策展员把某 entry 关联到 GO term（如把某激酶家族 entry 关联到"蛋白激酶活性"GO:0004672），所有匹配该 entry 的蛋白（可达数十万条）就自动获得该功能标签。GO 映射表在 FTP 的 interpro2go 文件，也可经 EBI 的 QuickGO 浏览器查询。对做功能富集分析的团队，InterPro2GO 是跨物种功能注释的重要来源。
§7.3 结构资源的集成
InterPro 另一大集成对象是 Protein Data Bank in Europe（PDBe） 与 AlphaFold Protein Structure Database。InterPro 110.0 中 PDB 结构 94.7%（244,288/257,829）被整合。论文（101.0 时点）特别强调"AlphaFold 预测结构的整合增加"——随着 AlphaFold 预测结构库的扩张，InterPro 把结构域的分类与预测结构对接，使原来只能靠序列推断的域边界得到结构验证。这一集成对缺乏实验结构的蛋白（绝大多数 TrEMBL 序列）意义重大：AlphaFold 提供折叠，InterPro 提供域归属与功能。
§7.4 与 UniProt、UniParc 的关系
UniProtKB 是 InterPro 匹配的主力序列库（覆盖 85.1%），UniParc 则收录所有已知序列（含未进入 UniProtKB 者）。InterPro 110.0 已对全部 UniProtKB 与 UniParc 蛋白完成匹配计算。双向而言，UniProt 条目页面会显示其蛋白命中的 InterPro entry，InterPro entry 页面则列出匹配的 UniProt 蛋白——两者构成紧密的互引网络。对任何做蛋白功能研究的团队，InterPro + UniProt 联合使用是标准工作流。
§7.5 与 PDB、分类学、proteome 的联动
- PDB：结构→entry 映射（94.7% 整合），支撑"结构-功能"研究；
- 分类学（taxonomy）：entry 可按物种分布浏览，支撑进化与比较基因组研究（注意分类学覆盖仅 7.6%，冷门物种稀疏）；
- proteome：entry 可按蛋白组覆盖浏览，proteome 覆盖率高达 99.6%。
§7.6 生态位小结：为什么 InterPro 是"必引"资源
在蛋白生物信息学中，InterPro 被广泛引用为家族/域注释的权威来源。做结构域组学分析、功能预测、蛋白语言模型评测、乃至临床变异注释的团队，几乎都会引用 InterPro。它引用 PubMed 文献 68,259 篇，反过来也被海量下游工作引用。这种双向高引用度确立其"蛋白功能注释公共基础设施"的地位。
§7.7 与其他蛋白资源的协作图谱
把与 InterPro 关联的主要资源画成一张协作图：
| 资源 | 与 InterPro 的关系 | 数据流向 |
|---|---|---|
| 成员库（Pfam 等 13 家） | 签名供给方 | 成员库 → InterPro |
| UniProtKB / UniParc | 序列供给与注释消费方 | 双向互引 |
| Gene Ontology（GO） | 功能语义层级 | InterPro → GO（InterPro2GO） |
| PDBe（蛋白结构库） | 结构映射 | 双向互引 |
| AlphaFold DB | 预测结构映射 | AlphaFold → InterPro（集成） |
| QuickGO | GO 浏览工具 | InterPro2GO → QuickGO |
| InterProScan | 扫描软件 | 打包成员库，供用户本地运行 |
§7.8 对蛋白 AI 基础模型的价值
对做蛋白语言模型（如 ESM 系列）与功能预测模型的团队，InterPro 是三类关键资产的来源：
- 监督信号：entry 的分类标签可作为多标签功能预测的训练目标；
- 评测基准：用 InterPro 注释作为金标准，评估模型对家族/域/位点的识别能力；
- 特征工程：entry 映射、结构域架构、GO term 可作为模型输入特征。
CC0 许可使这三类用法全无障碍，这是 InterPro 在 AI 时代价值凸显的法律前提。
§7.9 临床与转化研究的接口
在临床变异解读中，InterPro 的域/位点注释有直接用途：一个错义变异若落在某蛋白的关键结构域或活性位点内，其致病可能性常高于落在柔性区的变异。研究者可借 InterPro 判断"某变异落在哪类功能单元"。这类"变异-结构域"关联分析在遗传病诊断与药物靶点评估中被广泛使用，使 InterPro 的价值不只局限于基础研究，也延伸至转化与临床场景。
§7.10 在结构生物学工作流中的角色
结构生物学（尤其冷冻电镜与结构预测）工作流中，InterPro 有三种典型用途：
- 解析结构后鉴定：拿到一个新结构，用其序列跑 InterProScan，判断含哪些已知域、属于哪个家族；
- 域切分指导：据 InterPro 的域边界注释，决定把长蛋白切成哪些域单独解析或建模；
- 同源建模参照：找到同家族/同超家族的已知结构，作为建模模板。
尤其第三点，CATH-Gene3D 与 SUPERFAMILY 的同源超家族归类能帮助研究者找到"序列差异大但结构可借鉴"的模板。
§7.11 在宏基因组与微生物组分析中的角色
宏基因组研究中，对大量未知序列做功能归类是核心任务。InterPro（尤其 HAMAP、NCBIfam、TIGRFAMs 遗产）是微生物蛋白功能注释的主力。典型流程：宏基因组组装 → 基因预测 → 蛋白序列 → InterProScan（或经 InterPro 注释的参考库）→ 功能归类 → 通路/功能分析。理解"微生物注释对 NCBIfam/HAMAP 依赖较高"有助于在解释结果时把握来源。
§8 库内关系：InterPro 与 Pfam 的层级对照
§8.1 核心命题：整合层 vs 成员层
本库（千方病案医数集）在同批生产中收录了成员库 Pfam 条目。使用者必须理解二者不是并列关系，而是层级包含关系：
| 维度 | InterPro（本条目，整合层） | Pfam（成员条目，成员层） |
|---|---|---|
| 角色 | 元数据库 / 整合框架 | 单一签名库（HMM 全长家族） |
| 提供方 | EMBL-EBI + 13 家成员库联盟 | EMBL-EBI 维护的成员库之一 |
| 内容 | 多库签名的归并 entry + GO + 结构映射 | 仅 Pfam 自身的家族 HMM 模型 |
| 家族定义 | 跨库共识 | Pfam 自己的 HMM 判定 |
| 许可 | CC0 1.0（站内 Pfam 数据亦 CC0） | Pfam 自身站点许可（见 Pfam 条目；InterPro 站内为 CC0） |
| 规模锚点 | 54,922 个 InterPro entry | 30,134 个 Pfam 签名（96.7% 被 InterPro 整合） |
§8.2 二者的数据流关系
数据流是单向的：Pfam → InterPro。Pfam 生产 HMM 签名并对外发布，InterPro 消费 Pfam 签名（连同其他 12 家成员库的签名）做整合。InterPro 不反向生产 Pfam 内容。因此：
- 若你要 Pfam 家族的原始 HMM 模型文件、比对、种子序列、结构域边界定义，应去 Pfam。
- 若你要跨库整合的家族描述、GO 注释、多库证据链、结构域架构，应去 InterPro。
- Pfam 38.2 有 30,134 个签名，其中 29,136 个（96.7%）被 InterPro 整合——存在约 1,000 个 Pfam 签名未进入 InterPro entry 层。反向地，InterPro 的 54,922 个 entry 中，绝大多数都映射到至少一个 Pfam 签名（因 Pfam 几乎覆盖了序列家族的主要部分）。
§8.3 检索策略建议
- 做一个特定蛋白的功能画像：从 InterPro 入手（entry 聚合多库证据，一目了然），再按需下钻到 Pfam 看 HMM 细节。
- 做一个家族的深度序列分析：从 Pfam 入手（拿到 HMM 与比对），需要跨库交叉验证或 GO 注释时回 InterPro。
