SOLUTION NMR STRUCTURE OF THE SHC SH2 DOMAIN COMPLEXED WITH A TYROSINE-PHOSPHORYLATED PEPTIDE FROM THE T-CELL RECEPTOR, MINIMIZED AVERAGE STRUCTURE
2015-06-05 20:31:19
2017-01-22 20:09:21 据参考资料增补
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
HETNAM: 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
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. |
PDB文件 ATOM 记录
HETATM记录
列 |
数据 |
1-6 |
HETATM |
7-80 |
与ATOM记录相同 |
PDB文件 HETATM 记录
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 |
PDB文件 TER 记录
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 sequence number |
整数, 右 |
残基序列号 |
36 |
Code for insertions of residues |
字符 |
残基插入码 |
60-65 |
Symmetry operator for first residue |
整数, 右 |
第一个残基的对称操作 |
67-72 |
Symmetry operator for second residue |
整数, 右 |
第二个残基的对称操作 |
PDB文件 SSBOND记录
HELIX记录
列 |
数据 |
格式, 对齐 |
说明 |
1-5 |
HELIX |
字符, 左 |
|
8-10 |
Helix serial number |
整数, 右 |
螺旋序号 |
12-14 |
Helix identifier |
字符, 右 |
螺旋标识符 |
16-18 |
Initial residue name |
字符, 右 |
起始残基名称 |
20 |
Chain identifier |
字符 |
链标识符 |
22-25 |
Residue sequence number |
整数, 右 |
残基序列号 |
26 |
Code for insertions of residues |
字符 |
残基插入码 |
28-30 |
Terminal residue name |
字符, 右 |
终止残基名称 |
32 |
Chain identifier |
字符 |
链标识符 |
34-37 |
Residue sequence number |
整数, 右 |
残基序列号 |
38 |
Code for insertions of residues |
字符 |
残基插入码 |
39-40 |
Type of helix |
整数, 右 |
螺旋类型注1 |
41-70 |
Comment |
字符, 左 |
注释 |
72-76 |
Length of helix |
整数, 右 |
螺旋长度 |
PDB文件 HELIX 记录
注1: 螺旋类型有如下几种:
1: Right-handed alpha (default) 右手α螺旋(默认)
2: Right-handed omega 右手ω螺旋
3: Right-handed pi 右手π螺旋
4: Right-handed gamma 右手γ螺旋
5: Right-handed 3/10 右手3/10螺旋
7: Left-handed omega 右手ω螺旋
6: Left-handed alpha 右手α螺旋
8: Left-handed gamma 右手γ螺旋
9: 2/7 ribbon/helix 2/7带状螺旋
10: Polyproline 聚脯氨酸
SHEET记录
列 |
数据 |
格式, 对齐 |
说明 |
1-5 |
SHEET |
字符 |
|
8-10 |
Strand number (in current sheet) |
整数, 右 |
束编号(当前片层中) |
12-14 |
Sheet identifier |
字符, 右 |
片层标识符 |
15-16 |
Number of strands (in current sheet) |
整数, 右 |
束数目(当前片层中) |
18-20 |
Initial residue name |
字符, 右 |
起始残基名称 |
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 |
29-31 |
Terminal residue name |
字符, 右 |
终止残基名称 |
33 |
Chain identifier |
字符 |
链标识符 |
34-37 |
Residue sequence number |
整数, 右 |
残基序列号 |
38 |
Code for insertions of residues |
字符 |
残基插入码 |
39-40 |
Strand sense with respect to previous |
整数, 右 |
相对于前一个片层的类型注2 |
以下字段标识两个原子, 第一个位于当前片层, 第二个位于前一片层, 它们彼此之间以氢键相连. 对束1这些字段应留空. |
42-45 |
Atom name (as per ATOM record) |
字符, 左 |
原子名称(每个ATOM记录一个) |
46-48 |
Residue name |
字符, 右 |
残基名称 |
50 |
Chain identifier |
字符 |
链标识符 |
51-54 |
Residue sequence number |
整数, 右 |
残基序列号 |
55 |
Code for insertions of residues |
字符 |
残基插入码 |
57-60 |
Atom name (as per ATOM record) |
字符, 左 |
原子名称(每个ATOM记录一个) |
61-63 |
Residue name |
字符, 右 |
残基名称 |
65 |
Chain identifier |
字符 |
链标识符 |
66-69 |
Residue sequence number |
整数, 右 |
残基序列号 |
70 |
Code for insertions of residues |
字符 |
残基插入码 |
PDB文件 SHEET 记录
注2: 类型标识:
1: 平行
-1 反平行
0: 用于束1
格式说明对于熟悉FORTRAN程序语言的用户, 下面是格式说明
ATOM或HETATM: Format ( A6,I5,1X,A4,A1,A3,1X,A1,I4,A1,3X,3F8.3,2F6.2,6X,A4,A2,A2 )
SSBOND: Format ( A6,1X,I3,1X,A3,1X,A1,1X,I4,A1,3X,A3,1X,A1,1X,I4,A1,23X,2I3,1X,2I3 )
HELIX: Format ( A6,1X,I3,1X,A3,2(1X,A3,1X,A1,1X,I4,A1),I2,A30,1X,I5 )
SHEET: Format ( A6,1X,I3,1X,A3,I2,2(1X,A3,1X,A1,I4,A1),I2,2(1X,A4,A3,1X,A1,I4,A1) )
在FORTRAN语言的输入/输出格式中, X表示输入/输出空格; An表示输入/输的字符串占n位, 左对齐; In表示输入/输的整数占n位, 左对齐; Fm.n表示输入/输的浮点数占m位, 其中小数点后的数字占n位. 这些格式前面的整数则表示重复次数, 如23X表示23个空格, 3F8.3表示F8,3格式重复三次.
