Biopython - PDB 模組

---

---

Biopython 提供 Bio.PDB 模組來處理多肽結構。PDB（蛋白質資料庫）是最大的線上蛋白質結構資源。它包含大量不同的蛋白質結構，包括蛋白質-蛋白質、蛋白質-DNA、蛋白質-RNA 複合物。

為了載入 PDB，鍵入以下命令：

from Bio.PDB import *

蛋白質結構檔案格式

PDB 以三種不同的格式分發蛋白質結構：

• 基於 XML 的檔案格式，Biopython 不支援該格式
• pdb 檔案格式，這是一種特殊格式的文字檔案
• PDBx/mmCIF 檔案格式

蛋白質資料庫分發的 PDB 檔案可能包含格式錯誤，這些錯誤使它們變得模稜兩可或難以解析。Bio.PDB 模組嘗試自動處理這些錯誤。

Bio.PDB 模組實現了兩種不同的解析器，一種是 mmCIF 格式，另一種是 pdb 格式。

讓我們詳細瞭解如何解析每種格式：

mmCIF 解析器

讓我們使用以下命令從 pdb 伺服器下載 mmCIF 格式的示例資料庫：

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

這將從伺服器下載指定的檔案 (2fat.cif)，並將其儲存在當前工作目錄中。

這裡，PDBList 提供了列出和下載線上 PDB FTP 伺服器上檔案的選項。retrieve_pdb_file 方法需要下載的檔名（不帶副檔名）。retrieve_pdb_file 還可以選擇指定下載目錄 pdir 和檔案格式 file_format。檔案格式的可能值如下：

• “mmCif”（預設，PDBx/mmCif 檔案）
• “pdb”（PDB 格式）
• “xml”（PMDML/XML 格式）
• “mmtf”（高度壓縮）
• “bundle”（用於大型結構的 PDB 格式存檔）

要載入 cif 檔案，請使用 Bio.MMCIF.MMCIFParser，如下所示：

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

這裡，QUIET 在解析檔案期間抑制警告。**get_structure 將解析檔案並返回 id 為 2FAT 的結構**（第一個引數）。

執行上述命令後，它將解析檔案並列印可能的警告（如果存在）。

現在，使用以下命令檢查結構：

>>> data 
<Structure id = 2FAT>

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

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

我們已成功解析檔案並獲得了蛋白質的結構。我們將在後面的章節中學習蛋白質結構的詳細資訊以及如何獲取它。

PDB 解析器

讓我們使用以下命令從 pdb 伺服器下載 PDB 格式的示例資料庫：

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

這將從伺服器下載指定的檔案 (pdb2fat.ent)，並將其儲存在當前工作目錄中。

要載入 pdb 檔案，請使用 Bio.PDB.PDBParser，如下所示：

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

這裡，get_structure 與 MMCIFParser 類似。PERMISSIVE 選項嘗試儘可能靈活地解析蛋白質資料。

現在，使用以下程式碼片段檢查結構及其型別：

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

好的，標題結構儲存字典資訊。要執行此操作，請鍵入以下命令：

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

要獲取名稱，請使用以下程式碼：

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

您還可以使用以下程式碼檢查日期和解析度：

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

PDB 結構

PDB 結構由單個模型組成，包含兩條鏈。

• 鏈 L，包含一定數量的殘基
• 鏈 H，包含一定數量的殘基

每個殘基由多個原子組成，每個原子都有一個由 (x, y, z) 座標表示的 3D 位置。

讓我們在以下部分詳細瞭解如何獲取原子的結構：

模型

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

>>> 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'>

這裡，模型準確描述了一種 3D 構象。它包含一個或多個鏈。

鏈

Model.get_chain() 方法返回鏈的迭代器。它定義如下：

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

這裡，鏈描述了一個正確的多肽結構，即一系列連續結合的殘基。

殘基

Chain.get_residues() 方法返回殘基的迭代器。它定義如下：

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

好的，殘基包含屬於氨基酸的原子。

原子

Residue.get_atom() 返回原子的迭代器，定義如下：

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

原子儲存原子的 3D 座標，稱為向量。它定義如下

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

它表示 x、y 和 z 座標值。