Curated protein database for Gossypium hirsutum proteomics (seed and stress-related)

This dataset contains a curated and non-redundant protein FASTA database for Gossypium hirsutum, optimized for shotgun proteomics analysis. The database was constructed by:- Downloading the complete UniProtKB protein dataset for Gossypium hirsutum- Filtering sequences shorter than 50 amino acids- Removing exact duplicates- Reducing redundancy using CD-HIT at 95% identity- Enriching the dataset with proteins related to seed development and abiotic stress (stress response, oxidative stress, salt stress, osmotic stress)- Removing redundancy in enriched subsets (CD-HIT at 90%)- Adding common proteomics contaminants (keratins, trypsin) Final database size:49,878 protein sequences This database is intended for use in mass spectrometry-based proteomics workflows (e.g., PLGS, Proteome Discoverer).本数据集包含一套经过精心甄选且无冗余的陆地棉（Gossypium hirsutum）蛋白质FASTA数据库，专为鸟枪法蛋白质组学分析优化。 该数据库的构建流程如下： 1. 下载陆地棉的完整UniProtKB蛋白质数据集； 2. 过滤掉长度小于50个氨基酸的序列； 3. 移除完全重复的序列； 4. 使用CD-HIT以95%的序列同一性阈值降低数据库冗余度； 5. 向数据集中补充与种子发育及非生物胁迫（涵盖胁迫响应、氧化胁迫、盐胁迫、渗透胁迫）相关的蛋白质； 6. 对富集后的子集再次使用CD-HIT，以90%的序列同一性阈值去除冗余； 7. 添加常见的蛋白质组学污染物（角蛋白、胰蛋白酶）。 最终数据库包含49,878条蛋白质序列。 本数据库适用于基于质谱的蛋白质组学分析流程（如PLGS、Proteome Discoverer）。