PDB：蛋白结构数据库基础入门

PDB（Protein Data Bank）是生物大分子三维结构的全球唯一档案库，1971 年建立至今。基于结构的药物设计的一切——对接、口袋分析、结构预测模型的训练——都建立在它之上。但 PDB 里的结构不是「真相」，而是「实验对真相的一次测量」，理解这一点是正确使用它的前提。

规模与构成

不同实验方法的特点

• X 射线晶体学：分辨率高（好的可达 1.5 Å 以下），是配体结合模式的主要来源。但是晶体环境下的构象，可能与溶液中的生理状态有差异；晶体堆积接触有时会固定住非生理构象。
• 冷冻电镜：适合大复合物和膜蛋白，不需要结晶。分辨率近年大幅提升，但通常仍不如高分辨晶体结构精细，局部侧链位置可能不确定。
• NMR：给出溶液中的构象系综（一个文件里多个模型），能反映柔性，但仅适用于较小的蛋白。

文件里有什么

ATOM      1  N   MET A   1      38.428  13.104  12.311  1.00 34.52   N
ATOM      2  CA  MET A   1      37.132  12.427  12.318  1.00 33.87   C
...
HETATM 3421  C1  LIG A 501      12.345  23.456  -5.678  1.00 21.34   C
HETATM 3455  O   HOH A 601      15.234  20.123  -3.456  1.00 28.91   O

现代推荐用 mmCIF 格式而非传统 PDB 格式：PDB 格式有列宽限制，链数、原子数超限的大结构无法正确表达，mmCIF 没有这个问题。

使用前必须做的判断

• 没有氢原子：绝大多数 X 射线结构分辨率不足以定位氢。对接和模拟前必须自己加氢并确定质子化态（见 215《PDBFixer》）。
• 常有缺失原子和残基：柔性 loop 和侧链末端经常在电子密度中看不见，文件里就直接没有。缺失区域若靠近结合位点，口袋形状就是不完整的。
• HETATM 里混着结晶助剂：甘油、DMSO、PEG、硫酸根等是为了结晶加的，不是生物学相关的。但催化金属、辅因子必须保留——删之前要判断每一个是什么。
• 可能存在多构象：占有率小于 1 的原子有替代构象（altloc A/B），处理时要选定一个。
• 生物学装配 vs 不对称单元：文件里的内容是晶体学不对称单元，不一定等于生物学功能单元。二聚体酶可能在文件里只有一条链，需要用生物学装配（biological assembly）文件。
• 水分子要不要留：结合位点的保守水常参与桥接相互作用，对接时是否保留需专门决定，不能一律删掉。

延伸资源

• 检索与质量判断：237《RCSB PDB》；结构修复：215《PDBFixer》；
• 结合亲和力配对数据：238《PDBbind》、239《Binding MOAD》；
• 口袋分析见「结构与模拟」模块。