我有一个PDB文件’1abz'(https://files.rcsb.org/view/1ABZ.pdb),包含一个蛋白质结构的坐标,有23种不同的模型(编号为模型1-23).请忽略标题备注,有趣的信息从第276行开始,标题为“模型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.
我无法弄清楚如何使用Biopython来做到这一点,所以我尝试使用Pandas计算平均坐标.我想我已经设法计算平均值,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,如何在不损害原始pdb文件格式的情况下获取Biopython或Python中的平均坐标?
这是我用来计算熊猫平均坐标的代码.
#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','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','sequence'],as_index=False)['x','z'].mean()
df1.to_csv('avg_coord.csv',mode='w')
最佳答案
这在biopython中肯定是可行的.让我帮你一个忽略pdb文件中的HETRES的例子:
首先使用所有模型解析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,假设你的所有模型都有相同的原子,那么得到一个列表,其中包含每个原子的唯一标识符(例如:链残基pos原子名):
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a.parent.id [0] ==”的杂质残基.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
现在让我们写一下pdb
io = Bio.PDB.PDBIO()
io.set_structure(ns)
io.save('new_1abz.pdb')