最近在做分子对接和分子模拟，涉及到了一些盲区，必去pdb文件是按照列位数储存信息的，跟其他文件的空格或者制表符分割很不同，所以也可能出现一些错误，比如信息错位，因此有必要了深入解下结构相关的格式pdb、cif、sdf等等
pdb的分子对接前处理包括去除非氨基酸残基、去水、加氢、末端修复等等，在上次的分子对接文章中用了get_pdb.py脚本利用pdbfixer api和文本过滤，来处理蛋白结构。
三行代码搞定AutoDock Vina批量分子对接
坐标部分通过6种记录类型描述分子结构，彼此分工明确又相互关联。
1. MODEL 和 ENDMDL：多模型的起始标签和终止标签
作用：当文件包含多个相同结构的模型（如NMR测定的构象集合）时，用MODEL标记每个模型的开始。
- MODEL与ENDMDL必须成对，包裹一个模型的所有ATOM/TER记录；
- TER需紧跟链的最后一个ATOM，且关联信息（残基名、链ID、残基号）完全一致；
- ATOM的坐标和参数是描述原子位置与运动性的核心数据。
- 模型编号需连续（如MODEL 1对应ENDMDL，下一个模型为MODEL 2），且所有模型的化学组成、序列需完全一致。
| 记录类型 | 1-6列（记录名） | 核心编号列（7-11） | 关键关联信息（残基/链/模型） | 坐标/参数列 | 作用说明 | 示例内容片段 |
|---|---|---|---|---|---|---|
| MODEL | MODEL | 模型编号（如1、2） | - | - | 标记模型起始，编号连续递增 | MODEL 1（第1个模型开始） |
| ATOM | ATOM | 原子序号（如32、107） | 残基名（如ARG、GLU）、链ID（如A）、残基号（如-3、18） | X/Y/Z坐标（31-54列）、占据率（55-60）、温度因子（61-66） | 记录标准残基的原子坐标及参数 | ATOM 589 2HG GLU A 18 -12.634 -3.023 -3.475 1.00 0.00 H |
| TER | TER | 序号（原子号+1，如590） | 与前一ATOM一致的残基名（如GLU）、链ID（如A）、残基号（如18） | - | 标记一条链的结束 | TER 590 GLU A 18 |
| ENDMDL | ENDMDL | - | - | - | 标记对应MODEL的结束，成对出现 | ENDMDL（对应MODEL 1的结束） |
2. ATOM：标准残基
作用：记录氨基酸、核苷酸等标准残基的原子坐标及相关参数。
实例（标注关键列含义）：
注意：原子号可能太大导致超过11位，所以会导致后边的信息错位
| 列范围 | 1-6 | 7-11 | 13-16 | 17 | 18-20 | 22 | 23-26 | 31-38 | 39-46 | 47-54 | 55-60 | 61-66 | 77-78 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 示例内容 | ATOM | 32 | N | A | ARG | A | -3 | 11.281 | 86.699 | 94.383 | 0.50 | 35.88 | N |
| 对应含义 | 记录名 | 原子号 | 原子名 | 构象 | 残基名 | 链ID | 残基号 | X坐标 | Y坐标 | Z坐标 | 占据率 | 温度因子 | 元素 |
| 核心细节： |
- 原子名：单字母（如N）从14列开始，双字母（如FE）从13列开始
- 交替构象：同一原子的不同位置用17列标记（如A、B），同一构象的原子标记相同
- 排序规则：蛋白质按氨基→羧基端，核酸按5’→3’端排列
3. ANISOU：原子运动的“精细描述”
作用：记录各向异性温度因子，比普通温度因子更细致地反映原子运动。
- ANISOU记录中，29-70列替换了ATOM记录中31-66列的坐标、占据率和温度因子，用于存储6个经10⁴倍缩放的各向异性温度因子参数，其余列（1-27、77-80）与对应的ATOM记录保持一致。
- 仅当提供数据时出现，否则温度因子默认0.0
- 与对应的ATOM共享原子序号、残基信息等
| 列范围 | 1-6 | 7-11 | 13-16 | 17 | 18-20 | 22 | 23-26 | 31-38 | 39-46 | 47-54 | 55-60 | 61-66 | 29-35 | 36-42 | 43-49 | 50-56 | 57-63 | 64-70 | 77-78 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| ATOM示例内容 | ATOM | 107 | N | GLY | A | 13 | 12.681 | 37.302 | -25.211 | 1.000 | 15.56 | - | - | - | - | - | - | N | |
| ANISOU示例内容 | ANISOU | 107 | N | GLY | A | 13 | - | - | - | - | - | 2406 | 1892 | 1614 | 198 | 519 | -328 | N | |
| 对应含义 | 记录名 | 原子号 | 原子名 | 构象 | 残基名 | 链ID | 残基号 | X坐标 | Y坐标 | Z坐标 | 占据率 | 温度因子 | 温度因子参数1 | 温度因子参数2 | 温度因子参数3 | 温度因子参数4 | 温度因子参数5 | 温度因子参数6 | 元素 |
4. TER：链的“终止符”
作用：标记一条原子链的结束，常紧跟在链的最后一个原子后。
- TER记录的残基名（LEU）、链ID（A）、残基号（75）与上一行ATOM记录完全一致，用于标记该链的结束；
- TER无原子相关信息（原子名、坐标等），故对应位置为“-”。
- 蛋白质对应羧基端，核酸对应3’端
- 序号为前一个原子的序号+1
| 列范围 | 1-6 | 7-11 | 13-16 | 17 | 18-20 | 22 | 23-26 | 31-38 | 39-46 | 47-54 | 55-60 | 61-66 | 77-78 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| ATOM示例内容 | ATOM | 605 | CB | LEU | A | 75 | -16.776 | -16.283 | 4.844 | 1.00 | 55.51 | C | |
| TER示例内容 | TER | 606 | - | LEU | A | 75 | - | - | - | - | - | - | |
| 对应含义 | 记录名 | 序号 | 原子名 | 构象 | 残基名 | 链ID | 残基号 | X坐标 | Y坐标 | Z坐标 | 占据率 | 温度因子 | 元素 |
5. HETATM：非标准分子记录
作用：记录配体、金属离子等非标准化学物质的坐标。
- 如果你从RCSB下载x-ray的结构一般会有共结晶的小分子，一般会被记录为HETATM
- HETATM用于记录非标准残基（如示例中的镁离子MG、硫酸根SO4），格式与ATOM基本一致，核心区别是残基为非标准化学物质，需配合其他记录说明其化学信息。
| 列范围 | 1-6 | 7-11 | 13-16 | 17 | 18-20 | 22 | 23-26 | 31-38 | 39-46 | 47-54 | 55-60 | 61-66 | 77-78 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| HETATM示例1内容 | HETATM | 8237 | MG | MG | A | 1001 | 13.872 | -2.555 | -29.045 | 1.00 | 27.36 | MG | |
| HETATM示例2内容 | HETATM | 8238 | S | SO4 | A | 2001 | 10.885 | -15.746 | -14.404 | 1.00 | 47.84 | S | |
| 对应含义 | 记录名 | 原子号 | 原子名 | 构象 | 残基名（非标准） | 链ID | 残基号 | X坐标 | Y坐标 | Z坐标 | 占据率 | 温度因子 | 元素 |
参考
https://www.wwpdb.org/documentation/file-format-content/format33/sect9.html#ATOM
