5.2蛋白质的二级结构-02-PDB获取.pdf

《生物信息学》第五章：蛋白质结构预测与分析（第一部分） 蛋白质的二级结构：PDB 获取 PDB 数据库中，一个蛋白质结构记录中的二级结构信息在 Sequence 标签下（图 1）。从 序列图形化部分可以看到二级结构对应在一级结构上的图形化表示。点击左侧的“View Sequence DSSP Image”可以获得直观的一级结构对二级结构的序列表示（图 2）。图 2 中的 序列有两行，上面的一行是一级结构，下面的是二级结构。这个页面看上去很不错，序列 10 个字母一间隔，50 个字母一行，而且不同的二级结构还对应不同的字母颜色。但是在接 下来的分析研究工作中，我们往往需要的是像氨基酸序列那样的 FASTA 格式的二级结构序 列。想要从这个网页上单独保存下二级结构序列是很麻烦的事儿。需要一行一行的拷贝黏贴， 还需要删除行号。有位困难的是去除其中的空格，因为很难区分是格式里的空格还是代表松 散结构的空格。所以，这种形式的二级结构信息便于浏览，但是不便于保存。非常遗憾的是， PDB 里没有现成的针对某一个蛋白质的 FASTA 格式二级结构序列下载链接。“Download FASTA File”链接只能下载 FASTA 格式的一级结构序列，也就是氨基酸序列。 图 1. PDB 数据库图形化二级结构和 DSSP 文件下载链接 图 2. PDB 中的一级结构序列和二级结构序列对应图 此外，PDB 数据库中有一个叫做“ss.txt”的文件：/pdb/files/ss.txt.gz (压缩文件 30.6M)。这个文件里面有 PDB 所有蛋白质结构的一级和二级结构的 FASTA 格式 序列。但是这个文件非常大！仅仅打开文件就要耗费许久时间，使用起来相当的不方便。那 难道就没个方便快捷的好办法，可以一下子拿到某一个蛋白质的二级结构序列吗？当然有。 你可以用老师我自己编写的小程序 8/~gongj/biotools/（图 3）。只需要输入 PDB ID，程序就会自动下载相应的 DSSP 文件，并从中抽取出一级和二级结构的序列信息， 最后以 FASTA 格式输出。 图 3. BioTools 二级结构自动获取工具