- 做全蛋白组注释：用 InterProScan（一次跑完全部成员库），而非只用 Pfam 的 hmmscan——前者覆盖 13 库，后者仅 Pfam。
- 引用规范：若使用了 InterPro 整合结果，应引用 InterPro 论文；若使用了 Pfam 成员层结果，应同时引用 Pfam 论文（InterPro 官方亦如此要求）。
§8.4 与库内其他条目的潜在互链
- Pfam（成员层，本批同批条目）：最直接的血缘对照，如上所述。
- AlphaFold（结构预测库）：InterPro 集成 AlphaFold 预测结构，结构域分类可与折叠对接；做"序列-结构-功能"贯通研究时二者互补。
- 蛋白质组学 / 变异与注释类条目：InterPro 的 entry 注释是临床变异功能解读（“某变异是否落在关键结构域/位点”）的基础参考层。
§9 方法学启示：整合式数据库的普适经验
InterPro 作为整合式（integrated）数据库的典范，为一切"多源数据融合"型资源提供了可迁移的方法学经验。
§9.1 众智整合优于单源强化
InterPro 的成功不在任何单一方法更强，而在把方法互补的多个来源整合。这提示：在数据资源建设中，“再造一个更强的方法"往往不如"判定哪些已有来源刻画同一对象并归并”。整合的前提是等价性判定——这需要领域专家策展，不能纯靠自动化。合
并时的边界冲突、功能描述矛盾都需要人工裁决，这是整合成本的主要来源，也是质量保证。
§9.2 稳定标识符是整合的骨架
InterPro 用 IPR 登录号作为稳定锚点，使下游引用不因成员库更名或重组而失效。这一"稳定标识符 + 内容可演化"的设计是整合式资源的通用模式：身份恒定，内容随证据更新。任何做长期数据建设者都应建立类似的稳定 ID 体系。
§9.3 分层暴露优于全量倾倒
InterPro 不把 12 万条成员库签名一股脑倒给用户，而是分两层暴露：entry 层（策展整合结果，约 5.5 万）+ 签名层（成员库原始签名）。用户默认看到高层（整合结果），需要时下钻到低层（原始证据）。这种"分层暴露"大幅降低认知负担，也让"整合率"这类量化指标成为可能。任何面对"原始数据量巨大、用户只需结论"场景的资源都应借鉴。
§9.4 退役归档延长资源半衰期
成员库会死，但引用它的文献与流水线不会消失。InterPro 承担退役库归档职责（TIGRFAMs 并入 NCBIfam 即例），使旧注释可追溯。这提示长期数据资源的建设者：设计时应预留"归档退役内容"的机制，而非简单删除。
§9.5 AI/ML 时代的改造
InterPro 与 Pfam 都在引入 AI/ML：Pfam 2025 论文标题即"embracing AI/ML"；InterPro 用 AI 增强家族描述；InterProScan 6 配套 InterPro-N（从头预测）与 MCP server（智能体接口）。这提示：经典策展资源正通过 AI 增强而非被 AI 取代——策展提供金标准、AI 提供规模化，二者互补。对做蛋白基础模型的团队，InterPro 是天然的监督信号与评测基准来源。
§9.6 对中文医学数据资源建设的借鉴
把 InterPro 的经验映射到中文医学数据场景，有三点直接可借鉴：
- 多源整合：中文医疗数据来源分散（医院 HIS、登记库、公开集），可学 InterPro 建立"整合层 + 源层"的分层结构，整合层提供统一 ID 与共识标注；
- 稳定 ID：为整合后的实体分配稳定标识符，使跨库引用不因源系统更名而失效；
- 许可透明：像 InterPro 一样明确分层许可（数据 CC0、工具另论），让使用者一眼看清可用边界。
§9.7 局限的方法学反思
InterPro 的模式也有代价，值得冷静看待：
- 策展瓶颈：人工策展使更新节律受限于人力，新家族可能长期停留在签名层；
- 整合的主观性：等价性判定依赖策展员判断，不同批次可能有标准漂移；
- 长尾覆盖不足：分类学覆盖仅 7.6% 说明整合模式对冷门物种帮助有限；
- 版本碎片化：13 库版本节奏不一，给"绑定版本复现"带来复杂度。
认识这些局限，才能既用好 InterPro，又不盲目神化它。
§9.8 与其他整合式资源的对照启示
InterPro 不是唯一的整合式生物资源（类似的还有 UniProt 整合多源序列、GO 整合多来源功能词汇、Ensembl 整合多物种基因组）。把 InterPro 与其他整合资源对照，可提炼一条共性规律：成功的整合资源都以"稳定 ID + 策展判定 + 分层暴露"为骨架。UniProt 用 accession 锚定蛋白，InterPro 用 IPR 锚定家族，GO 用 GO ID 锚定功能——都是先解决"身份"问题，再解决"内容"问题。对任何打算构建整合型数据资源者，这条规律值得反复琢磨。
§10 坑点与注意事项
本节汇总 InterPro 使用中最常见的 16 类认知与操作陷阱。先给一张速查表，再逐条展开。
| # | 坑点 | 一句话对策 |
|---|---|---|
| 1 | 把 InterPro 当单一数据库 | 它是整合层，成员库是成员层 |
| 2 | 成员库清单误含 TIGRFAMs、漏 MobiDB Lite | 以官方 About 页 13 库为准 |
| 3 | 论文 101.0 与线上 110.0 数字混用 | 数字必绑版本号 |
| 4 | Site 计数五类 vs 四子类混用 | 同时给合计与子类明细 |
| 5 | 覆盖"任一签名"与"整合签名"混用 | 明确写出口径 |
| 6 | 以为 InterPro 覆盖全部成员库签名 | 约四成签名未进 entry 层 |
| 7 | 混淆分类学覆盖与序列覆盖 | 序列 85.1% ≠ 物种 7.6% |
| 8 | 混淆数据 CC0 与软件许可 | 数据与软件分层核对 |
| 9 | 当作静态资源 | 约 8 周更新一次 |
| 10 | 忽略 AntiFam 的过滤作用 | 区分正向签名与阴性标记 |
| 11 | 混淆结构域边界与家族边界 | domain ≠ family |
| 12 | 用 entry 数衡量覆盖率 | 看覆盖统计而非 entry 数 |
| 13 | API 端点块顺序误解 | 是关系串联非路径层级 |
| 14 | 导出上限 10K 静默截断 | 大结果走脚本生成器 |
| 15 | 成员库命中等同 entry 命中 | 区分签名层与 entry 层 |
| 16 | 忽略版本对齐问题 | 最新去原库，整合版用 InterPro |
坑 1：把 InterPro 当"单一数据库"而非"整合层"
最常见的误用是把 InterPro 与 Pfam/PROSITE 并列视为"几个平行的数据库"。实际上 InterPro 是整合层/元数据库，Pfam 等是成员层/签名提供方，二者是包含关系。误读的后果：引用时只提 InterPro 而不提成员库（违反官方引用规范）；分析时以为"InterPro 和 Pfam 各是一套独立注释"（实际 Pfam 的 96.7% 已被 InterPro 吸收）。对策：记住 InterPro 消费成员库、不生产原始签名；引用整合结果时同时署名成员库。
坑 2：成员库清单误含 TIGRFAMs、漏 MobiDB Lite
当前官方 About 页列 13 家成员库为：Pfam、PROSITE、PRINTS、SMART、PANTHER、CATH-Gene3D、CDD、SFLD、SUPERFAMILY、HAMAP、PIRSF、NCBIfam、MobiDB Lite。而部分资料（含本任务的初始简述）会列出 TIGRFAMs 作为独立成员库——TIGRFAMs 已退役、其内容并入 NCBIfam，当前不再作为独立成员库。同样，MobiDB Lite 常被遗漏，虽其性质特殊（无序区共识注释而非典型签名库），官方仍将其列为 13 库之一。对策：以官方 About 页 13 库为准；引用 TIGRFAMs 时注明其"已并入 NCBIfam"的沿革。
坑 3：论文版本（101.0）与线上版本（110.0）数字混用
权威论文（NAR 2025，doi:10.1093/nar/gkae1082）报告的是 version 101.0，其数字（>2 亿序列、85,000 家族、>5,000 新 entry）是 101.0 时点口径；当前线上为 110.0（2026-09-03），entry 数 54,922、成员库版本各异。把论文的 101.0 数字当作"当前 InterPro 的规模"、或把 110.0 数字归到论文名下，都是引证错误。对策：数字必绑版本号；引用论文数字写"论文报告 version 101.0"。
