CATHデータベース

CATHタンパク質構造分類データベース（英: CATH Protein Structure Classification database）は、タンパク質ドメインの進化的関係に関する情報を提供する、無料の公開オンラインリソースである。これは1990年代半ばにChristine Orengo（英語版）教授と同僚のJanet Thornton（英語版）、David Jones（英語版）らによって開発され^[2]、現在もユニヴァーシティ・カレッジ・ロンドンのOrengoグループによって開発が続けられている。CATHは、SCOPリソースと大くの幅広い特徴を共有しているが、詳細な分類が大きく異なる領域も多くある^[3][4][5][6]。

CATH

内容
説明	タンパク質構造分類
コンタクト
研究拠点	ユニヴァーシティ・カレッジ・ロンドン
研究所	構造分子生物学研究所
主要引用	Dawson et al. (2016) [1]
公開日	1997
アクセス
ウェブサイト	cathdb.info
ダウンロードURL	cathdb.info/download
ツール
その他
データ公開頻度	CATH-Bは毎日リリースされている。公式リリースはほぼ毎年行われている。
バージョン	4.3

階層的な構成

実験的に決定されたタンパク質の立体構造を蛋白質構造データバンク（PDB）から取得され、必要に応じて連続するポリペプチド鎖に分割する。これらの鎖の中にあるタンパク質のドメインは、自動化された方法と手作業によるキュレーションを組み合わせて識別される。

次に、それらのドメインはCATHの構造階層の中で分類される。クラス（C）レベルでは、二次構造の内容に応じてドメインが割り当てられる。すなわち、すべてがαヘリックス、すべてがβシート、αとβの混合、または二次構造がほとんどないなどである。アーキテクチャ（A）レベルでは、三次元空間における二次構造の配置に関する情報を用いて割り当てを行う。トポロジー／フォールド（T）レベルでは、二次構造の要素がどのように接続され、配置されているかの情報が用いられる。相同スーパーファミリー（H）レベルでは、ドメインが進化によって関連していること^[2]、すなわちそれらが相同であることを示す十分な証拠がある場合に割り当てられる。

CATH階層の4つの主要レベル

#	レベル	説明
1	クラス（Class）	ドメインの全体的な二次構造の内容。(SCOPの「クラス（英語版）」に相当)
2	アーキテクチャ（Architecture）	高い構造的類似性を持つが、ホモロジーの証拠はない。（SCOPの「フォールド」レベルに相当）
3	トポロジー／フォールド（Topology/fold）	特定の構造的特徴を共有するトポロジーの大規模なグループ。
4	相同スーパーファミリー（Homologous superfamily）	実証可能な進化的関係を示す。（SCOPのスーパーファミリーに相当）

構造が実験的に決定されていないドメインの追加の配列データは、CATHの姉妹リソースであるGene3Dから提供されており、相同スーパーファミリーの作成に使用されている。UniProtKBおよびEnsemblのタンパク質配列をCATH HMMと照合して、ドメイン配列の境界を予測し、相同スーパーファミリーの割り当てを行う。

リリース

CATHチームは、12ヶ月ごとにCATH分類の公式リリースを提供することを目標としている。このリリースプロセスは、内部検証、追加のアノテーション、および分析の提供を可能にするため重要である。ただし、PDBに新しい構造が登録されてから、CATHの最新の公式リリースまでに時間がかかることもある。

この問題に対処するために CATH-Bは、最新のドメインアノテーション（ドメイン境界やスーパーファミリーの分類など）ついて、限られた量の情報のみ提供する。

CATH-Gene3Dの最新リリース（v4.3）は2020年12月にリリースされ、以下で構成されている。

• 500,238件の構造タンパク質ドメインのエントリ^[1]
• 151,000,000件の非構造タンパク質ドメインのエントリ^[1]
• 5,481件の相同スーパーファミリーのエントリ^[1]
• 212,872件の機能ファミリーのエントリ^[1]

オープンソースソフトウェア

CATHはオープンソースソフトウェアプロジェクトであり、開発者は多くのオープンソースツールを開発および維持している^[7]。CATHはGitHub上にTodoリストを保持しており、外部のユーザーがCATHタンパク質構造分類に関連する問題を作成し、追跡できるようにしている。