Biopython - PDB 模块

Biopython 提供 Bio.PDB 模块来处理多肽结构。PDB（蛋白质数据库）是最大的在线蛋白质结构资源。它包含大量不同的蛋白质结构，包括蛋白质-蛋白质、蛋白质-DNA、蛋白质-RNA 复合物。

为了加载 PDB，键入以下命令：

from Bio.PDB import *

蛋白质结构文件格式

PDB 以三种不同的格式分发蛋白质结构：

基于 XML 的文件格式，Biopython 不支持该格式
pdb 文件格式，这是一种特殊格式的文本文件
PDBx/mmCIF 文件格式

蛋白质数据库分发的 PDB 文件可能包含格式错误，这些错误使它们变得模棱两可或难以解析。Bio.PDB 模块尝试自动处理这些错误。

Bio.PDB 模块实现了两种不同的解析器，一种是 mmCIF 格式，另一种是 pdb 格式。

让我们详细了解如何解析每种格式：

mmCIF 解析器

让我们使用以下命令从 pdb 服务器下载 mmCIF 格式的示例数据库：

>>> pdbl = PDBList() 
>>> pdbl.retrieve_pdb_file('2FAT', pdir = '.', file_format = 'mmCif')

这将从服务器下载指定的文件 (2fat.cif)，并将其存储在当前工作目录中。

这里，PDBList 提供了列出和下载在线 PDB FTP 服务器上文件的选项。retrieve_pdb_file 方法需要下载的文件名（不带扩展名）。retrieve_pdb_file 还可以选择指定下载目录 pdir 和文件格式 file_format。文件格式的可能值如下：

“mmCif”（默认，PDBx/mmCif 文件）
“pdb”（PDB 格式）
“xml”（PMDML/XML 格式）
“mmtf”（高度压缩）
“bundle”（用于大型结构的 PDB 格式存档）

要加载 cif 文件，请使用 Bio.MMCIF.MMCIFParser，如下所示：

>>> parser = MMCIFParser(QUIET = True) 
>>> data = parser.get_structure("2FAT", "2FAT.cif")

这里，QUIET 在解析文件期间抑制警告。**get_structure 将解析文件并返回 id 为 2FAT 的结构**（第一个参数）。

运行上述命令后，它将解析文件并打印可能的警告（如果存在）。

现在，使用以下命令检查结构：

>>> data 
<Structure id = 2FAT>

To get the type, use type method as specified below,

>>> print(type(data)) 
<class 'Bio.PDB.Structure.Structure'>

我们已成功解析文件并获得了蛋白质的结构。我们将在后面的章节中学习蛋白质结构的详细信息以及如何获取它。

PDB 解析器

让我们使用以下命令从 pdb 服务器下载 PDB 格式的示例数据库：

>>> pdbl = PDBList() 
>>> pdbl.retrieve_pdb_file('2FAT', pdir = '.', file_format = 'pdb')

这将从服务器下载指定的文件 (pdb2fat.ent)，并将其存储在当前工作目录中。

要加载 pdb 文件，请使用 Bio.PDB.PDBParser，如下所示：

>>> parser = PDBParser(PERMISSIVE = True, QUIET = True) 
>>> data = parser.get_structure("2fat","pdb2fat.ent")

这里，get_structure 与 MMCIFParser 类似。PERMISSIVE 选项尝试尽可能灵活地解析蛋白质数据。

现在，使用以下代码片段检查结构及其类型：

>>> data 
<Structure id = 2fat> 
>>> print(type(data)) 
<class 'Bio.PDB.Structure.Structure'>

好的，标题结构存储字典信息。要执行此操作，请键入以下命令：

>>> print(data.header.keys()) dict_keys([
   'name', 'head', 'deposition_date', 'release_date', 'structure_method', 'resolution', 
   'structure_reference', 'journal_reference', 'author', 'compound', 'source', 
   'keywords', 'journal']) 
>>>

要获取名称，请使用以下代码：

>>> print(data.header["name"]) 
an anti-urokinase plasminogen activator receptor (upar) antibody: crystal 
structure and binding epitope
>>>

您还可以使用以下代码检查日期和分辨率：

>>> print(data.header["release_date"]) 2006-11-14 
>>> print(data.header["resolution"]) 1.77

PDB 结构

PDB 结构由单个模型组成，包含两条链。

链 L，包含一定数量的残基
链 H，包含一定数量的残基

每个残基由多个原子组成，每个原子都有一个由 (x, y, z) 坐标表示的 3D 位置。

让我们在以下部分详细了解如何获取原子的结构：

模型

Structure.get_models() 方法返回模型的迭代器。它定义如下：

>>> model = data.get_models() 
>>> model 
<generator object get_models at 0x103fa1c80> 
>>> models = list(model) 
>>> models [<Model id = 0>] 
>>> type(models[0]) 
<class 'Bio.PDB.Model.Model'>

这里，模型准确描述了一种 3D 构象。它包含一个或多个链。

链

Model.get_chain() 方法返回链的迭代器。它定义如下：

>>> chains = list(models[0].get_chains()) 
>>> chains 
[<Chain id = L>, <Chain id = H>] 
>>> type(chains[0]) 
<class 'Bio.PDB.Chain.Chain'>

这里，链描述了一个正确的多肽结构，即一系列连续结合的残基。

残基

Chain.get_residues() 方法返回残基的迭代器。它定义如下：

>>> residue = list(chains[0].get_residues())
>>> len(residue) 
293 
>>> residue1 = list(chains[1].get_residues()) 
>>> len(residue1) 
311

好的，残基包含属于氨基酸的原子。

原子

Residue.get_atom() 返回原子的迭代器，定义如下：

>>> atoms = list(residue[0].get_atoms()) 
>>> atoms 
[<Atom N>, <Atom CA>, <Atom C>, <Atom Ov, <Atom CB>, <Atom CG>, <Atom OD1>, <Atom OD2>]

原子保存原子的 3D 坐标，称为向量。它定义如下

>>> atoms[0].get_vector() 
<Vector 18.49, 73.26, 44.16>

它表示 x、y 和 z 坐标值。

打印页面