如果你使用其他程序语言, 可根据上面的格式说明转换为相应的形式.
PDB文件示例单链蛋白胰升血糖素(Glucagon)是一个小蛋白, 29个残基处于单条链中. 第一个残基是终端为氨的氨基酸HIS, 接着的是SER和GLU残基. 坐标部分开头如下:
1 2 3 4 5 6 7 812345678901234567890123456789012345678901234567890123456789012345678901234567890ATOM 1 N HIS 1 49.668 24.248 10.436 1.00 25.00ATOM 2 CA HIS 1 50.197 25.578 10.784 1.00 16.00ATOM 3 C HIS 1 49.169 26.701 10.917 1.00 16.00ATOM 4 O HIS 1 48.241 26.524 11.749 1.00 16.00ATOM 5 CB HIS 1 51.312 26.048 9.843 1.00 16.00ATOM 6 CG HIS 1 50.958 26.068 8.340 1.00 16.00ATOM 7 ND1 HIS 1 49.636 26.144 7.860 1.00 16.00ATOM 8 CD2 HIS 1 51.797 26.043 7.286 1.00 16.00ATOM 9 CE1 HIS 1 49.691 26.152 6.454 1.00 17.00ATOM 10 NE2 HIS 1 51.046 26.090 6.098 1.00 17.00ATOM 11 N SER 2 49.788 27.850 10.784 1.00 16.00ATOM 12 CA SER 2 49.138 29.147 10.620 1.00 15.00ATOM 13 C SER 2 47.713 29.006 10.110 1.00 15.00ATOM 14 O SER 2 46.740 29.251 10.864 1.00 15.00ATOM 15 CB SER 2 49.875 29.930 9.569 1.00 16.00ATOM 16 OG SER 2 49.145 31.057 9.176 1.00 19.00ATOM 17 N GLN 3 47.620 28.367 8.973 1.00 15.00ATOM 18 CA GLN 3 46.287 28.193 8.308 1.00 14.00ATOM 19 C GLN 3 45.406 27.172 8.963 1.00 14.00
注意到, 每一行(记录)都以记录类型ATOM开始, 记录中的下一项是原子序号.
原子名称是ATOM记录中的第三项, 它的前一或二个字符包含原子类型的元素符号. 所有以C开始的原子名称都代表碳原子, 同理, N代表氮原子, O代表氧原子. 原子名称的下一字符为远程标识符, 表示离氨基碳原子的远近, 含义如下
A: α
B: β
G: γ
D: δ
E: ε
Z: ζ
H: η
如果需要, 原子名称的最后一个字符可以代表分支标识符.
ATOM记录的下一数据字段为残基类型. 注意, 每一 记录都包含残基类型. 在上面的例子中, 链中的第一个残基为HIS, 第二个为SER.
ATOM记录的下一数据字段为残基的序列号. 注意到, 残基从HIS变为SER后, 残基序列号从1变为2. 两个相同的残基可能相邻, 因此残基编号对于区分它们非常重要.
ATOM记录的下三个数据字段分别为原子的X, Y, Z坐标. 后面接着的数据字段是占有率. 最后的数据字段是温度因子(也称B值).
胰升血糖素的PDB文件以这种方式继续下去, 直至最后一个残基
1 2 3 4 5 6 7 812345678901234567890123456789012345678901234567890123456789012345678901234567890ATOM 239 N THR 29 3.391 19.940 12.762 1.00 21.00ATOM 240 CA THR 29 2.014 19.761 13.283 1.00 21.00ATOM 241 C THR 29 .826 19.943 12.332 1.00 23.00ATOM 242 O THR 29 .932 19.600 11.133 1.00 30.00ATOM 243 CB THR 29 1.845 20.667 14.505 1.00 21.00ATOM 244 OG1 THR 29 1.214 21.893 14.153 1.00 21.00ATOM 245 CG2 THR 29 3.180 20.968 15.185 1.00 21.00ATOM 246 OXT THR 29 -.317 20.109 12.824 1.00 25.00TER 247 THR 29
注意, 这一残基包含额外的氧原子OXT, 它处于末端羰基上. TER记录终止了氨基酸链.