坑 4：Site 计数口径（五类 vs 四子类）
InterPro 的 entry 类型在站点首页展示为五类（Family/Domain/Homologous Superfamily/Repeat/Site），但 release notes 把 Site 拆成四子类（Active 133 + Binding 82 + Conserved 779 + PTM 17）。只写"Site 1,011"会掩盖子类结构；只写四子类之一（如"Conserved Site 779"）会遗漏其余三类。且不同 release 的四子类计数会变。对策：引用 Site 时同时给出合计（1,011）与四子类明细，并标注 release。
坑 5：覆盖比例的"任一签名"与"整合签名"两口径混用
UniProtKB 覆盖有两个数：命中任一签名 85.1% vs 命中整合签名 83.0%（Swiss-Prot 97.6% vs 97.3%）。二者不可互换：前者含仅被未整合签名覆盖的序列，后者才是"能获得 InterPro entry 级注释"的比例。研究冷门物种时这一差异更显著（分类学整合覆盖仅 7.6%）。对策：明确写出口径；评估"entry 级注释可达性"用整合口径，宣传"覆盖能力"用任一签名口径并注明。
坑 6：误以为 InterPro 覆盖全部成员库签名
InterPro entry 层只收纳被策展整合的签名（约六成），约四成成员库签名停留在签名层（CDD 仅 27.5% 被整合、CATH-Gene3D 42.9%、NCBIFAM 40.2%）。若只用 InterPro entry 检索，会漏掉这些未整合签名能命中的蛋白。对策：需要最大灵敏度时用 InterProScan 直接跑全部成员库签名（而非只查 InterPro entry）；做域识别时注意 CDD 等库大量签名不在 entry 层。
坑 7：混用分类学覆盖与序列覆盖
“UniProtKB 覆盖 85.1%”（序列维度）与"分类学覆盖 7.6%"（物种维度）是完全不同的指标。前者高说明序列层面注释充分，后者低说明物种层面极不均——大量冷门/未培养物种只有零星注释。把 85.1% 当成"所有物种都注释良好"是严重误读。对策：区分序列覆盖与物种覆盖；做跨物种研究时先查目标类群的分类学覆盖。
坑 8：许可的"数据 CC0"不等于"软件也宽松"
数据本体（InterPro/Pfam/PRINTS/SFLD 的下载文件）是 CC0，几乎无限制；但 InterProScan 软件打包内含的单个扫描工具与签名集合可能各自许可不同（InterProScan 本体是 Apache 2.0，但内含工具另论）。商用纯数据无忧，商用软件需逐项核对。对策：分开评估数据层与软件层许可；软件商用前查各成员库打包工具的许可条款。
坑 9：把"每 8 周更新"当作静态资源
InterPro 约每 8 周发布新版本（110.0→109.0 间隔即约 12 周），entry 数、成员库版本、覆盖统计都会变。把它当成静态文件、引用过期数字（如用几年前的 Swiss-Prot 覆盖率）是常见错误。对策：用 API 实时查询或绑定最新 release；复现旧结果时用 FTP 的历史版本。
坑 10：忽略 AntiFam 的假阳性过滤作用
InterProScan 中 AntiFam 库专门建模"应被排除"的污染序列（载体、标签、测序伪迹）。若不理解这一层，可能把 AntiFam 命中的序列当作真实功能注释，或误以为 InterPro 会假阳性泛滥。AntiFam 的存在正是质量控制的体现。对策：解读扫描结果时区分"正向签名"与"AntiFam 阴性标记"；做大规模注释时保留 AntiFam 过滤。
坑 11：混淆结构域边界与家族边界
Domain 类 entry（21,768 个）与 Family 类 entry（28,238 个）描述不同概念：domain 对应可独立折叠的功能单元，family 对应全长同源组。同一蛋白可能有多个 domain entry（域架构）但只属一个 family。把 domain 数当作"蛋白数"或把 family 当 domain 统计会出错。对策：明确区分 domain（结构/功能单元）与 family（同源组）两类 entry 的语义。
坑 12：用"entry 数"衡量"覆盖率"
entry 数量（54,922）不直接对应覆盖率。增加 entry 可能只是把大域拆细，未必扩大覆盖的序列/物种范围。评估 InterPro 能力应看覆盖统计（序列/结构/proteome/分类学的命中比例），而非 entry 绝对值。对策：引用规模时同时给出 entry 数与覆盖比例，避免以 entry 数单指标误导。
坑 13：API 端点块的顺序误解
InterPro API 的端点块如 /entry/interpro/protein/uniprot/P99999 中，块之间是"关系串联"而非"路径层级"。误以为它像文件系统路径（逐级进入）会导致组合查询写错。实际语义是"返回满足各块约束的关系集合"，两个块可换序表达反向关系（protein/.../entry/...）。对策：把 API 当作关系查询语言而非路径；写脚本时用字符串拼接构造块序列，先小规模验证再批量。
坑 14：导出上限 10K 的静默截断
导出功能对超过 10,000 实体的查询不适用（会提示用脚本生成器）。若忽略此限制直接导出，可能得到不完整结果或失败。对策：大结果集一律走脚本生成器或 API 分页；小结果集才用导出按钮。
坑 15：把"成员库命中"等同于"InterPro entry 命中"
InterProScan 输出中，某成员库签名可能命中但无对应 InterPro entry（未整合）。把"有签名命中"直接当作"有 entry 注释"会高估 entry 层覆盖。对策：区分签名层与 entry 层结果；评估注释完整性时看 entry 层，做敏感搜索时看签名层。
坑 16：忽略 InterPro 与成员库的"版本对齐"问题
InterPro release 110.0 内含的 Pfam 是 38.2、HAMAP 是 2026_01、SFLD 是第 4 代——但这些版本都是"快照进 InterPro 时"的版本。成员库可能已发布更新版本（InterPro 尚未整合）。对策：若要"绝对最新"的某成员库内容，去该库自身站点；要"经过 InterPro 整合验证"的版本，用 InterPro 内的快照。
§10 坑点小结
以上 16 类坑点可归纳为三组：
- 概念混淆类（坑 1、11、12、15）：把整合层当单库、把域当家族、把 entry 数当覆盖率、把签名命中当 entry 注释；
- 口径漂移类（坑 2、3、4、5、7）：成员库清单、版本号、Site 计数、覆盖两种口径、序列覆盖 vs 物种覆盖；
- 操作误用类（坑 6、8、9、10、13、14、16）：忽略未整合签名、混淆数据与软件许可、当作静态资源、忽略 AntiFam、API 顺序误解、导出上限、版本对齐。
把握这三组，基本可避免 InterPro 使用中的绝大多数失误。核心心法只有一句：始终明确"你说的是哪个层、哪个版本、哪个口径"。
§11 DAIMS 评估：数据资产成熟度记分卡
DAIMS（Data Asset Maturity Scorecard，数据资产成熟度记分卡）从多个维度评估一个数据资源的可用性与成熟度。以下对 InterPro 逐项评估（满分 5 分）。
| 维度 | 评分 | 评述 |
|---|---|---|
| 可发现性（Discoverability） | 5/5 | 官网、文档站、GitHub（ProteinsWebTeam）、FTP、API 全渠道；被 UniProt/PDB/GO 广泛互引 |
| 可获取性（Accessibility） | 5/5 | 批量下载 + REST API（六端点）+ 导出 + 脚本生成器（Python/Perl/JS）；无需注册、无 gate、CC0 |
| 互操作性（Interoperability） | 5/5 | JSON/TSV/FASTA/Text/HMM 多格式；稳定 IPR 登录号；对接 UniProt/PDB/GO/AlphaFold/QuickGO |
