Biopython提供了Bio.PDB模块来操纵多肽结构。 PDB(蛋白质数据库)是在线上最大的蛋白质结构资源。它具有许多不同的蛋白质结构，包括蛋白质-蛋白质，蛋白质-DNA，蛋白质-RNA复合物。

为了加载PDB，请键入以下命令-

from Bio.PDB import *

蛋白质结构文件格式

PDB以三种不同的格式分布蛋白质结构-

• Biopython不支持基于XML的文件格式
• pdb文件格式，这是一种特殊格式的文本文件
• PDBx / mmCIF文件格式

Protein Data Bank分发的PDB文件可能包含格式错误，这会使它们模棱两可或难以解析。 Bio.PDB模块尝试自动处理这些错误。

Bio.PDB模块实现了两种不同的解析器，一种是mmCIF格式，另一种是pdb格式。

让我们学习如何详细解析每种格式-

mmCIF解析器

让我们使用以下命令从pdb服务器下载mmCIF格式的示例数据库-

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

这将从服务器下载指定的文件(2fat.cif)并将其存储在当前工作目录中。

在这里，PDBList提供了从联机PDB FTP服务器列出和下载文件的选项。 resolve_pdb_file方法需要下载的文件名称，不带扩展名。 resolve_pdb_file也可以选择指定下载目录，pdir和文件格式file_format。文件格式的可能值如下-

• “ mmCif”(默认，PDBx / mmCif文件)
• “ pdb”(格式为PDB)
• “ xml”(PMDML / XML格式)
• “ mmtf”(高度压缩)
• “捆绑包”(用于大型结构的PDB格式存档)

要加载CIF文件，请使用Bio.MMCIF.MMCIFParser，如下所示-

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

在此，QUIET会在分析文件时禁止显示警告。 get_structure将解析文件并返回ID为2FAT (第一个参数)的结构。

运行上述命令后，它将解析文件并打印可能的警告(如果有)。

现在，使用以下命令检查结构-

>>> data 


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

>>> print(type(data)) 

我们已经成功解析了文件并获得了蛋白质的结构。在下一章中，我们将学习蛋白质结构的详细信息以及如何获得它。

PDB解析器

让我们使用以下命令从pdb服务器下载PDB格式的示例数据库-

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

这将从服务器下载指定的文件(pdb2fat.ent)并将其存储在当前工作目录中。

要加载pdb文件，请使用Bio.PDB.PDBParser，如下所示-

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

此处，get_structure与MMCIFParser相似。 PERMISSIVE选项尝试尽可能灵活地解析蛋白质数据。

现在，使用下面给出的代码片段检查结构及其类型-

>>> data 
 
>>> print(type(data)) 

好了，标题结构存储了字典信息。要执行此操作，请键入以下命令-

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

要获取名称，请使用以下代码-

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

您还可以使用以下代码检查日期和解决方案-

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

PDB结构

PDB结构由包含两个链的单个模型组成。

• L链，含残基数
• H链，含残基数

每个残基由多个原子组成，每个原子都有一个由(x，y，z)坐标表示的3D位置。

让我们在以下部分中详细了解如何获得原子的结构-

模型

Structure.get_models()方法返回模型上的迭代器。它定义如下-

>>> model = data.get_models() 
>>> model 
 
>>> models = list(model) 
>>> models [] 
>>> type(models[0]) 

在此，模型精确地描述了一个3D构象。它包含一个或多个链。

链

Model.get_chain()方法返回链上的迭代器。它定义如下-

>>> chains = list(models[0].get_chains()) 
>>> chains 
[, ] 
>>> type(chains[0]) 

在此，Chain描述了适当的多肽结构，即结合残基的连续序列。

残渣

Chain.get_residues()方法返回残基上的迭代器。它定义如下-

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

好吧，残基保留着属于氨基酸的原子。

原子

Residue.get_atom()返回在原子上进行迭代的迭代器，如下所示：

>>> atoms = list(residue[0].get_atoms()) 
>>> atoms 
[, , , , , , ]

原子拥有原子的3D坐标，称为向量。定义如下

>>> atoms[0].get_vector() 

它表示x，y和z坐标值。