作者，Evil Genius
接下来我们要准备生化小课了，这一次课程我们不再聚焦于基因组的内容，而是来到RNA的下游，蛋白组。
张雪峰其实说的很对，我们做事情第一目标不是如何赚钱，而是先把事情做好。学习最好的时代有两个阶段，1是学生时代，几乎没有后顾之忧，多学习一些技能作为储备；2就是编制内阶段，也没有后顾之忧，可以学习自己想做的事情。
工作了以后，很多事情就身不由己了，除非家底厚，不上班赚钱也可以。
这一篇我们来详细梳理一下PDB文件与PDBQT文件的格式。
蛋白质 PDB 文件的数据结构详解
PDB（Protein Data Bank）文件是描述蛋白质、核酸以及蛋白-配体复合物三维结构信息的标准文本格式。它是分子对接（AutoDock Vina）、分子动力学（GROMACS）、蛋白设计（PyRosetta）、结构预测分析等领域最基础的数据格式之一。
PDB 文件本质上是一个固定列宽（fixed-width）的文本文件，每一行代表一种结构信息。
典型 PDB 文件结构：
HEADER
TITLE
COMPND
SOURCE
SEQRES
ATOM
HETATM
TER
CONECT
END
其中最重要的是：
SEQRES：蛋白质一级序列
ATOM：蛋白质原子三维坐标
HETATM：非标准分子（配体、水、金属等）
CONECT：化学键连接信息
1. PDB 文件整体结构
一个典型蛋白 PDB 文件：
HEADER TRANSCRIPTION FACTOR
TITLE HUMAN PROTEIN STRUCTURE
COMPND MOL_ID: 1;
COMPND MOLECULE: P53 PROTEIN;
SOURCE ORGANISM_SCIENTIFIC: HOMO SAPIENS;
SEQRES 1 A 393 MET GLU GLU GLY PRO GLY ...
SEQRES 2 A 393 ...
ATOM 1 N MET A 1 12.560 13.345 10.223
ATOM 2 CA MET A 1 13.220 14.512 10.850
ATOM 3 C MET A 1 14.700 14.300 10.500
ATOM 4 O MET A 1 15.300 13.200 10.700
...
HETATM 4500 ZN ZN B 500 20.300 15.200 13.500
CONECT 4500
END
格式：
HEADER CLASSIFICATION DATE IDCODE
例如：
HEADER HYDROLASE 01-JAN-25 8ABC
含义：
| 字段 |
意义 |
| HYDROLASE |
蛋白功能类别 |
| 01-JAN-25 |
提交日期 |
| 8ABC |
PDB ID |
例如：
HEADER OXIDOREDUCTASE 15-MAY-24 7XYZ
表示：
蛋白属于氧化还原酶
PDB编号7XYZ
3. TITLE ------ 结构名称
例如：
TITLE CRYSTAL STRUCTURE OF HUMAN BRCA1 DOMAIN
描述：
实验对象
蛋白名称
结构类型
4. COMPND ------ 分子组成信息
例如：
COMPND MOL_ID: 1;
COMPND MOLECULE: BRCA1 DNA REPAIR PROTEIN;
COMPND CHAIN: A;
表示：
| 字段 |
含义 |
| MOL_ID |
分子编号 |
| MOLECULE |
蛋白名称 |
| CHAIN |
链编号 |
例如：
COMPND CHAIN: A,B;
说明：
该结构包含两个蛋白链：
Chain A
Chain B
5. SOURCE ------ 来源信息
例如：
SOURCE ORGANISM_SCIENTIFIC: HOMO SAPIENS;
表示：
来源：
物种:
Human
常见：
| SOURCE |
含义 |
| HOMO SAPIENS |
人 |
| MUS MUSCULUS |
小鼠 |
| ESCHERICHIA COLI |
大肠杆菌 |
6. SEQRES ------ 蛋白一级序列
SEQRES 保存完整氨基酸序列。
例如：
SEQRES 1 A 10 MET GLY SER LYS VAL LEU ASP GLU PHE TYR
解释：
SEQRES
↓
序列信息
1
↓
第1行
A
↓
蛋白链A
10
↓
总长度10 aa
对应：
M G S K V L D E F Y
三字母氨基酸代码
PDB使用：
| PDB |
单字母 |
| ALA |
A |
| VAL |
V |
| LEU |
L |
| GLY |
G |
| ASP |
D |
| GLU |
E |
| LYS |
K |
| ARG |
R |
| PHE |
F |
7. ATOM ------ 最核心的数据
ATOM记录蛋白质所有原子的三维坐标。
