技术背景
了解蛋白质的基本组成单元和结构，有助于了解蛋白质的特性。对于蛋白质结构的研究，在医药领域是非常核心的重要工作。这里我们仅仅介绍一些蛋白质的基本组成单元——20种氨基酸的种类，以及可以用于蛋白质建模的一些工具。
Xponge的安装和使用
Xponge是一款基于python开发的可以用于蛋白质建模的软件，可以用pip进行安装和管理：
$ python3 -m pip install xponge --upgrade
Requirement already satisfied: xponge in /home/dechin/anaconda3/envs/mindspore16/lib/python3.9/site-packages (1.2.5.9)
Requirement already satisfied: NetCDF4 in /home/dechin/anaconda3/envs/mindspore16/lib/python3.9/site-packages (from xponge) (1.5.8)
Requirement already satisfied: pubchempy in /home/dechin/anaconda3/envs/mindspore16/lib/python3.9/site-packages (from xponge) (1.0.4)
Requirement already satisfied: numpy in /home/dechin/anaconda3/envs/mindspore16/lib/python3.9/site-packages (from xponge) (1.20.3)
Requirement already satisfied: cftime in /home/dechin/anaconda3/envs/mindspore16/lib/python3.9/site-packages (from NetCDF4->xponge) (1.6.0)
使用的方法是在python文件或者python终端窗口中导入xponge和相关力场之后直接调用相关接口：
$ python3
Python 3.9.12 (main, Apr 5 2022, 06:56:58)
[GCC 7.5.0] :: Anaconda, Inc. on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> import Xponge
>>> import Xponge.forcefield.AMBER.ff14SB
Reference for ff14SB:
James A. Maier, Carmenza Martinez, Koushik Kasavajhala, Lauren Wickstrom, Kevin E. Hauser, and Carlos Simmerling
ff14SB: Improving the accuracy of protein side chain and backbone parameters from ff99SB
Journal of Chemical Theory and Computation 2015 11 (8), 3696-3713
DOI: 10.1021/acs.jctc.5b00255
>>> Save_PDB(ALA,'ALA.pdb') # 内置了所有的氨基酸种类，注意开头结尾的氨基酸名称有所变化
>>> exit()
执行完Save之后，就会在当前的路径下生成一个ALA.pdb的文件：
$ cat ALA.pdb
REMARK Generated By Xponge (Molecule)
ATOM 1 N ALA 1 -3.801 -7.214 0.158
ATOM 2 H ALA 1 -2.791 -7.214 0.158
ATOM 3 CA ALA 1 -4.487 -5.938 0.158
ATOM 4 HA ALA 1 -5.112 -5.861 -0.732
ATOM 5 CB ALA 1 -5.374 -5.792 1.390
ATOM 6 HB1 ALA 1 -4.761 -5.858 2.289
ATOM 7 HB2 ALA 1 -5.877 -4.826 1.363
ATOM 8 HB3 ALA 1 -6.118 -6.588 1.399
ATOM 9 C ALA 1 -3.497 -4.783 0.158
ATOM 10 O ALA 1 -2.287 -4.998 0.158
可以用VMD之类的软件打开pdb文件，看一下其分子结构：
这里面需要注意的是，使用Xponge生成的氨基酸是以及去掉了一个H2OH2O的，分别是开头与NN相连的HH和结尾与CC相连的OHOH。这种操作的合理之处在于，我们很少关注单个氨基酸的作用，如果要组装成一个蛋白质的模型，生成肽键的过程会脱水，因此在构建氨基酸的时候直接去掉H2OH2O可以在一定程度上提升计算的性能。另外就是，除了ACE和NME之外，氨基酸放在开头和结尾处时，分别要加上N和C作为标识。比如，当ALA放在蛋白质chain的开头时，其名称应为NALA，以此类推。还有一个值得提醒的点是，组氨酸本身包含了多种结构，在使用时需要指定特定的结构名称，否则默认就是HIS。
类似的方法，我们还可以用Xponge建立一个更加大型的模型：
In [1]: import Xponge
In [2]: import Xponge.forcefield.AMBER.ff14SB
Reference for ff14SB.py:
James A. Maier, Carmenza Martinez, Koushik Kasavajhala, Lauren Wickstrom, Kevin E. Hauser, and Carlos Simmerling
ff14SB: Improving the accuracy of protein side chain and backbone parameters from ff99SB
Journal of Chemical Theory and Computation 2015 11 (8), 3696-3713
DOI: 10.1021/acs.jctc.5b00255
In [3]: Save_PDB(ACE+ALA*10+NME,'multi_ALA.pdb')
生成的pdb文件，用vmd打开之后显示如下：
使用还是非常的方便。
氨基酸种类
这里是从参考链接2中整理出来的数据，以及用xponge和vmd画出来的三维结构图，主要是总结记录一下这些基本的组成单元。
|
英文名 |
中文名 |
三字母缩写 |
单字母缩写 |
结构式 |
等电点pI |
三维结构图 |
|
Alanine |
丙氨酸 |
Ala |
A |
CH3-CH(NH2)-COOH |
6.0 |
|
|
Arginine |
精氨酸 |
Arg |
R |
HN=C(NH2)-NH-(CH2)3-CH(NH2)-COOH |
10.76 |
|
|
Asparagine |
天冬酰胺 |
Asn |
N |
H2N-CO-CH2-CH(NH2)-COOH |
5.41 |
|
|
Asparticacid |
天冬氨酸 |
Asp |
D |
HOOC-CH2-CH(NH2)-COOH |
2.77 |
|
|
Cysteine |
半胱氨酸 |
Cys |
C |
HS-CH2-CH(NH2)-COOH |
5.05 |
|
|
Glutamine |
谷氨酰胺 |
Gln |
Q |
H2N-CO-(CH2)2-CH(NH2)-COOH |
5.41 |
|
|
Glutamicacid |
谷氨酸 |
Glu |
E |
HOOC-(CH2)2-CH(NH2)-COOH |
3.22 |
|
|
Glycine |
甘氨酸 |
Gly |
G |
NH2-CH2-COOH |
5.97 |
|
|
Histidine |
组氨酸 |
His |
H |
NH-CH=N-CH=C-CH2-CH(NH2)-COOH |
7.59 |
|
|
Isoleucine |
异亮氨酸 |
Ile |
I |
CH3-CH2-CH(CH3)-CH(NH2)-COOH |
6.02 |
|
|
Leucine |
亮氨酸 |
Leu |
L |
(CH3)2CH-CH2-CH(NH2)-COOH |
5.98 |
|
|
Lysine |
赖氨酸 |
Lys |
K |
H2N-(CH2)4-CH(NH2)-COOH |
9.74 |
|
|
Methionine |
甲硫氨酸（蛋氨酸） |
Met |
M |
CH3-S-(CH2)2-CH(NH2)-COOH |
5.74 |
|
|
Phenylalanine |
苯丙氨酸 |
Phe |
F |
Ph-CH2-CH(NH2)-COOH |
5.48 |
|
|
Proline |
脯氨酸 |
Pro |
P |
NH-(CH2)3-CH-COOH |
6.30 |
|
|
Serine |
丝氨酸 |
Ser |
S |
HO-CH2-CH(NH2)-COOH |
5.68 |
|
|
Threonine |
苏氨酸 |
Thr |
T |
CH3-CH(OH)-CH(NH2)-COOH |
6.16 |
|
|
Tryptophan |
色氨酸 |
Trp |
W |
Ph-NH-CH=C-CH2-CH(NH2)-COOH |
5.89 |
|
|
Tyrosine |
酪氨酸 |
Tyr |
Y |
HO-p-Ph-CH2-CH(NH2)-COOH |
5.66 |
|
|
Valine |
缬氨酸 |
Val |
V |
(CH3)2CH-CH(NH2)-COOH |
5.96 |
|
PDB文件基本格式
pdb是最常用的一种存储蛋白质结构的文本文件格式，但是pdb本身又是一个严格的结构化的文本文件，其对应位置的内容为：
|
列 |
数据 |
格式, 对齐 |
说明 |
|
1-4 |
ATOM |
字符, 左 |
Record Type 记录类型 |
|
7-11 |
serial |
整数, 右 |
Atom serial number 原子序号.PDB文件对分子结构处理为segment, |
|
13-16 |
name |
字符, 左 |
Atom name 原子名称.原子的元素符号在13-14列中右对齐一般从14列开始写, |
|
17 |
altLoc |
字符 |
Alternate location indicator 可替位置标示符 |
|
18-20 |
resName |
字符 |
Residue name 残基名称 |
|
22 |
chainID |
字符 |
Chain identifier 链标识符 |
|
23-26 |
resSeq |
整数, 右 |
Residue sequence number 残基序列号 |
|
27 |
iCode |
字符 |
Code for insertion of residues 残基插入码 |
|
28-30 |
留空 |
||
|
31-38 |
x |
浮点, 右 |
Orthogonal coordinates for X in Angstroms 直角x坐标(埃) |
|
39-46 |
y |
浮点, 右 |
