Pfam è undatabase difamiglie di proteine che include le loro annotazioni e gliallineamenti di sequenze multiple generati usando imodelli di Markov nascosti.[1][2][3]
Per ogni famiglia di proteine presente su Pfam si possono ottenere:
All'incirca il 74% delle sequenze proteiche hanno almeno un collegamento a Pfam. Questo numero viene chiamato la copertura delle sequenze.
Il databasePfam-A contiene informazione circa idomain proteici e le famiglie di proteine Pfam-A è a parte del database curata da operatori umani che contiene più di 10.000 voci. In ogni articolo sono archiviati un allineamento della sequenza aminoacidica e il corrispettivoModello di Markov nascosto. Questi modelli di Markov nascosti possono essere usati per cercare databse di sequenze grazie al pacchetto di programmiHMMER scritto da Sean Eddy. Dal momento che le voci di Pfam-A attualmente non coprono tutte le proteine note, è stato generato automaticamente un supplemento denominato Pfam-B.
La sezionePfam-B contiene un gran numero di piccole famiglie proteiche derivate da clusters prodotti da unalgoritmo denominato ADDA.[4] Anche se di minore qualità, la sezione di famiglie contenute in Pfam-B può essere utile quando non si trova una famiglia proteica in Pfam-A.
Il databaseiPfam[5] viene costruito in base alla descrizione del domain di Pfam. Questo database investiga se le differenti proteine descritte assieme (in base allastruttura proteica derivata dal databaseProtein Data Bank) sono davvero lo sufficientemente vicine per interagire potenzialmente.
Nell'ottobre del 2009, la release "Pfam 24.0" conteneva 11.912 famiglie proteiche.