| 可复用性（Reusability） | 5/5 | CC0 公共领域奉献，可商用、可再分发、可训练；引用要求明确 |
| 元数据质量（Metadata） | 5/5 | 每 entry 附类型、成员库映射、功能描述、GO 映射、文献；release notes 逐版记录 |
| 时效性（Timeliness） | 5/5 | 约每 8 周更新；110.0 发布于 2026-09-03；历史版本 FTP 存档 |
| 覆盖度（Coverage） | 4/5 | 序列覆盖 85.1% 优秀，但分类学覆盖仅 7.6%，冷门物种稀疏 |
| 一致性（Consistency） | 4/5 | entry 层策展一致，但成员库版本节奏不一、整合率差异大（27.5%-99.7%） |
| 文档（Documentation） | 5/5 | readthedocs 完整文档、release notes、webinar、Docbot AI 助手、培训材料 |
| 社区与活跃度（Community） | 5/5 | EMBL-EBI 长期维护，34 位作者联盟，引用 68,259 篇文献，持续版本更新 |
| 综合 | 4.8/5 | 蛋白功能注释领域最成熟的公共基础设施之一；唯一显著短板是分类学覆盖不均 |
结论：InterPro 在可获取性、互操作性、可复用性、文档与活跃度上几乎满分，是 AI-Ready 数据资源的标杆级别。唯一需提示使用者的是分类学覆盖不均（7.6%）与成员库版本/整合率的异质性，这两点已在前文多处标注。
§11.1 与相关资源的成熟度对照
把 InterPro 放在相关资源的坐标系中，能更清楚它的独特定位：
| 资源 | 类型 | 成熟度特征 | 与 InterPro 的关系 |
|---|---|---|---|
| InterPro | 整合式元库 | 全渠道、CC0、高频更新 | 本条目主体 |
| Pfam | 成员库 | 单一方法、深度 HMM | 被 InterPro 整合 |
| UniProt | 序列知识库 | 海量、双库分层 | 双向互引 |
| PDB/PDBe | 结构库 | 实验结构、权威 | InterPro 集成对象 |
| AlphaFold DB | 预测结构库 | 规模巨大、AI 驱动 | InterPro 集成对象 |
| GO | 本体库 | 语义标准、通用 | InterPro2GO 消费对象 |
InterPro 的成熟度优势在于"站在众多资源之上做整合"——它自己不做序列采集、不做结构解析、不做本体定义，而是把已有的优质资源整合成更有用的整体。这种"轻资产、重整合"的定位使其能以较小的自身投入撬动巨大的下游价值。
§11.2 使用决策指南
对准备使用 InterPro 的团队，以下决策树可帮助快速选定路径：
- 目标：单个蛋白的功能画像 → 网页/API 查该蛋白的 entry，看结构域架构与 GO。
- 目标：批量注释自有蛋白组 → 本地跑 InterProScan（13 库全覆盖），输出 TSV/JSON。
- 目标：拉取某家族的所有成员 → API 或下载 entry 的 protein matches 文件。
- 目标：功能富集分析 → 取 entry → interpro2go → GO 富集工具。
- 目标：结构域组合检索 → domain architecture 检索界面。
- 目标：冷门物种注释 → 注意覆盖稀疏（分类学整合覆盖仅 7.6%），预期低命中率。
- 目标：训练蛋白模型 → 下载 entry 标签 + GO 映射作监督信号（CC0 可商用）。
§11.3 覆盖度评分的细化说明
DAIMS 中覆盖度给 4/5 而非满分，原因是多口径覆盖的异质性，值得细化：
| 覆盖口径 | 数值 | 评价 |
|---|---|---|
| UniProtKB 序列（任一签名） | 85.1% | 优秀 |
| UniProtKB 序列（整合签名） | 83.0% | 优秀 |
| Swiss-Prot（任一签名） | 97.6% | 近满分 |
| PDB 结构（整合） | 94.7% | 优秀 |
| Proteome（整合） | 99.6% | 近满分 |
| 分类单元（整合） | 7.6% | 显著短板 |
六项中五项优秀或近满分，唯独分类学覆盖偏低。因此 4/5 的给分是"主体优秀但有明确长尾短板"的中肯评价：做常规（模式物种、微生物、有实验结构的蛋白）研究时覆盖几乎无忧；做冷门/环境样本物种研究时须有心理准备。
§FAQ 常见问题
FAQ 1：InterPro 和 Pfam 到底谁包含谁？
InterPro 包含 Pfam。Pfam 是 InterPro 的 13 家成员库之一（成员层），提供 HMM 签名；InterPro 是整合层，把 Pfam 等成员库的签名归并为统一 entry。Pfam 38.2 的 30,134 个签名中 29,136 个（96.7%）被 InterPro 整合。
FAQ 2：为什么 Pfam 96.7% 被整合，CDD 只有 27.5%？
整合率反映签名"是否容易归并"。Pfam 家族定义清晰、边界明确、多为全长或单域家族，易与其它库签名对应；CDD 是近 2 万个保守域签名的集合，含大量细粒度域变体与冗余，逐一归并困难。整合率高低是成员库性质的量化刻画，不代表质量优劣。
FAQ 3：InterPro 是免费的吗？能商用吗？
是。数据为 CC0 1.0（公共领域奉献），可自由使用、修改、分发、商用，无需署名。InterProScan 软件为 Apache 2.0。官方明确商业使用无需特别许可，但请引用资源与成员库。
FAQ 4：怎么快速查一个蛋白属于什么家族？
两种方式：① 网页输入 UniProt accession，看匹配的 InterPro entry（family 类）；② 用 API /protein/uniprot/<acc> 或 /entry/interpro/protein/uniprot/<acc> 拿 JSON。若需跑自己的序列，用 InterProScan。
FAQ 5：InterPro 会假阳性吗？
会，但体系内有控制。短模式类签名（PROSITE patterns）灵敏度高易假阳性，用更严格的 profiles/HMM 交叉验证；AntiFam 库专门过滤污染序列。多库交叉证据（一个 entry 由多个成员库签名支持）显著降低假阳性。
FAQ 6：为什么我的蛋白匹配不到任何 InterPro entry？
可能原因：① 该蛋白是全新/孤儿家族，尚无签名；② 只被"未整合"的签名匹配（约占成员库签名四成），不进 entry 层——此时用 InterProScan 直接跑可看到签名层命中；③ 该物种冷门，分类学覆盖稀疏。
FAQ 7：InterPro 更新后，我的旧结果还有效吗？
entry 的 IPR 编号稳定（身份不变），但内容（成员库映射、覆盖、描述）可能随 release 更新。复现旧结果请用 FTP 对应历史版本；用最新注释请绑最新 release。
FAQ 8：InterPro 和 UniProt 是什么关系？
UniProt 是蛋白序列的权威库，InterPro 是蛋白家族/域注释库，二者互引：UniProt 条目显示匹配的 InterPro entry，InterPro entry 列出匹配的 UniProt 蛋白。做蛋白研究通常联合使用。
FAQ 9：InterPro 支持哪些物种？
理论上支持所有物种，但覆盖极不均：Swiss-Prot（人工审校）覆盖 97.6%，而分类学整体仅 7.6%（282 万分类单元中 21 万有整合注释）。模式物种与微生物覆盖好，冷门/未培养物种稀疏。
FAQ 10：InterProScan 6 有什么新东西？
重构的流水线、InterPro-N（对用户序列从头预测）、新的 Matches API、MCP server（面向 AI 智能体的接口）。论文 doi:10.1093/bioadv/vbag141。
FAQ 11：InterPro 的 entry 有多少种类型？
五类：Family（家族，28,238）、Domain（结构域，21,768）、Homologous Superfamily（同源超家族，3,516）、Repeat（重复，389）、Site（位点，1,011，含 Active/Binding/Conserved/PTM 四子类）。
