Data repository associated with 'A Functional Map of the Human Intrinsically Disordered Proteome'

ES_MAP.zip a hierarchically clustered map of the human IDR-ome .cdt and .gtr files - outputs of Cluster3.0 software can be visualized using JavaTreeView (see Tutorial_ES.pdf) TUTORIAL.zip, information on: visualization and analysis of the human IDR-ome map search for proteins of interest and exploratory analyses of clusters automatic export and analysis of exported clusters (code available at https://github.com/IPritisanac/ES_PW) IDROME_SEQUENCES.zip human proteome fasta file IDRome fasta file SPOT-Disorder v1.0 disorder boundaries 13 044 unique protein sequences with at least one IDR (>=30 amino acids) 21 252 total unique human IDRs IDR_ALN.zip alignments of IDR sequences across ENSEMBL orthologs 19 459 IDR alignments UniProt ID and IDR boundaries for the human sequence are indicated in the name of the file FAIDR_TSTATS.zip hierarchical clustering of FAIDR t-statistics for 148 GO terms .cdt, .gtr files from Cluster3.0 can be visualized using JavaTreeView reveals the most predictive molecular features for the top performing 148 models CLUSTERS_EXPLORE.zip clusters obtained through exploratory analysis of the map provided in ES_MAP.zip 93 exported clusters in .cdt file format CLUSTERS_AUTO.zip clusters extracted from the hierarchically clustered IDR-ome map at a range of distance thresholds (0.4 - 0.8) in .cdt file format distance refers to the uncentered correlation distance between vectors of Z-scores representing human IDRs clusters extracted at different distance thresholds are split into separate archives AUTO_GO_FEATS.xlsx - summary of GO-term overrepresentation and feature enrichment analyses; each distance threshold is in a separate sheet FAIDR_HIGH_AUC_PPV_GO.zip target files with annotations of 148 GO terms for which good quality FAIDR models could be obtained (AUC >= 0.7, PPV >= 0.4) file format: three columns; 1st: IDR ID (includes IDR boundaries); 2nd: protein UniProt ID; 3rd: annotation of the protein to a GO term (1 if known to be associated with the GO term, 0 if not) DATASETS.zip supplementary dataset accompanying manuscript (PNAS 2026)ES_MAP.zip 人类内在无序区域组（IDR-ome）的层级聚类图谱。 .cdt与.gtr文件——Cluster3.0软件的输出结果，可通过JavaTreeView进行可视化（详见Tutorial_ES.pdf）。 TUTORIAL.zip，包含以下信息： 人类IDR-ome图谱的可视化与分析方法； 目标蛋白质检索与聚类簇探索性分析； 导出聚类簇的自动导出与分析，相关代码开源地址为https://github.com/IPritisanac/ES_PW。 IDROME_SEQUENCES.zip 人类蛋白质组FASTA文件、IDR-ome FASTA文件，以及SPOT-Disorder v1.0版本的无序区域边界标注。 本数据集包含13044条至少包含一个长度≥30个氨基酸的内在无序区域（IDR）的独特蛋白质序列，共计21252条独特的人类IDR序列。 IDR_ALN.zip ENSEMBL同源物种间IDR序列的比对结果，共19459组IDR比对文件。人类序列的UniProt ID及IDR边界信息已嵌入文件名中。 FAIDR_TSTATS.zip 针对148个基因本体（GO）术语的FAIDR t统计值层级聚类结果。 包含Cluster3.0软件生成的.cdt与.gtr文件，可通过JavaTreeView可视化，用于揭示表现最优的148个模型的最具预测性的分子特征。 CLUSTERS_EXPLORE.zip 由ES_MAP.zip提供的图谱经探索性分析得到的聚类簇，包含93个以.cdt文件格式存储的导出聚类簇。 CLUSTERS_AUTO.zip 通过在0.4至0.8的距离阈值范围内对层级聚类后的IDR-ome图谱进行截取得到的聚类簇，以.cdt文件格式存储。此处的距离指代表人类IDR的Z分数向量之间的非中心化相关距离。不同距离阈值下提取的聚类簇被拆分至不同的压缩包中。 AUTO_GO_FEATS.xlsx：GO术语富集分析与特征富集分析的汇总文件，每个距离阈值对应一个独立工作表。 FAIDR_HIGH_AUC_PPV_GO.zip 包含148个可构建高质量FAIDR模型（AUC≥0.7且PPV≥0.4）的GO术语注释的目标文件。文件格式为三列：第一列为IDR编号（包含IDR边界信息），第二列为蛋白质的UniProt ID，第三列为蛋白质对应的GO术语注释（1表示该蛋白与该GO术语存在关联，0表示无关联）。 DATASETS.zip 随附《美国国家科学院院刊》（PNAS）2026年刊发论文的补充数据集。