Integrated proteogenomics databases

Accurate annotation of all protein-coding sequences (CDSs) is an essential prerequisite to fully exploit the rapidly growing repertoire of completely sequenced prokaryotic genomes. However, large discrepancies among the number of annotated CDSs, missed functional short ORFs, and overprediction of spurious ORFs represent serious limitations.

精准注释所有蛋白质编码序列（protein-coding sequences, CDSs），是充分利用快速增长的已完成全基因组测序原核生物基因组库的必要前提。然而，不同注释结果间CDS数量存在显著差异、功能性短开放阅读框（open reading frames, ORFs）被遗漏，以及虚假开放阅读框的过度预测，均构成严重的局限性。

搜集汇总

背景与挑战

背景概述

该数据集是一个集成蛋白质组学数据库平台，旨在解决原核基因组注释中蛋白质编码序列不准确和不完整的问题。它整合了多种注释资源和预测算法，提供全面的蛋白质编码潜力覆盖，支持模型生物和新测序基因组的精准注释研究。