FAQ 12：我能离线用 InterPro 吗？
可以。下载批量数据（FTP/下载页）用于离线分析；下载 InterProScan（Apache 2.0）本地运行序列扫描。两者结合可完全离线复现注释流水线。
FAQ 13：InterPro2GO 是干什么的？
把 InterPro entry 映射到 GO term（共 29,991 个）。一旦 entry 关联 GO，所有匹配该 entry 的蛋白自动获得功能标签，实现规模化自动注释。做功能富集分析时常用。
FAQ 14：为什么有 TIGRFAMs 的说法，但现在找不到这个库？
TIGRFAMs 曾是与 Pfam 齐名的原核家族库，已退役，其内容并入 NCBIfam。当前官方 13 库含 NCBIfam 不含独立 TIGRFAMs。这是 InterPro 承担退役库归档职责的体现。
FAQ 15：InterPro 的 API 怎么组合查询？
端点块形如 datatype/sourcedb/accession，可串联。如 /entry/interpro/protein/uniprot/P99999 返回该蛋白匹配的所有 InterPro entry；/entry/interpro 返回全部 entry 的分页列表。六端点为 entry/protein/structure/taxonomy/proteome/set。
FAQ 16：InterPro 的数据能用来训练机器学习模型吗？
能。CC0 许可允许自由使用与训练，无限制。InterPro 的家族/域注释是蛋白语言模型与功能预测模型的天然监督信号与评测基准来源。
FAQ 17：论文里说盖 2 亿序列，官网说 85.1%，矛盾吗？
不矛盾但需分口径。论文报告 version 101.0，说"为超过 2 亿条序列提供注释"（含 UniParc 等更大的序列集合）；官网 85.1% 是 110.0 对 UniProtKB 150,006,383 条的覆盖。分母不同（UniProtKB vs 更广序列集）、版本不同（101.0 vs 110.0）。
FAQ 18：整合率和覆盖率是一回事吗？
不是。整合率 = 被整合签名 / 成员库签名总数（如 Pfam 96.7%），衡量"签名是否进了 entry 层"；覆盖率 = 命中序列 / 序列总数（如 UniProtKB 85.1%），衡量"序列是否被注释"。两个不同维度。
FAQ 19：InterPro 有多少文献支撑？
InterPro 引用 68,259 篇 PubMed 文献；其 13 家成员库各自都有主论文。论文作者名单 34 人，体现联盟多机构协作。
FAQ 20：做结构域架构研究用哪个功能？
InterPro 的 domain architecture 检索——可按"含域 A 又含域 B"的组合反查蛋白，也可查看某蛋白的域排列（如"信号肽-域1-域2"）。这是 InterPro 相对成员库的独特增值功能。
FAQ 21：InterPro entry 的编号规则是什么？
形如 IPR + 6 位数字（如 IPR000001）。当前最新为 IPR065560，说明已分配约 6.5 万个编号——但 entry 总数为 54,922，意味着有约一万个编号曾分配后被合并或删除（编号不回收）。互链与引用时用 IPR 编号最稳定。
FAQ 22：为什么有的蛋白匹配到几十个 entry？
多域蛋白（multi-domain protein）每个域都可能对应一个 entry，加上位点、重复等注释，可出现几十个命中。真核信号蛋白与调控蛋白尤为常见。理解时应按"域架构"把这些 entry 组织成有序排列，而非当作并列冲突。
FAQ 23：InterPro 的"同源超家族"和"家族"有什么区别？
家族（family）是同源蛋白的分组，同源超家族（homologous superfamily）强调结构层面的同源关系，通常粒度更粗、覆盖更远缘的成员。同源超家族是 Family 之上的更大分组（如多种不同的酶可能同属一个超家族）。
FAQ 24：InterPro 有没有覆盖病毒蛋白？
有，但覆盖程度取决于成员库。病毒蛋白序列变异快、常无近缘参考，签名覆盖相对稀疏，大量病毒孤儿蛋白无 entry。做病毒研究时建议用 InterProScan 直接跑签名，而非只依赖 entry 检索。
FAQ 25：InterPro 怎么处理不同成员库之间的冲突？
策展员判定签名等价性。若两库对同一序列区域的家族归属冲突，策展可能：① 归并为一个 entry 并在描述中说明差异；② 保持多个 entry 并标注；③ 暂不整合，让签名停留在签名层。冲突的处置是策展的核心工作之一。
FAQ 26：InterProScan 6 和 5 有什么区别？
InterProScan 6 是重构流水线（re-engineered），主打更快的自服务与 AI-ready 访问；新增 InterPro-N（从头预测）、Matches API、MCP server。论文 doi:10.1093/bioadv/vbag141。旧版仍可用，但新特性仅 6 代具备。
FAQ 27：InterPro 的 GO 注释能直接用于功能富集吗？
可以。取匹配的 InterPro entry，经 interpro2go 映射转 GO term，即可送入富集分析工具。需注意 InterPro2GO 是"缺省传播"式的映射（一个 entry 一个 GO），可能不如手工注释的 GO 精确，做严谨分析时建议核对映射证据。
FAQ 28：为什么 InterPro 的 entry 数远小于成员库签名总和？
因为整合——多个成员库签名描述同一实体时被归并为一个 entry。12 万+ 签名归并为 5.5 万 entry，正是"多对一"整合的结果。entry 数少不代表信息少，而是更紧凑。
FAQ 29：InterPro 支持核酸序列吗？
InterProScan 支持 DNA/RNA（核苷酸）输入，会先翻译再扫描。但 InterPro 的注释体系本身面向蛋白，核酸序列的注释以翻译产物为准。做基因组注释时通常直接提交预测的蛋白序列。
FAQ 30：InterPro 和 KEGG/Reactome 通路库有什么关系？
InterPro 提供家族/域注释，KEGG/Reactome 提供通路注释，二者互补但不直接整合。PANTHER 成员库把家族与通路绑定，是 InterPro 侧向通路信息的桥梁。
FAQ 31：InterPro 数据有多大，下载要多久？
批量文件从几百 MB 到数 GB 不等（含 HMM 模型文件较大）。纯 entry 清单与匹配结果是文本、较小；HMM 模型集合较大。建议按需下载而非全量拉取，FTP 支持断点续传。
FAQ 32：InterPro 的覆盖会随时间提升吗？
会。每 release 新增 entry 与整合新方法（110.0 新增 854 entry、976 方法），覆盖缓慢提升。但受限于策展人力与生物学本身的未解家族，提升非线速。引用覆盖时应注明 release。
FAQ 33：为什么有些物种只有极少数蛋白被注释？
分类学覆盖仅 7.6% 是长尾效应的体现：UniProt 收录了 282 万分类单元，大量是仅有一两条序列的环境样本物种。这些序列常无近缘参考，签名无法命中。做冷门物种研究需有"注释稀疏"的预期。
FAQ 34：InterPro 能用于蛋白结构的域边界确定吗？
可以。InterPro 的结构域 entry 给出序列上的域边界，PDB/AlphaFold 集成提供结构映射，可交叉验证域边界。但边界定义在成员库间可能略有差异，严谨的边界确定建议综合看多个库的注释。
FAQ 35：InterPro 和 PROSITE 是什么关系？
PROSITE 是成员库之一（且分 patterns 与 profiles 两套签名），InterPro 整合 PROSITE。用 InterPro 可得 PROSITE 命中加跨库证据，用 PROSITE 自身站点可得更详尽的模式定义与文献。
FAQ 36：InterPro 有没有中文界面？
没有。官方界面与文档为英文。本条目即为其提供的中文百科式说明。
FAQ 37：InterPro 的"重复"（Repeat）类 entry 是什么？
指蛋白内的重复序列单元（如锚蛋白重复、亮氨酸富集重复）。重复单元通常介导蛋白-蛋白互作，是域架构的常见组件。
