蛋白质基础组成结构

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ACENME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:

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,
chain, residue, atom四个层次(一般并不用到chain),
因此此数位限定了一个残基中的最大原子数为为99999
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,
占四个字符的原子名称才会从13列开始写.如,
铁原子FE写在13-14列, 而碳原子C只写在14列.
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,
VMD会使用此数据
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.
实际分子模拟中往往重新定义电荷,
故此列往往不用.
VMD写出的PDB文件中无此列.

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

  1. https://blog.sciencenet.cn/blog-548663-895916.html
  2. https://baike.baidu.com/item/二十种氨基酸/9080751
posted @ 2022-05-07 14:31  DECHIN  阅读(700)  评论(0编辑  收藏  举报