pdb-database

PDB 数据库

概述

RCSB PDB 是全球生物大分子三维结构数据存储库。你可以搜索结构、获取坐标和元数据，并在 200,000 多个实验测定的结构和计算模型中进行序列及结构相似性搜索。

何时使用此技能

以下情况应使用此技能：

• 按文本、序列或结构相似性搜索蛋白质或核酸的三维结构
• 下载 PDB、mmCIF 或 BinaryCIF 格式的坐标文件
• 获取结构元数据、实验方法或质量指标
• 对多个结构执行批量操作
• 将 PDB 数据集成到药物发现、蛋白质工程或结构生物学研究的计算工作流中

核心功能

1. 搜索结构

使用各种搜索条件查找 PDB 条目：

文本搜索： 按蛋白质名称、关键词或描述搜索

from rcsbapi.search import TextQuery
query = TextQuery("hemoglobin")
results = list(query())
print(f"Found {len(results)} structures")

属性搜索： 查询特定属性（生物体、分辨率、方法等）

from rcsbapi.search import AttributeQuery
from rcsbapi.search.attrs import rcsb_entity_source_organism

# Find human protein structures
query = AttributeQuery(
    attribute=rcsb_entity_source_organism.scientific_name,
    operator="exact_match",
    value="Homo sapiens"
)
results = list(query())

序列相似性： 查找与给定序列相似的结构

from rcsbapi.search import SequenceQuery

query = SequenceQuery(
    value="MTEYKLVVVGAGGVGKSALTIQLIQNHFVDEYDPTIEDSYRKQVVIDGETCLLDILDTAGQEEYSAMRDQYMRTGEGFLCVFAINNTKSFEDIHHYREQIKRVKDSEDVPMVLVGNKCDLPSRTVDTKQAQDLARSYGIPFIETSAKTRQGVDDAFYTLVREIRKHKEKMSKDGKKKKKKSKTKCVIM",
    evalue_cutoff=0.1,
    identity_cutoff=0.9
)
results = list(query())

结构相似性： 查找具有相似三维几何结构的条目

from rcsbapi.search import StructSimilarityQuery

query = StructSimilarityQuery(
    structure_search_type="entry",
    entry_id="4HHB"  # Hemoglobin
)
results = list(query())

组合查询： 使用逻辑运算符构建复杂搜索

from rcsbapi.search import TextQuery, AttributeQuery
from rcsbapi.search.attrs import rcsb_entry_info

# High-resolution human proteins
query1 = AttributeQuery(
    attribute=rcsb_entity_source_organism.scientific_name,
    operator="exact_match",
    value="Homo sapiens"
)
query2 = AttributeQuery(
    attribute=rcsb_entry_info.resolution_combined,
    operator="less",
    value=2.0
)
combined_query = query1 & query2  # AND operation
results = list(combined_query())

2. 获取结构数据

访问特定 PDB 条目的详细信息：

基本条目信息：

from rcsbapi.data import Schema, fetch

# Get entry-level data
entry_data = fetch("4HHB", schema=Schema.ENTRY)
print(entry_data["struct"]["title"])
print(entry_data["exptl"][0]["method"])

聚合物实体信息：

# Get protein/nucleic acid information
entity_data = fetch("4HHB_1", schema=Schema.POLYMER_ENTITY)
print(entity_data["entity_poly"]["pdbx_seq_one_letter_code"])

使用 GraphQL 进行灵活查询：

from rcsbapi.data import fetch

# Custom GraphQL query
query = """
{
  entry(entry_id: "4HHB") {
    struct {
      title
    }
    exptl {
      method
    }
    rcsb_entry_info {
      resolution_combined
      deposited_atom_count
    }
  }
}
"""
data = fetch(query_type="graphql", query=query)

3. 下载结构文件

获取各种格式的坐标文件：

下载方式：

• PDB 格式（旧版文本格式）：https://files.rcsb.org/download/{PDB_ID}.pdb
• mmCIF 格式（现代标准）：https://files.rcsb.org/download/{PDB_ID}.cif
• BinaryCIF（压缩二进制格式）：使用 ModelServer API 高效访问
• 生物学组装体：https://files.rcsb.org/download/{PDB_ID}.pdb1（用于组装体 1）

下载示例：

import requests

pdb_id = "4HHB"

# Download PDB format
pdb_url = f"https://files.rcsb.org/download/{pdb_id}.pdb"
response = requests.get(pdb_url)
with open(f"{pdb_id}.pdb", "w") as f:
    f.write(response.text)