双链蛋白更复杂的一个蛋白, 胎血红蛋白(fetal hemoglobin), 包含两条残基酸链(α和γ), 以及两个血红素基团. 这个蛋白坐标部分的前10行内容如下:
1 2 3 4 5 6 7 812345678901234567890123456789012345678901234567890123456789012345678901234567890ATOM 1 N VAL A 1 6.280 17.225 4.929 1.00 0.00ATOM 2 CA VAL A 1 6.948 18.508 4.671 1.00 0.00ATOM 3 C VAL A 1 8.436 18.338 4.977 1.00 0.00ATOM 4 O VAL A 1 8.813 17.657 5.941 1.00 0.00ATOM 5 CB VAL A 1 6.317 19.598 5.527 1.00 0.00ATOM 6 CG1 VAL A 1 6.959 20.999 5.376 1.00 0.00ATOM 7 CG2 VAL A 1 4.819 19.636 5.383 1.00 0.00ATOM 8 N LEU A 2 9.259 18.958 4.152 1.00 0.00ATOM 9 CA LEU A 2 10.715 18.872 4.330 1.00 0.00ATOM 10 C LEU A 2 11.156 20.058 5.187 1.00 0.00
数据文件与上面胰升血糖素的基本一样, 除了第五个数据字段包含单个字符的链标识符A, 它标识血红蛋白分子的α链. 而在胰升血糖素的例子中, 这一字段为空. 在链A的终止处, 出现血红素基团的记录
1 2 3 4 5 6 7 812345678901234567890123456789012345678901234567890123456789012345678901234567890ATOM 1058 N ARG A 141 -6.576 12.834 -10.275 1.00 0.00ATOM 1059 CA ARG A 141 -8.044 12.831 -10.214 1.00 0.00ATOM 1060 C ARG A 141 -8.186 14.096 -9.365 1.00 0.00ATOM 1061 O ARG A 141 -7.591 15.139 -9.671 1.00 0.00ATOM 1062 CB ARG A 141 -8.579 11.531 -9.580 1.00 0.00ATOM 1063 CG ARG A 141 -8.386 11.441 -8.054 1.00 0.00ATOM 1064 CD ARG A 141 -8.727 10.045 -7.568 1.00 0.00ATOM 1065 NE ARG A 141 -9.095 10.056 -6.143 1.00 0.00ATOM 1066 CZ ARG A 141 -9.268 8.931 -5.414 1.00 0.00ATOM 1067 NH1 ARG A 141 -8.602 8.795 -4.282 1.00 0.00ATOM 1068 NH2 ARG A 141 -10.097 7.962 -5.830 1.00 0.00ATOM 1069 OXT ARG A 141 -8.973 13.984 -8.310 1.00 0.00TER 1070 ARG A 141HETATM 1071 FE HEM A 1 8.133 8.321 -15.014 1.00 0.00HETATM 1072 CHA HEM A 1 8.863 8.752 -18.417 1.00 0.00HETATM 1073 CHB HEM A 1 10.362 10.946 -14.389 1.00 0.00HETATM 1074 CHC HEM A 1 8.482 7.374 -11.743 1.00 0.00HETATM 1075 CHD HEM A 1 6.982 5.180 -15.773 1.00 0.00HETATM 1076 N A HEM A 1 9.452 9.545 -16.178 1.00 0.00
α链中最后一个残基为ARG, 额外的氧原子OXT同样出现在末端羰基基团中. TER记录标识了多肽链的结束. 在多肽链的结束处使用TER记录非常重要, 这样, 才不至于将一条链的终结处与另一条链的起始处相连.
上面的例子中, TER记录是正确的, 并且应该存在. 但是, 即便没有TER记录标识, 分子链仍然应该在某处终止, 因为HETATM残基不会与其他残基相连, 或互相相连. 作为单个残基的血红素基团由HETATM记录组成.
在α链血红素基团的结束处, γ链开始出现:
1 2 3 4 5 6 7 812345678901234567890123456789012345678901234567890123456789012345678901234567890HETATM 1109 CAD HEM A 1 7.582 6.731 -20.480 1.00 0.00HETATM 1110 CBD HEM A 1 8.992 6.848 -20.968 1.00 0.00HETATM 1111 CGD HEM A 1 8.998 6.529 -22.465 1.00 0.00HETATM 111
