根据蛋白质序列，计算其分子量（molecular weight），在线工具，原理和python代码

蛋白质分子量

蛋白质是由许多氨基酸残基通过肽键（一个氨基酸的 α-羧基与另一个氨基酸的 α-氨基脱水缩合形成的化学键）连接而成。蛋白质的分子量（molecular weight）为各个氨基酸的分子量之和，是蛋白质的重要理化参数。单位为Dalton（道尔顿，缩写Da，或D），定义为碳12原子质量的1/12，1D=1/N g，N为阿弗加德罗常数。通常，我们可以使用氨基酸残基数*110大概计算蛋白质的分子量。

目录

一、四个蛋白质分子量计算网站

1）UniProt数据库

2）Expasy

3）EMBOSS

4）PIR

二、python代码版

1)     Biopython包

2）python代码从头计算

附1：Average vs monoisoform

附2：氨基酸分子量表格

一、四个蛋白质分子量计算网站

1）UniProt数据库

打开https://www.uniprot.org，在输入框输入“P05130”，然后点击“Search”按钮。

点击结果页面左侧的“Sequence & Isoform”，链接到序列处。此处有长度679，质量77,695 Da。粗略等于679*110。

点击“Download”下载序列备用。

如果仅有几条蛋白质，并且有对应的UniProtKB id，建议直接检索获得结果。

如果有N条蛋白质，并且有对应的UniProtKB id，可以使用UniProt的idmapping工具检索，批量下载结果，然后进行解析以获得分子量。

2）Expasy

打开Expasy - ProtParam tool，在上面的输入框中输入蛋白质id或者序列id，例如P05130或者KPC1_DROME；或者在下面的输入框中输入蛋白质单字母序列。

点击“compute parameters”提交，弹出来参数，全部默认，点击“Submit”按钮。

分子量就计算出来了。

也可以输入我们在UniProt上获得的序列（这里仅序列）计算蛋白质分子量。略，请大家自行尝试。

3)EMBOSS

打开https://www.ebi.ac.uk/Tools/seqstats/emboss_pepstats/，在输入框中输入在UniProtKB上获得的序列（fasta格式），点击“Submit”按钮提交。

经过约10秒后，会返回结果。

也可以一次性提交N条序列（fasta格式）。略，请大家自行尝试。

4）PIR

打开Composition/Molecular Weight Calculation [PIR - Protein Information Resource]，在上面的输入框输入UniProtid或者在下面的输入框中输入在UniProt上获得的序列，点击“Submit”按钮。

约1秒后返回结果。红框中为计算所用的公式和每个氨基酸的分子量（带水分子的分子量）。

也可以一次性提交N条序列（换行分割）。略，请大家自行尝试。

总结：

工具	输入	批量	新序列	速度	批量结果
Uniprot	UniProtKB id	Yes	NO	快	下载后解析
Expasy	UniProtKB id/sequence	NO	Yes	快
EMBOSS	sequence	Yes	Yes	慢	解析网页
PIR	UniProtKB id/sequence	Yes	Yes	快	解析网页

二、python代码版

1. Biopython包

2）python代码从头计算

虽然Biopython 3行代码就可以搞定蛋白质分子量计算，但是我们需要知道计算原理。最重要的就是获得氨基酸对应的分子量表格。

代码解释：

输入1：单字母的氨基酸序列

输入2：每个氨基酸对应的分子量表格

原理：根据每个氨基酸对应的分子量表格，将所有字母对应的分子量数值加起来，然后再加上水分子的分子量，就是最终的分子量。

注意：这里的分子量是不带水分子的，如果你用的表格是带水分子的，需要用PIR结果中的计算公式。

总结：

1）网站上使用的基本都是平均质量。

2）使用上述6种方法计算出来的P05130的分子量基本一样，小数点细微差别可能是由于精度不同或者使用的分子量表格（见附2）不同。

工具	P05130分子质量
UniProt	77695
Expasy	77694.95
EMBOSS	77694.95
PIR	77694.42
Biopython-IUPAC	77694.0959
Python-Expasy	77694.94634

附1：Average vs monoisoform

蛋白质/化合物的平均质量(average mass，红线处)，是由其组成的元素质量的加和，每种元素的质量选取所有同位素的平均质量。

蛋白质/化合物的单同位素质量（monoisoform，最高峰处），是由其组成元素质量的加和，每种元素质量选择其最大丰度同位素的质量。

绝大多数情况下，平均质量>单同位素质量（见附2）。

附2：氨基酸分子量表格

参考：

[1] molecular_weight in SeqUtils · Issue #3859 · biopython/biopython · GitHub

[2] X.molecular_weight() · Issue #4002 · biopython/biopython · GitHub

[3] https://en.wikipedia.org/wiki/Proteinogenic_amino_acid#Mass_spectrometry

[4] Expasy - FindMod tool

微生信助力高分文章，用户175000+，谷歌学术3200