在聊第一性原理計(jì)算課題的時(shí)候，相信大家一定不陌生的這句話就是，你有沒有這個(gè)材料的cif？

cif文件記錄了很多有價(jià)值的信息，但其實(shí)在第一性原理計(jì)算的過(guò)程中，最重要的信息其實(shí)只有原子坐標(biāo)位置和晶胞參數(shù)比較重要。具體的cif文件包含了什么信息和如何獲取cif我們之前進(jìn)行了介紹，大家可以點(diǎn)擊鏈接查看

MS建模教程第二期——CIF文件的獲取
而在聊分子對(duì)接虛擬篩選、分子動(dòng)力學(xué)模擬等課題的時(shí)候，經(jīng)常有同學(xué)對(duì)于PDB文件是啥感到茫然。為何我都給出了測(cè)到的蛋白質(zhì)的序列，還需要提供什么PDB文件？

今天我們就來(lái)聊聊PDB文件。

1.PDB文件相關(guān)理論

序列只能提供蛋白質(zhì)一級(jí)結(jié)構(gòu)的相關(guān)信息，這個(gè)信息對(duì)于實(shí)際計(jì)算需求差太遠(yuǎn)了。一般可以通過(guò)同源模建、折疊類型識(shí)別和從頭預(yù)測(cè)等手段獲得預(yù)測(cè)的三維結(jié)構(gòu)。但一般來(lái)說(shuō)能有實(shí)驗(yàn)測(cè)到的結(jié)構(gòu)就別用預(yù)測(cè)得到的結(jié)構(gòu)。

說(shuō)句不太嚴(yán)謹(jǐn)?shù)脑?，蛋白質(zhì)的三級(jí)結(jié)構(gòu)某些情況下比起一級(jí)結(jié)構(gòu)序列更能決定蛋白質(zhì)的行為。同樣的序列假設(shè)可以通過(guò)一些手段呈現(xiàn)出跟原始的蛋白質(zhì)完全不同的折疊方式，那么很可能在生物體中呈現(xiàn)的是完全不同的效果。

如上圖，研究人員通過(guò)同源建模分析發(fā)現(xiàn)COVID-19受體結(jié)合結(jié)構(gòu)域的外部子結(jié)構(gòu)域與SARS-CoV十分相似，這表明COVID-19和SARS-CoV可能通過(guò)相同的受體入侵宿主細(xì)胞，即ACE2。
總之一句話，對(duì)于研究蛋白質(zhì)性質(zhì)的課題，都需要明確知道物質(zhì)結(jié)構(gòu)信息而非簡(jiǎn)單的序列信息。
PDB文件就是用來(lái)記錄蛋白質(zhì)結(jié)構(gòu)信息的文件。PDB文件的格式在下面網(wǎng)頁(yè)可以查看：http://www.wwpdb.org/documentation/file-format-content/format33/v3.3.html
本次推送的附件中也放上了PDB文件3.3版的PDF版說(shuō)明。
中文的簡(jiǎn)要說(shuō)明可以查看李繼存老師的博文：http://blog.sciencenet.cn/blog-548663-895916.html
PDB文件格式定義十分嚴(yán)格，甚至對(duì)每行定義中第N到第M個(gè)字符是什么都做出了定義。手動(dòng)修改PDB文件很可能會(huì)導(dǎo)致文件無(wú)法被嚴(yán)格遵循PDB語(yǔ)法的軟件讀取。不同的軟件在寫入的時(shí)候可能會(huì)因?yàn)閷懭胍?guī)則不同而導(dǎo)致保存的PDB文件不能被其他軟件識(shí)別使用。
大家可以看上面放出的鏈接自行研究一下相關(guān)字段的含義。這里帶領(lǐng)大家看一下ATOM字段，來(lái)學(xué)習(xí)一下怎么查看PDB的原始信息。
ATOM：http://www.wwpdb.org/documentation/file-format-content/format33/sect9.html#ATOM該字段是用來(lái)記錄原子信息的，每個(gè)PDB文件必有該字段。

