PDB(Protein Data Bank)数据格式详解

PDB(Protein Data Bank)是一种标准文件格式, 其中包含原子的坐标等信息, 提交给 Protein Data Bank at the Research Collaboratory for Structural Bioinformatics (RCSB) 的结构都使用这种标准格式. 这里整理网上已有的一些资料, 对PDB格式做个简短介绍. 对大多数用户而言, 了解这些内容就够了, 但对那些需要创建PDB文件的用户, 请参考PDB格式官方文档.

完整的PDB文件提供了非常多的信息, 包括作者, 参考文献以及结构说明, 如二硫键, 螺旋, 片层, 活性位点. 在使用PDB文件时请记住, 一些建模软件可能不支持那些错误的输入格式.

PDB格式以文本格式给出信息, 每一行信息称为一个 记录(record). 一个PDB文件通常包括很多不同类型的记录, 它们以特定的顺序排列, 用以描述结构.

PDB文件中的记录类型
一. 标题部分
HEADER: 分子类, 公布日期, ID号

OBSLTE: 注明此ID号已废弃, 改用新ID号

TITLE: 说明实验方法类型

CAVEAT: 可能的错误警告

COMPND: 化合物分子组成

SOURCE: 化合物来源

KEYWDS: 关键词

EXPDTA: 测定结构所用的实验方法

AUTHOR: 结构测定者

REVDAT: 修订日期及相关内容

SPRSDE: 已撤销或更改的相关记录

JRNL: 发表坐标的期刊

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. 记述结构优化的方法和相关统计数据. REMARK 4-999: 其他信息

二. 一级结构
DBREF: 其他序列库的有关记录

SEQADV: PDB与其他记录的出入

SEQRES: 残基序列

MODRES: 对标准残基的修饰

三. 杂因子
HET: 非标准残基

HETATM: 非标准残基的名称

HETSNY: 非标准残基的同义字

FORMOL: 非标准残基的化学式

四. 二级结构
HELIX: 螺旋. 标识螺旋的位置和类型(右手α螺旋等), 每个螺旋一条记录.

SHEET: 片层. 标识每个片层的位置, 类型(sense, 如反平行等), 相对于模型中每个束的片层(如果存在的话)中前一束的说明, 每个片层一条记录.

TURN: 转角

五. 连接注释
SSBOND: 二硫键. 定义半胱氨酸CYS残基之间的二硫键

LINK: 残基间化学键

HYDBND: 氢键

SLTBRG: 盐桥

CISPEP: 顺式残基

六. 晶胞特征及坐标变换
CRYST1: 晶胞参数(NMR除外). 记述晶胞结构参数(a, b, c, α, β, γ, 空间群)以及Z值(单位结构中的聚合链数).

ORIGXn: 直角-PDB坐标

SCALEn: 直角-晶体分数坐标(n=1, 2, 3, NMR除外). 说明数据中直角坐标向晶体分数坐标的变换因子.

MTRIXn: 非晶相对称

TVECT: 平移矢量

七. 坐标部分
MODEL: 多亚基时显示亚基号 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.

ATOM: 标准残基的原子. 记述标准残基(氨基酸以及核酸)中各原子的原子名称, 残基名称, 直角坐标(单位埃), 占有率, 温度因子等信息.

SIGATM: 标准差

ANISOU: 各向异性

SIGUIJ: 各种温度因素导致的标准差

TER: 残基链的末端. 表示残基链的结束. 在每个聚合链的末端都必须有TER记录, 但因序列无序造成的链中断处不需要该记录. 例如, 一个血红蛋白分子包含四个亚链. 彼此之间并不相连. TER标识了每条链的结束, 以防显示时这条链与下一条相连.

HETATM: 非标准残基的原子. 记述非标准残基(标准氨基酸以及核酸以外的化合物, 包括抑制剂, 辅因子, 离子, 溶剂)中各原子的原子名称, 残基名称, 直角坐标(单位埃), 占有率, 温度因子等信息. 与ATOM记录的唯一区别在于HETATM残基默认情况下不会与其他残基相连. 注意, 水分子也应放在此记录中.

ENDMDL: 亚基结束. 与MODEL记录成对出现, 记述在各模型的链末端的TER记录之后.

八. 连接信息部分
CONECT: 原子间的连接信息

九. 簿记
MASTER: 版权拥有者

END: 文件结束. 标志PDB文件的结束, 必需记录.

一些记录类型的说明
PDB文件里面的每个记录都有着严格的格式. 每个记录中的字段, 如标识, 原子名称, 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, 而且每个字段所占的字符串长度, 及其所处的位置都是严格规定好的. 这些记录中, 通常最关心的是原子记录, 其详细说明可参考PDB原子记录官方文档.

一些老的PDB文件可能不完全遵循新格式. 对大多数用户而言, 最值得注意的区别在于ATOM和HETATM记录中的温度因子字段. 下文的例子中没有使用这些字段. 此外, 有些字段常常留空, 例如, 如当原子没有可替换位置时, 可替位置标识符就会留空.

ATOM记录
PDB文件 ATOM 记录
列 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.
HETATM记录
PDB文件 HETATM 记录
列 数据
1-6 HETATM
7-80 与ATOM记录相同
TER记录
PDB文件 TER 记录
列 数据 格式, 对齐 说明
1-3 TER 字符  
7-11 Serial number 整数, 右 序号
18-20 Residue name 字符, 右 残基名称
22 Chain identifier 字符 链标识符
23-26 Residue sequence number 整数, 右 残基序列号
27 Code for insertions of residues 字符 残基插入码
SSBOND记录
PDB文件 SSBOND记录
列 数据 格式, 对齐 说明
1-6 SSBOND 字符  
8-10 Serial number 整数, 右 序号
12-14 Residue name (CYS) 字符, 右 残基名称(CYS)
16 Chain identifier 字符 链标识符
18-21 Residue sequence number 整数, 右 残基序列号
22 Code for insertions of residues 字符 残基插入码
26-28 Residue name (CYS) 字符, 右 残基名称(CYS)
30 Chain identifier 字符 链标识符
32-35 Residue seque