FAQ 38：InterPro 的 PDB 集成具体指什么？
指把 PDB 结构映射到蛋白序列，再关联到 InterPro entry——使"某结构的某部分对应哪个家族/域"可查。110.0 中 94.7% 的 PDB 结构被整合。
FAQ 39：InterPro 会不会把假阳性序列也注释了？
会存在假阳性风险，尤其短模式类签名。缓解机制包括：多库交叉证据、AntiFam 过滤、策展设定的匹配阈值。使用者应关注匹配的 e-value/score 而非仅看"有无命中"。
FAQ 40：如果我要引用 InterPro 的一个具体 entry，该怎么写？
建议写"InterPro 登录号（IPR号）+ entry 名 + 来源版本（如 InterPro 110.0）"，并引用 InterPro 主论文。若该 entry 源自特定成员库，最好同时署名该成员库。
§事实清单（Fact Sheet）
以下为可核验的核心事实，逐条标注来源口径。
| # | 事实 | 数值/内容 | 来源 |
|---|---|---|---|
| 1 | 当前版本 | InterPro 110.0 | 官网/release notes（2026-09-03） |
| 2 | 上一版本 | 109.0（2026-06-11） | release notes |
| 3 | 更新节律 | 约每 8 周 | About 页 |
| 4 | entry 总数 | 54,922（最新 IPR065560） | release notes 110.0 |
| 5 | Family 数 | 28,238 | release notes 110.0 |
| 6 | Domain 数 | 21,768 | release notes 110.0 |
| 7 | Homologous Superfamily 数 | 3,516 | release notes 110.0 |
| 8 | Repeat 数 | 389 | release notes 110.0 |
| 9 | Site 合计 | 1,011（Active 133/Binding 82/Conserved 779/PTM 17） | release notes 110.0 |
| 10 | 成员库数量 | 13（含 MobiDB Lite） | About 页 |
| 11 | UniProtKB 总数 | 150,006,383（2026_03） | release notes 110.0 |
| 12 | UniProtKB 覆盖（任一签名） | 127,708,989（85.1%） | release notes 110.0 |
| 13 | UniProtKB 覆盖（整合签名） | 124,513,028（83.0%） | release notes 110.0 |
| 14 | Swiss-Prot 覆盖 | 561,761/575,748（97.6%） | release notes 110.0 |
| 15 | PDB 整合 | 244,288/257,829（94.7%） | release notes 110.0 |
| 16 | Proteome 整合 | 37,058/37,191（99.6%） | release notes 110.0 |
| 17 | 分类学整合 | 215,354/2,827,565（7.6%） | release notes 110.0 |
| 18 | InterPro2GO 映射 | 29,991 个 GO term | release notes 110.0 |
| 19 | PubMed 引用数 | 68,259 篇 | release notes 110.0 |
| 20 | Pfam 签名/整合 | 30,134/29,136（96.7%），版本 38.2 | release notes 110.0 |
| 21 | CDD 签名/整合 | 19,902/5,480（27.5%），版本 3.21 | release notes 110.0 |
| 22 | NCBIFAM 签名/整合 | 18,950/7,622（40.2%），版本 20.0 | release notes 110.0 |
| 23 | PANTHER 签名/整合 | 15,683/10,665（68.0%），版本 19.0 | release notes 110.0 |
| 24 | HAMAP 签名/整合 | 2,394/2,388（99.7%），版本 2026_01 | release notes 110.0 |
| 25 | PIRSF 签名/整合 | 3,285/3,220（98.0%），版本 3.10 | release notes 110.0 |
| 26 | 数据许可 | CC0 1.0 Universal | license 页 |
| 27 | 软件许可 | Apache License 2.0 | license 页 |
| 28 | API 端点 | 6 个（entry/protein/structure/taxonomy/proteome/set） | 文档站 |
| 29 | 导出格式 | Text/FASTA/JSON/TSV（<10K 实体） | 文档站 |
| 30 | 权威论文 | NAR 2025;53(D1):D444-D456，doi:10.1093/nar/gkae1082 | 论文 |
| 31 | 论文报告版本 | 101.0 | 论文摘要 |
| 32 | 论文口径序列数 | 超过 2 亿条 | 论文摘要 |
| 33 | 110.0 新增 entry | 854 个 | release notes |
| 34 | 110.0 整合新方法 | 976 个 | release notes |
| 35 | InterProScan 6 论文 | doi:10.1093/bioadv/vbag141 | 官网 |
§术语表（Glossary）
- InterPro entry：整合后的统一条目，编号形如 IPRxxxxxx，聚合多成员库签名。
- signature（签名）：成员库提供的预测模型（HMM、模式、谱、指纹、树、规则等），是 InterPro 整合的原料。
- member database（成员数据库）：向 InterPro 提供签名的合作库（如 Pfam、PROSITE）。
- 整合签名（integrated signature）：被策展归并入某个 InterPro entry 的签名。
- Family（家族）：描述一组同源蛋白的 entry 类型。
- Domain（结构域）：可独立折叠的功能单元对应的 entry 类型。
- Homologous Superfamily（同源超家族）：结构/进化相关的更高层同源分组 entry 类型。
- Repeat（重复）：蛋白内重复序列单元对应的 entry 类型。
- Site（位点）：重要功能位点，细分为 Active/Binding/Conserved/PTM。
- Active Site（活性位点）：催化等关键活性残基位置。
- Binding Site（结合位点）：配体/底物结合残基位置。
- PTM（翻译后修饰位点）：修饰相关位点。
- HMM（隐马尔可夫模型）：基于多序列比对的概率模型，Pfam 的核心方法。
- profile（谱）：比模式更灵敏的序列特征模型，PROSITE profiles 使用。
- pattern（模式）：基于正则式的短序列模式，PROSITE patterns 使用。
- fingerprint（指纹）：一组保守基序的集合，PRINTS 使用。
- domain architecture（结构域架构）：同一蛋白上多个结构域的顺序排列，可按组合检索。
- InterProScan：InterPro 的配套扫描软件（Apache 2.0）。
- InterPro-N：InterProScan 6 引入的从头预测功能。
- InterPro2GO：InterPro entry 到 Gene Ontology term 的映射（29,991 项）。
- UniProtKB：通用蛋白知识库（Swiss-Prot 人工审校 + TrEMBL 自动注释）。
- UniParc：收录所有已知序列的归档库。