這里同時(shí)附上李老師的翻譯版本：

大家根據(jù)下面的實(shí)際例子去理解一下

這個(gè)例子的前兩行是為了方便大家查看理解本例子，特地加上去定位用的，不會(huì)出現(xiàn)在實(shí)際的PDB文件中。
比如上面定義每行7-11的位置是留給原子序號(hào)的，當(dāng)前版本的PDB文件能夠支持的一個(gè)殘基中的原子最多只能為99999個(gè)。此時(shí)我們看原子序號(hào)才2位數(shù)，不需要占用那么四個(gè)位置。再一看，李老師給的說(shuō)明是右對(duì)齊，那么只需要填充第10和第11空位就可以了。
然后再看13-16位是定義原子名的，13-14寫的是原子的元素名如果是C那就寫在14位，如果是Fe就寫在13-14位。看上面的例子，顯然我們知道，沒有一種元素叫做CZ。這時(shí)候看列數(shù)可知，C在13-14列，所以CZ指代的是碳元素。當(dāng)然這里的CA也不是鈣的意思，而是指碳。原子名稱后的字符是遠(yuǎn)程標(biāo)識(shí)符, 表示離氨基碳原子的遠(yuǎn)近, 含義如下：
A: α??B: βG: γD: δE: εZ: ζH: η
如果需要, 原子名稱的最后一個(gè)字符可以代表分支標(biāo)識(shí)符。
79-80的位置是電荷位置，一般寫作2+ ?1- ?這樣的格式，更多的時(shí)候這里是留空的。
以上啰嗦這么多只是為了向大家介紹一下PDB文件的查看規(guī)則和強(qiáng)迫癥一樣的列敏感寫入方式。

2.PDB文件獲取

以下部分參考了盧天老師的推文http://sobereva.com/43

0（孤獨(dú)求敗，故設(shè)為0）

RCSB PDB數(shù)據(jù)庫(kù)：http://www.rcsb.org/pdb/home/home.do
簡(jiǎn)介：五星級(jí)重要的數(shù)據(jù)庫(kù)，匯集實(shí)驗(yàn)表征以及少數(shù)由模擬預(yù)測(cè)方法獲得的蛋白質(zhì)/核酸結(jié)構(gòu)，可下載或在線觀看。目前已經(jīng)收錄172560結(jié)構(gòu)（2020.12.16），每個(gè)結(jié)構(gòu)都有唯一的PDB ID。

01NCBI的結(jié)構(gòu)數(shù)據(jù)庫(kù)：https://www.ncbi.nlm.nih.gov/protein/簡(jiǎn)介：該數(shù)據(jù)庫(kù)包含來(lái)自多種來(lái)源的蛋白質(zhì)序列記錄，包括GenPept，RefSeq，TPA，Swiss-Prot，PIR，PRF和PDB。其中不僅有測(cè)到的結(jié)構(gòu)數(shù)據(jù)，還有一些從核酸序列翻譯而來(lái)的蛋白質(zhì)序列文件。

02PDBbind-CN：http://www.pdbbind.org.cn/index.asp簡(jiǎn)介：上海有機(jī)所維護(hù)的數(shù)據(jù)庫(kù)，該數(shù)據(jù)庫(kù)收集了RCSB數(shù)據(jù)庫(kù)中篩選出來(lái)的生物大分子復(fù)合物。包含蛋白質(zhì)-配體、核酸-配體、蛋白質(zhì)-核酸、蛋白質(zhì)-蛋白質(zhì)等復(fù)合物。目前有21382條記錄?？梢栽诰€觀看或下載結(jié)構(gòu)，可根據(jù)配體名稱、結(jié)構(gòu)搜索含有此配體的復(fù)合物。

03MOAD：http://www.bindingmoad.org簡(jiǎn)介：是RCSB數(shù)據(jù)庫(kù)的子集，專門收錄蛋白-配體復(fù)合物的信息，目前有38702蛋白質(zhì)-配體結(jié)構(gòu)?？梢愿鶕?jù)配體，或者根據(jù)蛋白酶的EC分類、功能查詢。

04sc-PDB：http://bioinfo-pharma.u-strasbg.fr/scPDB簡(jiǎn)介：收集了RCSB數(shù)據(jù)庫(kù)中含有可以為藥物結(jié)合的位點(diǎn)的蛋白?？筛鶕?jù)配體、蛋白、結(jié)合方式為特征進(jìn)行搜索。

05PDBTM跨膜蛋白質(zhì)數(shù)據(jù)庫(kù)：http://pdbtm.enzim.hu簡(jiǎn)介：收集了RCSB蛋白質(zhì)數(shù)據(jù)庫(kù)中所有跨膜蛋白。

數(shù)據(jù)庫(kù)里搜索到的信息會(huì)有很多，比如在RCSB中搜索Hemoglobin會(huì)出現(xiàn)2500+命中數(shù)據(jù)，具體該使用那種，還需要使用更精確關(guān)鍵詞進(jìn)行進(jìn)一步篩選。

*本期附件獲?。?br>公眾號(hào)后臺(tái)回復(fù)—20201218