分类 化学信息 下的文章

通常情况下RCSB PDB数据库中下载的pdb文件里都含有完整的序列信息
Chimera软件打开后也会发现缺失的信息用红色的框标出，大多数情况下缺失一些loop，这时候可以用Chimera补全（调用的Modeller）。然而我们也有时候仅仅有坐标信息，pdb中不带有全部序列信息，直接在tools sequence中加载外部的fasta序列，并进行序列和结构关联即可。这里介绍一个比较麻烦的事情是将序列信息写入pdb文件。根据规定，序列信息写在SEQRES起始的行中，其格式如下：

#from pdb database
Record Format
COLUMNS        DATA TYPE      FIELD        DEFINITION
------------------------------------------------------------------------------
1 -  6         Record name    "SEQRES"     起始行
8 - 10         Integer        serNum       每条链从1开始的数字，以下每行加1.
12             Character      chainID      属于哪条链
14 - 17        Integer        numRes       该条链有多少氨基酸.
20 - 22        Residue name   resName      残基名字.
24 - 26        Residue name   resName      残基名字.
28 - 30        Residue name   resName      残基名字.
32 - 34        Residue name   resName      残基名字.
36 - 38        Residue name   resName      残基名字.
40 - 42        Residue name   resName      残基名字.
44 - 46        Residue name   resName      残基名字.
48 - 50        Residue name   resName      残基名字.
52 - 54        Residue name   resName      残基名字.
56 - 58        Residue name   resName      残基名字.
60 - 62        Residue name   resName      残基名字.
64 - 66        Residue name   resName      残基名字.
68 - 70        Residue name   resName      残基名字，每行记录13个残基名字.

例如泛素1ubq.pdb文件中的序列信息:

#from 1ubq.pdb
SEQRES   1 A   76  MET GLN ILE PHE VAL LYS THR LEU THR GLY LYS THR ILE          
SEQRES   2 A   76  THR LEU GLU VAL GLU PRO SER ASP THR ILE GLU ASN VAL          
SEQRES   3 A   76  LYS ALA LYS ILE GLN ASP LYS GLU GLY ILE PRO PRO ASP          
SEQRES   4 A   76  GLN GLN ARG LEU ILE PHE ALA GLY LYS GLN LEU GLU ASP          
SEQRES   5 A   76  GLY ARG THR LEU SER ASP TYR ASN ILE GLN LYS GLU SER          
SEQRES   6 A   76  THR LEU HIS LEU VAL LEU ARG LEU ARG GLY GLY

泛素1-76的序列信息为:

#from Uniprot
>sp|P0CG48|1-76
MQIFVKTLTGKTITLEVEPSDTIENVKAKIQDKEGIPPDQQRLIFAGKQLEDGRTLSDYNIQKESTLHLVLRLRGG

为了实现以上pdb文件中的信息，首先将氨基酸的单字母缩写改为3字母缩写，可以自己写个字典对应，也可以利用网站来做：https://www.bioinformatics.org/sms2/one_to_three.html 保存为一个1to3.seq的文件.

#3 letter sequence
MetGlnIlePheValLysThrLeuThrGlyLysThrIleThrLeuGluValGluProSer
AspThrIleGluAsnValLysAlaLysIleGlnAspLysGluGlyIleProProAspGln
GlnArgLeuIlePheAlaGlyLysGlnLeuGluAspGlyArgThrLeuSerAspTyrAsn
IleGlnLysGluSerThrLeuHisLeuValLeuArgLeuArgGlyGly

可以先去掉换行符,然而再每39个字符后面加换行符，每再每3个字符加一个空格，最后将小写字母转化为大写,注意末尾是需要一个换行符的，并保存到3.fas文件中:

#bash
cat 1to3.seq|tr -d "\n"|sed 's/.\{39\}/&\n/g'|sed 's/.\{3\}/& /g'|sed -e '$a\'|tr a-z A-Z >3.fas3

然后生成SEQRES为首的信息：

#bash
seqlen=76
n=1;while read line;do printf "SEQRES %3d A %4d  $line\n" $n $seqlen;let n=$n+1;done<3.fas

最后得到跟以上pdb中一样的信息

#result
SEQRES   1 A   76  MET GLN ILE PHE VAL LYS THR LEU THR GLY LYS THR ILE
SEQRES   2 A   76  THR LEU GLU VAL GLU PRO SER ASP THR ILE GLU ASN VAL
SEQRES   3 A   76  LYS ALA LYS ILE GLN ASP LYS GLU GLY ILE PRO PRO ASP
SEQRES   4 A   76  GLN GLN ARG LEU ILE PHE ALA GLY LYS GLN LEU GLU ASP
SEQRES   5 A   76  GLY ARG THR LEU SER ASP TYR ASN ILE GLN LYS GLU SER
SEQRES   6 A   76  THR LEU HIS LEU VAL LEU ARG LEU ARG GLY GLY