- PDBe：欧洲蛋白结构数据库，InterPro 集成对象。
- AlphaFold DB：AlphaFold 预测结构库，InterPro 集成对象。
- GO（Gene Ontology）：基因本体，功能注释标准词汇表。
- curation（策展）：专家人工判定签名等价性、撰写描述、分配 GO 的过程。
- integrity rate（整合率）：被整合签名/成员库签名总数。
- Taxonomy（分类学）：物种分类体系；InterPro 覆盖统计的一个维度。
- Proteome（蛋白组）：某物种/样品的全部蛋白集合。
- AntiFam：伪蛋白/污染序列过滤库。
- MobiDB Lite：内在无序区共识注释来源（成员库之一）。
- TIGRFAMs：已退役、并入 NCBIfam 的原核家族库。
- MCP server：面向 AI 智能体的接口协议服务（InterProScan 6 配套）。
- IPR accession：InterPro entry 的稳定登录号（形如 IPR000001）。
- precomputed match（预计算匹配）：InterPro 预先算好的某序列对某签名的命中结果。
- gathering threshold（收集阈值）：Pfam 判定家族归属的置信下限。
- clan（家族簇）：Pfam 中把远缘相关家族组织在一起的层级。
- SCOP / CATH：两大蛋白结构域分类体系，分别由 SUPERFAMILY 与 CATH-Gene3D 承载。
- Class-Architecture-Topology (CAT)：CATH 分类的前三级，第四级为 Homologous superfamily。
- InterProScan 6：当前最新代扫描流水线，含 InterPro-N、Matches API、MCP server。
- Matches API：InterProScan 6 引入的匹配结果访问接口。
- entry type（entry 类型）：Family / Domain / Homologous Superfamily / Repeat / Site 五类。
- Integrity（整合率）：同"整合率"，衡量签名进入 entry 层的比例。
- QuickGO：EBI 的 GO 浏览工具，可查 InterPro2GO 映射。
- PGAP：NCBI 的原核基因组注释流水线，消费 NCBIfam。
- domainomics（结构域组学）：以结构域为单位研究蛋白组组成的方法。
- orphan protein（孤儿蛋白）：无已知家族/域注释、匹配不到任何 entry 的蛋白。
- twilight zone（暮光区）：序列同一性 20-25% 左右、同源关系难以从序列判定的区间。
- multi-domain protein（多域蛋白）：含多个结构域、可命中多个 entry 的蛋白。
- HMMER：运行 Pfam 等 HMM 签名的常用工具套件。
- release notes（发布说明）：逐版本记录变更的官方文档。
- retired database（退役库）：停止维护但内容被 InterPro 归档的成员库。
- curator（策展员）：判定签名等价性、撰写 entry 描述的领域专家。
§附录 A：成员库一览速查
| 成员库 | 缩写 | 方法 | 焦点 | 版本 | 签名数 | 整合率 |
|---|---|---|---|---|---|---|
| Pfam | — | HMM | 全长家族/域 | 38.2 | 30,134 | 96.7% |
| CDD | — | 域集合 | 保守域 | 3.21 | 19,902 | 27.5% |
| NCBIfam | — | 规则/HMM | 原核家族 | 20.0 | 18,950 | 40.2% |
| PANTHER | — | 系统发育树 | 家族/亚家族 | 19.0 | 15,683 | 68.0% |
| CATH-Gene3D | — | 结构分类 | 结构域折叠 | 4.3.0 | 6,631 | 42.9% |
| PIRSF | — | 全长进化 | 全长家族 | 3.10 | 3,285 | 98.0% |
| HAMAP | — | 手工规则 | 微生物家族 | 2026_01 | 2,394 | 99.7% |
| PRINTS | — | 指纹 | 家族指纹 | 42.0 | 2,106 | 91.9% |
| SUPERFAMILY | — | 结构+HMM | 全基因组域分配 | 1.75 | 2,019 | 81.7% |
| PROSITE profiles | — | 谱 | 域/家族 | 2026_01 | 1,419 | 93.1% |
| SMART | — | 模块域 | 信号传导域 | 9.0 | 1,322 | 96.4% |
| PROSITE patterns | — | 模式 | 短位点 | 2026_01 | 1,311 | 97.6% |
| SFLD | — | 结构-功能 | 酶超家族 | 4 | 303 | 53.5% |
§附录 B：关键 URL 速查
- 官网：https://www.ebi.ac.uk/interpro/
- 发布说明：https://www.ebi.ac.uk/interpro/release_notes/
- 下载页：https://www.ebi.ac.uk/interpro/download/
- FTP 历史版本：https://ftp.ebi.ac.uk/pub/databases/interpro/
- 文档站：https://interpro-documentation.readthedocs.io/
- 许可说明：https://interpro-documentation.readthedocs.io/en/latest/license.html
- API 文档：https://interpro-documentation.readthedocs.io/en/latest/download.html#api
- 主论文 DOI：https://doi.org/10.1093/nar/gkae1082
- Pfam 论文 DOI：https://doi.org/10.1093/nar/gkae997
- InterProScan 6 论文 DOI：https://doi.org/10.1093/bioadv/vbag141
- 本条目占位 URL：https://www.qianfanghub.com/ai-ready-dataset/interpro/1044
§附录 C：版本链简表
| 版本 | 日期 | 要点 |
|---|---|---|
| 109.0 | 2026-06-11 | 上一版 |
| 110.0 | 2026-09-03 | 新增 854 entry；NCBIFAM→20.0；整合 976 新方法；当前版 |
| 101.0 | 2025（论文时点） | NAR 2025 论文报告版本；>2 亿序列、85,000 家族 |
§附录 B2：API 调用示例速查
| 目的 | API 路径 |
|---|---|
| 列全部 InterPro entry（分页） | /entry/interpro |
| 某 entry 详情 | /entry/interpro/IPR000001 |
| 某蛋白详情 | /protein/uniprot/P99999 |
| 某蛋白命中的全部 InterPro entry | /entry/interpro/protein/uniprot/P99999 |
| 某 entry 匹配的全部蛋白 | /entry/interpro/IPR000001/protein/uniprot/ |
| 某结构详情 | /structure/pdb/1ABC |
| 某分类学节点 | /taxonomy/uniprot/9606 |
| 某 proteome | /proteome/uniprot/UP000005640 |
说明：端点块可组合串联；返回 JSON；结果过多时分页。脚本生成器支持 Python 3 / Perl / JavaScript。导出（<10K 实体）支持 Text/FASTA/JSON/TSV。
§附录 D：双口径存照清单
