java 处理pdb文件格式_PDB文件的格式

PDB文件里面的信息有严格的格式的。

各行数据，如标识、原子名、原子序号、残基名称、残基序号等，不仅要按照严格的顺序书写，而且各项所占的空符串长度，及其所处的各行的位置都是严格规定的。

对于使用分子模拟而言，最需要关心的是记录着原子坐标的信息。

一个PDB文件可以是按着这样的格式写的：

Example

1 2 3 4 5 6 7 8

12345678901234567890123456789012345678901234567890123456789012345678901234567890

ATOM 32 N AARG A -3 11.281 86.699 94.383 0.50 35.88 N

ATOM 33 N BARG A -3 11.296 86.721 94.521 0.50 35.60 N

ATOM 34 CA AARG A -3 12.353 85.696 94.456 0.50 36.67 C

ATOM 35 CA BARG A -3 12.333 85.862 95.041 0.50 36.42 C

ATOM 36 C AARG A -3 13.559 86.257 95.222 0.50 37.37 C

ATOM 37 C BARG A -3 12.759 86.530 96.365 0.50 36.39 C

ATOM 38 O AARG A -3 13.753 87.471 95.270 0.50 37.74 O

ATOM 39 O BARG A -3 12.924 87.757 96.420 0.50 37.26 O

ATOM 40 CB AARG A -3 12.774 85.306 93.039 0.50 37.25 C

ATOM 41 CB BARG A -3 13.428 85.746 93.980 0.50 36.60 C

ATOM 42 CG AARG A -3 11.754 84.432 92.321 0.50 38.44 C

ATOM 43 CG BARG A -3 12.866 85.172 92.651 0.50 37.31 C

ATOM 44 CD AARG A -3 11.698 84.678 90.815 0.50 38.51 C

ATOM 45 CD BARG A -3 13.374 85.886 91.406 0.50 37.66 C

ATOM 46 NE AARG A -3 12.984 84.447 90.163 0.50 39.94 N

ATOM 47 NE BARG A -3 12.644 85.487 90.195 0.50 38.24 N

ATOM 48 CZ AARG A -3 13.202 84.534 88.850 0.50 40.03 C

ATOM 49 CZ BARG A -3 13.114 85.582 88.947 0.50 39.55 C

ATOM 50 NH1AARG A -3 12.218 84.840 88.007 0.50 40.76 N

ATOM 51 NH1BARG A -3 14.338 86.056 88.706 0.50 40.23 N

ATOM 52 NH2AARG A -3 14.421 84.308 88.373 0.50 40.45 N

Record Format

COLUMNS        DATA TYPE    FIELD       DEFINITION

-------------------------------------------------------------------------------------

1 -  6        Record name   "ATOM  "

7 - 11        Integer       serial       Atom serial number.

13 - 16        Atom          name         Atom name.

17             Character     altLoc       Alternate location indicator.

18 - 20        Residue name  resName      Residue name.

22             Character     chainID     Chain identifier.

23 - 26        Integer       resSeq       Residue sequence number.

27             AChar         iCode        Code for insertion of residues.

31 - 38        Real(8.3)     x            Orthogonal coordinates for X in Angstroms.

39 - 46        Real(8.3)     y            Orthogonal coordinates for Y in Angstroms.

47 - 54        Real(8.3)     z            Orthogonal coordinates for Z in Angstroms.

55 - 60        Real(6.2)    occupancy    Occupancy.

61 - 66        Real(6.2)    tempFactor   Temperature factor.

77 - 78        LString(2)   element      Element symbol, right-justified.

79 - 80        LString(2)   charge       Charge on the atom.

各行记录中，第1-6位记录的是该行的“标识”。

第7-11位记录的是序号(是serial，不是index，index=serial-1)，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)，因此这个数位限制只限定了一个残基中的原子最多只能为99999个，显然是完全足够了。

第13-16位为原子名称，但往往是从第14位开始写，占四个字符的原子名才会从第13位开始写。Discovery Studio总是从第14位开始写，对于四个字符的原子名则会将第四个字符写在第13位上，不注意则会引起麻烦。我本科毕设的时候有过惨痛的教训。

第17位定义为可别定位符，尚未遇到这样的用法，不清楚作用为何。

第18-20位为残基名(resname)，只有三个字符的长度，因此在定义自己的分子拓扑文件时要注意残基名称的长度。

第21位留空。

第22位是chainID。

第27位是iCode，不清楚用途。

第28-30位留空。

31-38，39-46，47-54位分别记录原子的x、y、z坐标，各是一个8位长度、带有3位小数的浮点数。

55-60为occupancy，没有用到过这个性质；61-66是温度因子，就是所谓的1/(kT)。都是6位长度、2位小数的浮点数。

73-76位在PDB的文档说明里面没有，VMD里面则用来记录segid。

77-78位记录元素符号。

79-80可以记录电荷，但实际上分子模拟中，电荷往往是要重新定义的，所以这一列往往也用不到。VMD写出的PDB文件中，这一列就不存在了。

明白了一个PDB文件的格式，就可以利用程序或脚本批量处理大量的PDB文件了。