读懂蛋白质PDB文件

对于从事生物行业的朋友们来说，PDB文件和蛋白质结构是很多人绕不过去的问题。然而对于天天跑电泳过柱子的生物狗来说，PDB文件打开后与天书无异。这里，我转载一篇网上看到的关于PDB文件内记号说明的文章，希望对大家有用！

教你读懂蛋白质的PDB文件

HETATM 非标准基团原子坐标，这个是PDB数据库原子坐标的一种记录格式。如

HETATM 460 P PO4 100 -2.502 7.587 4.225 1.00 24.59 P
HETATM 461 O1 PO4 100 -3.320 6.532 5.003 1.00 21.58 O
HETATM 462 O2 PO4 100 -2.659 9.016 4.703 1.00 20.93 O
HETATM 463 O3 PO4 100 -1.038 7.162 4.308 1.00 22.74 O
HETATM 464 O4 PO4 100 -3.034 7.618 2.801 1.00 23.47 O 
HETATM 465 O HOH 103 14.704 1.498 15.520 0.80 29.62 O
HETATM 466 O HOH 105 8.954 -3.596 13.444 1.00 28.63 O
HETATM 467 O HOH 108 3.055 0.876 7.712 0.80 16.06 O
HETATM 468 O HOH 110 3.490 -2.454 1.142 0.95 9.35 O

英文在PDB file 中的说明：The HETATM records present the atomic coordinate records for atoms within “non-standard” groups. These records are used for water molecules and atoms presented in HET groups.

一 标题部分
1 HEADER(分子类，公布日期、ID号)
2 OBSLTE (注明此ID号已改为新号)
3 TITLE(说明实验方法类型)
4 CAVEAT(可能的错误提示)
5 COMPND(化合物分子组成)
6 SOURCE(化合物来源)
7 KEYWDS(关键词)
8 EXPDTA(测定结构所用的实验方法)
9 AUTHOR(结构测定者)
10 REVDAT(修订日期及相关内容)
11 SPRSDE(已撤销或更改的相关记录)
12 JRNL(发表坐标集的文献)
13 REMARK
REMARK 1(有关文献)
REMARK 2(最大分辨率)
REMARK 3(用到的程序和统计方法)
REMARK 4-999
二 一级结构
1 DBREF (其他序列库的有关记录)
2 SEQADV ( PDB与其他记录的出入)
3 SEQRES (残基序列)
4 MODRES (对标准残基的修饰)
三 杂因子
1 HET(非标准残基)
2 HETNAM(非标准残基的名称)
3 HETSNY (非标准残基的同义字)
4 FORMOL（非标准残基的化学式）
四 二级结构
1 HELIX(螺旋)
2 SHEET(折叠片)
3 TURN(转角)
五 连接注释
1 SSBOND(二硫键)
2 LINK(残基间化学键)
3 HYDBND(氢键)
4 SLTBRG(盐桥)
5 CISPEP(顺式残基)
六 晶胞特征及坐标变换
1 CRYST1(晶胞参数)
2 ORIGXn(直角－PDB坐标)
3 SCALEn(直角－部分结晶学坐标)
4 MTRIXn(非晶相对称)
5 TVECT(转换因子)
七 坐标部分
1 MODEL(多亚基时示亚基号)
2 ATOM(标准基团的原子坐标)
3 SIGATM(标准差)
4 ANISOU(温度因子)
5 SIGUIJ(各种温度因素导致的标准差)
6 TER(链末端)
7 HETATM(非标准基团原子坐标)
8 ENDMDL(亚基结束)
八 连通性部分
CONECT(原子间的连通性有关记录)
九 簿记
1 MASTER (版权拥有者)
2 END(文件结束)
 
 
PDB格式文件对大部分做模拟和计算的人来说都很熟悉，但其中各个参数的意义很多人并不是很了解。从网上搜集了一些文章，结合自己的知识来对PDB文件中各个参数的意义做个解释：
REMARK
该记录用来记述结构优化的方法和相关统计数据。如用Refmac进行结构优化,该记录将自动插入输出的PDB。
CRYST1 (NMR除外)
该记录用来记述晶胞结构参数 (a, b, c, α, β, γ, 空间群) 以及 Z值 (单位结构中的聚和链数)。
SCALEn(n = 1, 2, 3) (NMR除外)
该记录介绍数据中直角坐标向部分晶体学坐标的转换。

ATOM
该记录记述了标准氨基酸以及核酸的原子名,残基名,直角坐标,占有率,温度因子等信息。

HETATM
该记录记述了标准氨基酸以及核酸以外的化合物的原子名,残基名,直角坐标,占有率,温度因子等信息。

TER
该记录表示链的末端。在每个聚合链的末端都必须有TER记录,但是由于无序序列而造成的链的中断处不需要该记录。

MODEL
当一个PDB文件中包含多个结构时(例:NMR结构解析),该记录出现在各个模型的第一行。 MODEL记录行的第11-14列上记入模型序号。序号从1开始顺序记入,在11-14列中从右起写。比如说有30个模型,则第1至9号模型,该行的7-13列空白,在14列上记入1-9的数字;第10-30号模型,该行的7-12列空白,13-14列上记入 10-30的数字。
ENDMDL
与MODEL记录成对出现,记述在各模型的链末端的TER记录之后。

END
该记录标志PDB文件的结束,是必需的记录。
B-factoer
The B-factor (or temperature factor) is an indicator of thermal motion about an atom. However, it should be pointed out that the B-factor is a mix of real thermal displacement, static disorder (multiple but defined conformations) and dynamic disorder (no defined
conformation), and all the overlap between these definitions.
是晶体学中的一个重要参数,晶体学中结构因子可以表达为坐标x , y, z与Bj 因子的函数。物理学上对于Bj 的表征有很多理论模型, 最成功的是由Debye 和Waller 提出的. 将固体内振荡的量子本质计算在内后,他们将Bj 表征为绝对温度T 和其他各基本参数的函数。由此可见, Bj 与原子的质量等基本性质有关,也与实验温度有关。
B 因子体现了晶体中原子电子密度的“模糊度”( diffusion) , 这个“模糊度”实际上反映了蛋白质分子在晶体中的构象状态. B 因子越高,“模糊度”越大,相应部位的构象就越不稳定。在晶体学数据中, B 因子一般是以原子为单位给出的,我们可以换算成相应残基的B 因子,从而分析残基的构象稳定性1) . 另外,计算出的B 因子中实际上包含了实验中的很多因素,如晶体结构测定的实验误差等,精度高的晶体结构数据提供较可靠的B 因子数据。
此外，另外温度因子还和占有率相关，如果本身结构解析过程中占有率低，也会导致温度因子升高。这个时候只能说是X－ray收集数据的时候这个地方的信号比较弱，而和结构本身的构象如何，没有关系。
PDB 中的晶体学数据是以原子为单位的,它所给出的B 因子是相对于每个原子的，统计中,首先将原子的B 因子换算成残基的B 因子,即把每个残基所有原子的B 因子取平均值。由于蛋白质分子表面残基的运动性比较大, B 因子相对较高, 所以在统计中除去了这部分残基，具体方法是将数据中B 因子高的残基去掉10 % ,对剩下的残基进行统计,计算平均值。
R-facoter
In overview, the R-factor is a measure of how well a particular model structure fits the observed electron density. Or simply, “a measure of agreement between the crystallographic model and the original X-ray diffraction data”.