python - 如何计算具有多种模型/构象的蛋白质的平均结构

Question

我有一个 PDB 文件“1abz”(https://files.rcsb.org/view/1ABZ.pdb)，其中包含具有 23 种不同模型(编号为 MODEL 1-23)的蛋白质结构的坐标。请忽略标题备注，有趣的信息从第 276 行开始，上面写着“MODEL 1”。

我想计算蛋白质的平均结构。蛋白质的 PDB 文件包含多个构象/模型，我想计算每个残基的单个原子的平均坐标，这样我最终得到一个构象/模型。

我不知道如何使用 Biopython 来计算，所以我尝试使用 Pandas 计算平均坐标。我想我已经设法计算出平均值，但现在的问题是我有一个不再是 PDB 格式的 csv 文件，所以我无法将此文件加载到 PyMol 中。

我的问题是，如何将我的 csv 文件转换为 PDB 格式。更好的是，如何在不影响原始 pdb 文件格式的情况下获得 Biopython 或 Python 中的平均坐标？

这是我用来计算 Pandas 平均坐标的代码。

#I first converted my pdb file to a csv file

import pandas as pd
import re

pdbfile = '1abz.pdb'
df = pd.DataFrame(columns=['Model','Residue','Seq','Atom','x','y','z']) #make dataframe object
i = 0 #counter

b = re.compile("MODEL\s+(\d+)")
regex1 = "([A-Z]+)\s+(\d+)\s+([^\s]+)\s+([A-Z]+)[+-]?\s+([A-Z]|)"
regex2 = "\s+(\d+)\s+([+-]?\d+\.\d+\s+[+-]?\d+\.\d+\s+[+-]?\d+\.\d+)"
reg = re.compile(regex1+regex2)

with open(pdbfile) as f:
    columns = ('label', 'ident', 'atomName', 'residue', 'chain', 'sequence', 'x', 'y', 'z', 'occ', 'temp', 'element')
    data = []
    for line in f:
        n = b.match(line)
        if n:
            modelNum = n.group(1)

        m = reg.match(line)
        if m:
            d = dict(zip(columns, line.split()))
            d['model'] = int(modelNum)
            data.append(d)

df = pd.DataFrame(data)
df.to_csv(pdbfile[:-3]+'csv', header=True, sep='\t', mode='w')

#Then I calculated the average coordinates

df = pd.read_csv('1abz.csv', delim_whitespace = True, usecols = [0,5,7,8,10,11,12]) 
df1 = df.groupby(['atomName','residue','sequence'],as_index=False)['x','y','z'].mean()
df1.to_csv('avg_coord.csv', header=True, sep='\t', mode='w')

Answer 1

这在 biopython 中当然是可行的。让我用一个忽略 pdb 文件中的 HETRES 的例子来帮助你:

首先用你所有的模型解析 pdb 文件:

import Bio.PDB
import numpy as np

parser = Bio.PDB.PDBParser(QUIET=True)  # Don't show me warnings
structure = parser.get_structure('1abz', '1abz.pdb')  # id of pdb file and location

好的，现在我们有了文件的内容，假设你的所有模型中都有相同的原子，得到一个列表，每个原子都有一个唯一标识符(例如:chain + residue pos + atom name):

atoms = [a.parent.parent.id + '-' + str(a.parent.id[1]) + '-' +  a.name for a in structure[0].get_atoms() if a.parent.id[0] == ' ']  # obtained from model '0'

请注意，我忽略了带有 a.parent.id[0] == ' ' 的异质残基。现在让我们得到每个原子的平均值:

atom_avgs = {}
for atom in atoms:
    atom_avgs[atom] = []
    for model in structure:
        atom_ = atom.split('-')
        coor = model[atom_[0]][int(atom_[1])][atom_[2]].coord
        atom_avgs[atom].append(coor)
    atom_avgs[atom] = sum(atom_avgs[atom]) / len(atom_avgs[atom])  # average

现在让我们使用结构的一个模型创建新的 pdb:

ns = Bio.PDB.StructureBuilder.Structure('id=1baz')  #  new structure
ns.add(structure[0])  # add model 0
for atom in ns[0].get_atoms():
    chain = atom.parent.parent
    res = atom.parent
    if res.id[0] != ' ':
        chain.detach_child(res)  # detach hetres
    else:
        coor = atom_avgs[chain.id + '-' + str(res.id[1]) + '-' + atom.name]
        atom.coord = coor

现在让我们写pdb

io = Bio.PDB.PDBIO()
io.set_structure(ns)
io.save('new_1abz.pdb')