Biopython PDB 模块
Biopython 提供 Bio.PDB 模块来操作多肽结构。 PDB(蛋白质数据库)是最大的在线蛋白质结构资源。它拥有许多不同的蛋白质结构,包括蛋白质-蛋白质、蛋白质-DNA、蛋白质-RNA复合物。
要加载 PDB,请键入以下命令:
from Bio.PDB import *
蛋白质结构文件格式
PDB 以三种不同的格式分布蛋白质结构:
- Biopython 不支持的基于 XML 的文件格式
- 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,使它们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。
让我们详细学习如何解析每种格式:
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。
在这里,PDBList 提供了从在线 PDB FTP 服务器列出和下载文件的选项。 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”(格式 PDB)
- “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")
在这里,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 (第一个论点)。
运行上述命令后,它会解析文件并打印可能的警告(如果有)。
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'>
我们已经成功解析了文件并得到了蛋白质的结构。我们将在后面的章节中学习蛋白质结构的细节以及如何获得它。
PDB 解析器
让我们使用以下命令从 pdb 服务器下载一个 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 类似于 MMCIFParser。 PERMISSIVE 选项尝试尽可能灵活地解析蛋白质数据。
现在,使用下面给出的代码片段检查结构及其类型:
>>> data <Structure id = 2fat> >>> print(type(data)) <class 'Bio.PDB.Structure.Structure'>
好吧,标题结构存储了字典信息。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 >>>
你也可以使用以下代码查看日期和分辨率:
>>> 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,包含残基数
- 链 H,包含残基数
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。
让我们在下面的部分中详细了解如何获取原子的结构:
Model
Structure.get_models() 方法返回模型的迭代器。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'>
在这里,模型准确地描述了一个 3D 构象。它包含一个或多个链。
Chain
Model.get_chain() 方法返回链上的迭代器。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'>
在这里,Chain 描述了适当的多肽结构,即结合残基的连续序列。
Residue
Chain.get_residues() 方法返回对残基的迭代器。定义如下:
>>> residue = list(chains[0].get_residues()) >>> len(residue) 293 >>> residue1 = list(chains[1].get_residues()) >>> len(residue1) 311
好吧,Residue 拥有属于氨基酸的原子。
Atoms
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>]
原子拥有原子的 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。