-

H-InvDBでは、ヒト転写産物（cDNA, mRNA, RNA）の塩基配列を解析対象として、タンパク質データベースに対して配列相同性検索プログラム(FASTY・BlastX)を実行し、配列の類似性およびGeneMarkによる遺伝子予測結果との組み合わせにより転写産物配列中でタンパク質をコードしている領域(CDS)を予測しています。
ゲノム上の重複を除いて定義されるクラスター(遺伝子座)の代表的な配列を代表配列 (rep_HIP)と定義しました。代表配列は、それぞれのクラスターメンバーを考慮して手動アノテーションで定義しています。
予測されたアミノ酸配列に対しモチーフ予測プログラム(InterProScan)を実行しタンパク質の機能予測を行った後、手動アノテーションを行いました。既知タンパク質または機能性モチーフ情報を用いて、タンパク質情報の信頼度におけるカテゴリ分けを行っています (HIT_category)。また、複合体タンパク質としての信頼度によるカテゴリー分けも行いました(Category)。

NCBI Taxonomyデータベースから取得した生物種間の系統関係を遡る方向に下位系統群でのクラスター（subcluster）を併合して上位系統群でのク ラスター（supercluster）を再帰的に生成している。