将大型 .cif 文件的段转换为较小的 .pdb 文件

Question

我正在尝试从核糖体晶体结构的 cif 文件中挖掘出一些与配体的结合位点，但遇到了一个涉及类型错误的烦人问题。

TypeError: %c requires int or char

使用下面的代码，

from Bio.PDB import *
from Bio import PDB

class save_res(Select):
    def accept_residue(self, residue):
        if residue in keep_res_list:
            print(residue)
            return 1
        else:
            return 0

keep_res_list = []

parser = MMCIFParser()
structure = parser.get_structure("1vvj.cif", "./1vvj.cif")
structure = structure[0]
atom_list = Selection.unfold_entities(structure, "A") # A for atoms
ns = NeighborSearch(atom_list)      

for residue in structure.get_residues():
    if residue.get_resname() == "PAR":
        for atom in residue:
            center = atom.get_coord()
            neighbors = ns.search(center, 5.0)
            neighbor_residue_list = Selection.unfold_entities(neighbors, "R")
            for res in neighbor_residue_list:
                if res not in keep_res_list:
                    keep_res_list.append(res)

io  = PDBIO()
io.set_structure(structure)
io.save("1vvj_bs.pdb", save_res())

给我错误：

  File "/scratch/software/anaconda3/envs/my-devel-3.6/lib/python3.6/site-packages/Bio/PDB/PDBIO.py", line 112, in _get_atom_line
    return _ATOM_FORMAT_STRING % args
TypeError: %c requires int or char

此代码在将 pdb-id 更改为 1fyb 时运行良好，它也具有相同的配体 id。 我认为问题源于原始文件中的大量链及其 ID。我在这个假设中完全错了还是有人知道如何解决这个问题？我一直在尝试找到一种方法来重命名链 ID，但还没有找到可行的方法来做到这一点。

感谢您的帮助。

Answer 1

_ATOM_FORMAT_STRING 中的链名格式为 %c，而在本例中，您的链名为 QA。

PDB 文件中的链名传统上是单个字符。 但是只有这么多的字母和数字。对于核糖体，有必要使用更长的名称。 pdb 格式有第二个字母的空间——1 个字符的链名称左侧的空列。许多程序都支持它，但不是全部，这不是官方规范的一部分。

因此，您可以使用带有 2 字符链的 PDB 文件（如果您的工作流程的其余部分支持它）或在输出中重命名链（您的输出只是原始结构的一小部分）。

这是gemmi中的操作方法：

import gemmi

structure = gemmi.read_structure('1vvj.cif')
model = structure[0]

ns = gemmi.NeighborSearch(model, structure.cell, 5.0).populate()

for chain in model:
    for residue in chain:
        if residue.name == 'PAR':
            for atom in residue:
                for nb in ns.find_neighbors(atom):
                    nb.to_cra(model).residue.flag = 'y'

sel = gemmi.Selection().set_residue_flags('y')
new_structure = sel.copy_structure_selection(structure)
#new_structure.remove_empty_chains()
#new_structure.shorten_chain_names()
new_structure.write_minimal_pdb('1vvj-par.pdb')

被注释掉的两行正在重命名链。

与您的代码相比，一个不同之处在于 gemmi 中的 NeighborSearch 是对称感知的。它还从对称配对中找到附近的原子。在 BioPython 中，您只搜索非对称单元 (asu)。 两者都不同于生物组装—— PDB-101 covers it nicely。 如果您只想在 asu 中搜索 - 将上面的 structure.cell 替换为 gemmi.UnitCell()，即不要传递单元格信息。

（您可以在bioinformatics.SE 上提出此类问题——那里应该会尽快得到答复。