例如：
ATOM 1 CA ALA A 5 10.235 15.223 20.553
固定列结构：
ATOM
123456789012345678901234567890123456789
ATOM 1 CA ALA A 5 10.235 15.223 20.553
详细：
| 列 |
内容 |
| 1-6 |
ATOM |
| 7-11 |
原子编号 |
| 13-16 |
原子名称 |
| 18-20 |
残基名称 |
| 22 |
链编号 |
| 23-26 |
残基编号 |
| 31-38 |
X坐标 |
| 39-46 |
Y坐标 |
| 47-54 |
Z坐标 |
| 55-60 |
占有率 |
| 61-66 |
B因子 |
8. 原子编号
例如：
ATOM 125
表示：
第125个原子。
蛋白：
一个氨基酸通常：
4个主链原子：
N
CA
C
O
例如丙氨酸：
N
CA
C
O
CB
5个原子。
9. 原子名称
例如：
ATOM 1 CA GLY A 1
其中：
CA
表示：
α碳原子。
蛋白骨架：
O
||
N --- C --- Cα --- C
|
R
主要原子：
| 名称 |
意义 |
| N |
主链氮 |
| CA |
α碳 |
| C |
羰基碳 |
| O |
氧 |
| CB |
β碳 |
10. 残基名称
例如：
ALA
GLY
VAL
LYS
ASP
代表氨基酸。
例如：
ATOM 1 CA LYS A 10
表示：
链A：
第10号氨基酸：
赖氨酸。
11. Chain（链）
蛋白复合物：
例如：
ATOM 1 CA ALA A 1
ATOM 2000 CA GLY B 1
表示：
Chain A
+
Chain B
常见：
12. Residue ID（残基编号）
例如：
ALA A 100
表示：
链A
第100个氨基酸
注意：
PDB编号不一定连续：
例如：
1
2
3
5
6
可能缺失：
4
原因：
实验结构无法解析。
13. 三维坐标
核心：
X Y Z
10.235 15.223 20.553
单位：
Å (Angstrom)
换算：
1 Å = 10^-10 m
蛋白尺度：
蛋白直径 ≈ 30-100 Å
14. Occupancy（占有率）
例如：
0.50
表示：
该原子只有50%的概率处于该位置。
晶体结构：
通常：
1.00
表示：
完整观察。
15. B-factor（温度因子）
也叫：
Temperature factor
例如：
ATOM ... 25.5
表示：
原子运动程度。
低：
B=10
稳定区域
高：
B=80
柔性区域
结构质量判断：
| B-factor |
意义 |
| 低 |
稳定 |
| 高 |
动态 |
| 极高 |
可能错误 |
16. HETATM ------ 非标准原子
用于：
配体
金属
水
例如：
水
HETATM 5000 O HOH A 300
小分子药物
HETATM 6000 C ATP A 400
金属
HETATM 7000 ZN ZN A 500
17. CONECT ------ 化学键
例如：
CONECT 5000 5001
表示：
原子：
5000
|
5001
存在键。
通常：
蛋白内部键不写。
主要用于：
金属
配体
共价修饰
18. MODEL ------ 多构象结构
NMR结构：
MODEL 1
ATOM...
ENDMDL
MODEL 2
ATOM...
ENDMDL
表示：
多个可能构象。
19. PDB结构层级关系
PDB数据实际上是：
Protein Structure
│
├── Chain
│ │
│ ├── Residue
│ │ │
│ │ └── Atom
│ │
│ └── Residue
│
└── Ligand
│
└── Atom
例如：
PDB
|
Chain A
|
Residue 100 Lys
|
Atom CA
|
Coordinate
(10.2,15.3,20.1)
总结：PDB最重要的10个字段
| 字段 |
重要程度 |
用途 |
| ATOM |
★★★★★ |
蛋白三维坐标 |
| HETATM |
★★★★★ |
配体/金属 |
| SEQRES |
★★★★ |
完整序列 |
| CHAIN |
★★★★ |
区分亚基 |
| RESID |
★★★★ |
残基编号 |
| XYZ坐标 |
★★★★★ |
空间位置 |
| B-factor |
★★★ |
结构柔性 |
| Occupancy |
★★ |
可靠性 |
| CONECT |
★★★ |
化学键 |
| MODEL |
★★ |
多构象 |
PDBQT 文件结构与 PDB 文件的区别详解
PDBQT 是在 PDB 文件基础上，为 AutoDock / AutoDock Vina 分子对接设计的专用格式。
简单理解：
PDB = 描述蛋白质三维结构的通用格式