| 项 | 口径 A | 口径 B | 处置 |
|---|---|---|---|
| 覆盖 UniProtKB | 任一签名 85.1% | 整合签名 83.0% | 同列并注明含义 |
| Site 计数 | 合计 1,011 | 四子类 133/82/779/17 | 同列并给合计 |
| 版本号 | 论文 101.0 | 线上 110.0 | 数字绑版本 |
| 成员库清单 | 传统 13 库含 TIGRFAMs | 现行 13 库含 MobiDB Lite | 以官方 About 为准 |
| 序列数口径 | 论文 >2 亿（含 UniParc 等） | 官网 UniProtKB 1.5 亿 | 注明分母 |
| TIGRFAMs | 曾为独立成员库 | 已并入 NCBIfam | 注明沿革 |
§附录 E：遗留疑点
- Proteome 覆盖率的直接百分比：release notes 未直接给出"proteome 覆盖 %“，历史材料有约 84% 的口径，本次未取得 110.0 的直接值（仅有"37,058/37,191=99.6% 被整合”）。引用 proteome 覆盖时以官方整合数（99.6%）为准，避免使用来源不明的百分比。
- InterProScan 打包各成员库工具的逐库许可：官方明确"内含扫描工具与签名集合可能各自许可不同"，但未逐一列明。商用软件前需逐库核对。
- 创建年份：InterPro 自 1999 年建立（temporalCoverage 取 1999-2026），本条目未在正文展开其历史沿革，若需具体里程碑年份应另查官方历史页面。
§附录 F：五分钟快速上手
给初次使用者的一条最短路径：
- 查一个已知蛋白：打开 https://www.ebi.ac.uk/interpro/ ，在搜索框输入 UniProt accession（如 P99999），回车。看到该蛋白命中的全部 InterPro entry、结构域架构与 GO 注释。
- 查一个家族：搜索家族名或 IPR 号，进入 entry 页面，看类型、成员库映射、描述、匹配蛋白列表。
- 跑自己的序列：点击 “Search by sequence”，粘贴序列或上传文件，提交 InterProScan 任务，等结果。
- 拉数据做分析：用 API（如
/entry/interpro/protein/uniprot/<acc>）或下载页批量文件。 - 做富集分析：取 entry 列表 → interpro2go 映射 → GO term → 富集工具。
记住三条纪律：版本要标注、口径要写明、成员库要署名。
§附录 G：一页纸数字卡
| 项 | 值 |
|---|---|
| 当前版本 | 110.0（2026-09-03） |
| 上一版本 | 109.0（2026-06-11） |
| 更新节律 | 约 8 周 |
| entry 总数 | 54,922 |
| Family / Domain | 28,238 / 21,768 |
| Homologous Superfamily / Repeat | 3,516 / 389 |
| Site（Active/Binding/Conserved/PTM） | 1,011（133/82/779/17） |
| 成员库 | 13 家 |
| UniProtKB 覆盖（任一/整合） | 85.1% / 83.0% |
| Swiss-Prot 覆盖 | 97.6% |
| PDB 整合 | 94.7% |
| Proteome 整合 | 99.6% |
| 分类学整合 | 7.6% |
| InterPro2GO | 29,991 |
| 引用文献 | 68,259 |
| 数据许可 | CC0 1.0 |
| 软件许可 | Apache 2.0 |
| API 端点 | 6 |
| 最大成员库 | Pfam 38.2（30,134 签名） |
§尾注
来源清单：
- InterPro 官网首页（版本与机构信息）：https://www.ebi.ac.uk/interpro/
- InterPro 发布说明 110.0（全部 entry/成员库/覆盖硬数字）：https://www.ebi.ac.uk/interpro/release_notes/
- InterPro About 页（13 家成员库清单、更新节律、集成资源）：https://www.ebi.ac.uk/interpro/about/interpro/
- InterPro 许可页（CC0 / Apache 2.0）：https://interpro-documentation.readthedocs.io/en/latest/license.html
- InterPro 下载文档（格式、API、脚本生成器）：https://interpro-documentation.readthedocs.io/en/latest/download.html
- Blum M, et al. InterPro: the protein sequence classification resource in 2025. Nucleic Acids Res. 2025;53(D1):D444-D456. doi:10.1093/nar/gkae1082（PMID:39565202；PMC:PMC11701551）
- Paysan-Lafosse T, et al. The Pfam protein families database: embracing AI/ML. Nucleic Acids Res. 2025. doi:10.1093/nar/gkae997
- InterProScan 6 论文：doi:10.1093/bioadv/vbag141
核验说明：本条目所有硬数字均来自上述一手来源（官网 release notes、About 页、许可页、文档站、NAR 论文）。论文（101.0）与线上（110.0）两套口径已在正文与附录 D 分列存照；成员库清单以官方 About 页 13 库为准，并对 TIGRFAMs 退役沿革予以说明。凡未能核验的项（如 proteome 直接覆盖百分比、逐库软件许可）已在附录 E 列为遗留疑点，未作推测。
条目性质声明：InterPro 是蛋白质序列功能分类整合资源（非患者数据集，patient_count 标注为"不适用"）。本条目对其定位、13 家成员库、构建流水线、规模硬数字、获取与许可、下游生态、与成员库 Pfam 的层级关系、方法学启示及使用坑点做了系统梳理，供蛋白组学、结构生物信息学、功能基因组注释与蛋白基础模型研究者参考。
建议互链点（库内条目）：
- Pfam（成员层，核心血缘对照）——若库内已有 pfam 条目，应建双向互链，说明"InterPro=整合层 / Pfam=成员层"
- AlphaFold（结构预测库，InterPro 集成对象）
- 蛋白质组学 / 变异与注释 / 基因组学与多组学类条目（功能注释基础层）
（条目终）
相关数据集导航
以下为站内 AI-Ready 数据集百科中与本词条共享多个主题标签的相关数据集，按相关度降序排列：
- cath — 共享标签：基因组学与多组学 / 蛋白质组学 / 变异与注释 / 知识图谱 / 评测基准
- sabdab2 — 共享标签：基因组学与多组学 / 蛋白质组学 / 知识图谱 / 评测基准
- cspec — 共享标签：基因组学与多组学 / 变异与注释 / 知识图谱 / 评测基准
- proteingym — 共享标签：基因组学与多组学 / 蛋白质组学 / 变异与注释 / 评测基准
- pfam — 共享标签：基因组学与多组学 / 蛋白质组学 / 变异与注释 / 知识图谱
- ecod — 共享标签：基因组学与多组学 / 蛋白质组学 / 变异与注释 / 知识图谱
- string — 共享标签：基因组学与多组学 / 蛋白质组学 / 知识图谱
- ipd-imght-hla — 共享标签：基因组学与多组学 / 变异与注释 / 知识图谱
- mgi — 共享标签：基因组学与多组学 / 变异与注释 / 知识图谱
- hpo — 共享标签：基因组学与多组学 / 变异与注释 / 知识图谱 / 评测基准
导航说明：本章节由全站统一标签体系自动计算生成（标签重合度算法），双向可达；点击链接可跳转至对应数据集词条。
