蛋白质基础组成结构

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。

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\(H_2O\)的，分别是开头与\(N\)相连的\(H\)和结尾与\(C\)相连的\(OH\)。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\(H_2O\)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。

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：

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。

作者ID：DechinPhy

腾讯云专栏同步：​​https://cloud.tencent.com/developer/column/91958​​

51CTO同步链接：​​https://blog.51cto.com/u_15561675​​

参考链接

1. ​​https://blog.sciencenet.cn/blog-548663-895916.html​​
2. ​​https://baike.baidu.com/item/二十种氨基酸/9080751​​

“留一手”加剧内卷，“讲不清”浪费时间。