PDBQT = 为分子对接增加了"电荷 + 原子类型 + 可旋转键信息"的PDB增强格式
关系
PDB
|
| 添加
|
├── Partial charge（部分电荷）
├── AutoDock atom type（Vina原子类型）
├── Torsion information（可旋转键）
|
↓
PDBQT
1. PDB 与 PDBQT核心区别
| 内容 |
PDB |
PDBQT |
| 用途 |
结构存储 |
分子对接 |
| 主要软件 |
PyMOL、PyRosetta、GROMACS |
AutoDock、AutoDock Vina |
| 坐标 |
√ |
√ |
| 残基信息 |
√ |
√ |
| 链信息 |
√ |
√ |
| 原子编号 |
√ |
√ |
| B-factor |
√ |
×（通常不用） |
| Occupancy |
√ |
×（通常不用） |
| 部分电荷 |
× |
√ |
| AutoDock原子类型 |
× |
√ |
| 可旋转键 |
× |
√ |
| 力场参数 |
× |
× |
2. PDB 文件 ATOM结构
PDB：
ATOM 1 CA ALA A 1 12.345 15.678 20.111 1.00 20.50
格式：
ATOM
|
原子编号
|
原子名称
|
氨基酸
|
链
|
残基编号
|
X Y Z 坐标
|
occupancy
|
B-factor
例如：
ATOM 1 CA ALA A 1 12.345 15.678 20.111
表示：
Chain A
Residue 1
Alanine
Alpha carbon
坐标:
(12.345,15.678,20.111)
3. PDBQT ATOM结构
PDBQT：
ATOM 1 CA ALA A 1 12.345 15.678 20.111 0.123 C
增加：
0.123
|
Partial charge
C
|
AutoDock atom type
结构：
ATOM
|
原子编号
|
原子名称
|
残基
|
链
|
坐标
|
电荷
|
原子类型
4. PDBQT增加的两个关键内容
4.1 Partial Charge（部分电荷）
PDB：
没有电荷：
C
O
N
PDBQT：
例如：
C 0.123
O -0.345
N -0.278
含义：
原子电子分布。
例如：
羰基：
C=O
C:
+0.5
O:
-0.5
Vina利用电荷计算：
静电作用
氢键
4.2 AutoDock Atom Type
PDB：
只知道：
C
N
O
S
PDBQT：
进一步分类：
例如：
| PDB元素 |
AutoDock类型 |
| C |
C |
| O |
OA |
| N |
NA |
| H |
HD |
| S |
SA |
| Cl |
Cl |
例如：
氧：
普通氧：
O
氢键受体氧：
OA
氮：
普通氮：
N
供氢氮：
NA
5. PDBQT中的ROOT / BRANCH
这是配体最重要的区别。
蛋白：
一般：
没有ROOT
配体：
有：
ROOT
|
可旋转结构
|
BRANCH
例如：
ROOT
ATOM 1 C1 LIG
ATOM 2 C2 LIG
BRANCH 1 5
ATOM 5 C3 LIG
ENDBRANCH
ENDROOT
表示：
固定部分
|
C-C
|
可旋转键
|
侧链运动
6. 为什么PDB没有旋转键？
PDB只保存：
某一个瞬间结构
例如：
蛋白：
静态结构
但是Vina：
需要搜索：
配体不同构象
例如：
乙醇：
CH3-CH2-OH
C-C键可以旋转：
构象1
CH3
|
CH2-OH
构象2
CH3
\
CH2-OH
Vina需要知道：
哪些键可以动。
7. 蛋白PDBQT vs 配体PDBQT
这是很多初学者容易混淆的地方。
蛋白PDBQT
特点：
Rigid
固定
例如：
ATOM
ATOM
ATOM
END
没有：
ROOT
BRANCH
原因：
对接时：
蛋白通常保持刚性。
配体PDBQT
特点：
Flexible
可旋转
包含：
ROOT
BRANCH
TORSDOF
例如：
最后：
TORSDOF 5
表示：
5个自由旋转键。
8. PDB → PDBQT转换流程
蛋白
protein.pdb
↓
AutoDockTools
↓
protein.pdbqt
增加：
极性氢
电荷
原子类型
配体
ligand.sdf/mol2
↓
OpenBabel
↓
ligand.pdb
↓
AutoDockTools
↓
ligand.pdbqt
增加：
rotatable bonds
charge
9. PDBQT实例比较
PDB
ATOM 5 O SER A 10
12.33 15.22 18.55
信息：
氧原子
Serine
坐标
PDBQT
ATOM 5 O SER A 10
12.33 15.22 18.55
-0.35 OA
增加：
-0.35
|
电荷
OA
|
氢键受体氧
生活很好，有你更好。