# Download mmCIF format
cif_url = f"https://files.rcsb.org/download/{pdb_id}.cif"
response = requests.get(cif_url)
with open(f"{pdb_id}.cif", "w") as f:
    f.write(response.text)

4. 使用结构数据

处理获取到的结构时的常见操作：

解析和分析坐标： 使用 BioPython 或其他结构生物学库处理下载的文件：

from Bio.PDB import PDBParser

parser = PDBParser()
structure = parser.get_structure("protein", "4HHB.pdb")

# Iterate through atoms
for model in structure:
    for chain in model:
        for residue in chain:
            for atom in residue:
                print(atom.get_coord())

提取元数据：

from rcsbapi.data import fetch, Schema

# Get experimental details
data = fetch("4HHB", schema=Schema.ENTRY)

resolution = data.get("rcsb_entry_info", {}).get("resolution_combined")
method = data.get("exptl", [{}])[0].get("method")
deposition_date = data.get("rcsb_accession_info", {}).get("deposit_date")

print(f"Resolution: {resolution} Å")
print(f"Method: {method}")
print(f"Deposited: {deposition_date}")

5. 批量操作

高效处理多个结构：

from rcsbapi.data import fetch, Schema

pdb_ids = ["4HHB", "1MBN", "1GZX"]  # Hemoglobin, myoglobin, etc.

results = {}
for pdb_id in pdb_ids:
    try:
        data = fetch(pdb_id, schema=Schema.ENTRY)
        results[pdb_id] = {
            "title": data["struct"]["title"],
            "resolution": data.get("rcsb_entry_info", {}).get("resolution_combined"),
            "organism": data.get("rcsb_entity_source_organism", [{}])[0].get("scientific_name")
        }
    except Exception as e:
        print(f"Error fetching {pdb_id}: {e}")

# Display results
for pdb_id, info in results.items():
    print(f"\n{pdb_id}: {info['title']}")
    print(f"  Resolution: {info['resolution']} Å")
    print(f"  Organism: {info['organism']}")

Python 包安装

安装官方 RCSB PDB Python API 客户端：

# Current recommended package
pip install rcsb-api

# For legacy code (deprecated, use rcsb-api instead)
pip install rcsbsearchapi

rcsb-api 包通过 rcsbapi.search 和 rcsbapi.data 模块，统一提供对 Search 和 Data API 的访问。

常见用例

药物发现

• 搜索药物靶点的结构
• 分析配体结合位点
• 比较蛋白质-配体复合物
• 识别相似的结合口袋

蛋白质工程

• 查找同源结构以用于建模
• 分析序列与结构之间的关系
• 比较突变体结构
• 研究蛋白质稳定性和动态特性

结构生物学研究

• 下载结构以进行计算分析
• 构建基于结构的比对
• 分析结构特征（二级结构、结构域）
• 比较实验方法和质量指标

教育与可视化

• 获取结构用于教学
• 生成分子可视化图像
• 探索结构与功能之间的关系
• 研究进化保守性

关键概念

PDB ID： 每个结构条目的唯一 4 个字符标识符（例如，“4HHB”）。AlphaFold 和 ModelArchive 条目的前缀为“AF_”或“MA_”。

mmCIF/PDBx： 采用键值结构的现代文件格式，取代了旧版 PDB 格式，可用于大型结构。

生物学组装体： 大分子的功能形式，可能包含来自不对称单元的多个链副本。

分辨率： 衡量晶体结构细节程度的指标（数值越低，细节越丰富）。高质量结构的典型范围为 1.5-3.5 Å。

实体： 结构中的独特分子组分（蛋白质链、DNA、配体等）。

资源

此技能在 references/ 目录中包含参考文档：

references/api_reference.md

全面的 API 文档，涵盖：

• 详细的 API 端点规范
• 高级查询模式和示例
• 数据架构参考
• 速率限制和最佳实践
• 常见问题的故障排除

当你需要深入了解 API 功能、构建复杂查询或详细了解数据架构时，请使用此参考文档。

其他资源

• RCSB PDB 网站： https://www.rcsb.org
• PDB-101 教育门户： https://pdb101.rcsb.org
• API 文档： https://www.rcsb.org/docs/programmatic-access/web-apis-overview
• Python 包文档： https://rcsbapi.readthedocs.io/
• 数据 API 文档： https://data.rcsb.org/
• GitHub 仓库： https://github.com/rcsb/py-rcsb-api