Biopython - PDB模块

Biopython提供Bio.PDB模块来操纵多肽结构. PDB(蛋白质数据库)是在线提供的最大蛋白质结构资源.它含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.

为了加载PDB，输入以下命令 :

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的文件格式不是Biopython支持

• 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，导致它们不明确或难以解析. 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.

让我们学习如何详细解析每种格式 :

mmCIF Parser

让我们下载一个示例数据库来自pdb服务器的mmCIF格式，使用以下命令 :

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

这将从下载指定的文件(2fat.cif)服务器并将其存储在当前工作目录中.

此处，PDBList提供从在线PDB FTP服务器列出和下载文件的选项. retrieve_pdb_file方法需要在没有扩展名的情况下下载文件的名称. retrieve_pdb_file还可以选择指定文件的下载目录，pdir和格式，file_format.文件格式的可能值如下:<

• "mmCif"(默认为PDBx/mmCif文件)

• "pdb"(格式PDB)

• "xml"(PMDML/XML格式)

• "mmtf"(高度压缩) )

• "bundle"(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在解析文件时禁止发出警告. 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，它会解析文件并打印可能的警告，如果有的话.

现在，使用以下命令检查结构 :

>>> data To get the type, use type method as specified below,>>> print(type(data)) 

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细节以及如何获得它.

PDB Parser

让我们下载一个示例数据库来自pdb服务器的PDB格式使用以下命令 :

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

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

要加载pdb文件，请使用下面指定的Bio.PDB.PDBParser :

 >>> 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  >>> print(type(data)) 

好吧，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'，'detructure_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结构由单个组成模型，包含两个链.

• 链L，包含残留数量

• 链H，含有残留数

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.

让我们在下面的章节中详细了解如何获得原子结构 :

模型

Structure.get_models()方法返回模型上的迭代器.它的定义低于 :

 >>> 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，模型只描述了一个3D构象.它包含一个或多个链.

链

Model.get_chain()方法返回链上的迭代器.它的定义低于 :

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

这里，Chain描述了一种合适的多肽结构，即连续的结合残基序列.

残留

Chain.get_residues()方法返回残差的迭代器.它的定义低于 :

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

原子

Residue.get_atom()返回原子上的迭代器，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Vector.它定义如下

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

它代表x，y和z坐标值.