Orthogonal coordinates for Y in Angstroms 直角y坐标(埃) |
|
47-54 |
z |
浮点, 右 |
Orthogonal coordinates for Z in Angstroms 直角z坐标(埃) |
|
55-60 |
occupancy |
浮点, 右 |
Occupancy 占有率 |
|
61-66 |
tempFactor |
浮点, 右 |
Temperature factor 温度因子 |
|
67-72 |
留空 |
||
|
73-76 |
segID |
字符, 左 |
Segment identifier(optional) 可选的片段标识符， |
|
77-78 |
element |
字符, 右 |
Element symbol 元素符号 |
|
79-80 |
charge |
字符 |
Charge on the atom(optional) 可选的原子电荷. |
这个格式里面有一个比较坑的点是，atom_name占位符长度会影响对齐位置。为了方便操作，这里用一个python的脚本来写pdb文件，也可以作为理解上述结构化参数的出发点：
def write_pdb(crd, atom_names, res_names, res_ids, pdb_name='temp.pdb'):
"""Write protein crd information into pdb format files.
Args:
crd(numpy.float32): The coordinates of protein atoms.
atom_names(numpy.str_): The atom names differ from aminos.
res_names(numpy.str_): The residue names of amino names.
res_ids(numpy.int32): A unique mask each same residue.
pdb_name(str): The path to save the pdb file, absolute path is suggested.
"""
success = 1
with open(pdb_name, 'w') as pdb:
pdb.write('MODEL 1\n')
for i,c in enumerate(crd[0]):
pdb.write('ATOM'.ljust(6))
pdb.write('{}'.format(i + 1).rjust(5))
if len(atom_names[i])<4:
pdb.write(' ')
pdb.write(atom_names[i].ljust(3))
else:
pdb.write(' ')
pdb.write(atom_names[i].ljust(4))
pdb.write(res_names[i].rjust(4))
pdb.write('A'.rjust(2))
pdb.write('{}'.format(res_ids[i]).rjust(4))
pdb.write(' ')
pdb.write('{:.3f}'.format(c[0]).rjust(8))
pdb.write('{:.3f}'.format(c[1]).rjust(8))
pdb.write('{:.3f}'.format(c[2]).rjust(8))
pdb.write('1.0'.rjust(6))
pdb.write('0.0'.rjust(6))
pdb.write('{}'.format(atom_names[i][0]).rjust(12))
pdb.write('\n')
pdb.write('TER\n')
pdb.write('ENDMDL\n')
pdb.write('END\n')
return success
这样只要给定crd（原子坐标），atom_names（原子名称），res_names（残基/氨基酸名称），res_ids（残基位置编号）这几个参数，就可以生成一个符合格式要求的pdb文件。如果不严格按照这个pdb格式写入，有可能存在其他工具无法读取的情况，比如上一篇博客中所介绍的TMscore软件就要求非常严格。
总结概要
本文通过对Xponge+VMD的工具对蛋白质进行建模，然后总结了20种氨基酸的具体信息，也就是蛋白质的基本组成单元。通过对这些氨基酸的组合，就可以得到一个具有生物活性的蛋白质。同时本文还介绍了常用的存储蛋白质结构的文件格式pdb的具体格式化定义，总体来说是一个总结性的文章。
版权声明
本文首发链接为：https://www.cnblogs.com/dechinphy/p/pdb.html
作者ID：DechinPhy
更多原著文章请参考：https://www.cnblogs.com/dechinphy/
打赏专用链接：https://www.cnblogs.com/dechinphy/gallery/image/379634.html
腾讯云专栏同步：https://cloud.tencent.com/developer/column/91958
CSDN同步链接：https://blog.csdn.net/baidu_37157624?spm=1008.2028.3001.5343
51CTO同步链接：https://blog.51cto.com/u_15561675
参考链接
- https://blog.sciencenet.cn/blog-548663-895916.html
- https://baike.baidu.com/item/二十种氨基酸/9080751
