从电子显微镜结构中提取链

Question

我需要从PDB提供的cif格式的结构文件中提取单链。我读过几个相关的问题，比如this和this。如果链ID是整数或单个字符，建议的解决方案确实可以很好地工作。如果应用于6KMW等结构以提取链aA，则会引发错误TypeError: %c requires int or char。用于再现错误和输出的完整代码包含在下面

from Bio.PDB import PDBList, PDBIO, FastMMCIFParser, Select

class ChainSelect(Select):
    def __init__(self, chain):
        self.chain = chain
    def accept_chain(self, chain):
        if chain.get_id() == self.chain:
            return 1
        else:          
            return 0
        
pdbl = PDBList()
io = PDBIO()
parser = FastMMCIFParser(QUIET = True)

pdbl.retrieve_pdb_file('6kmw', pdir = '.', file_format='mmCif')
structure = parser.get_structure('6kmw', '6kmw.cif')
io.set_structure(structure)
io.save('6kmw_aA.pdb', ChainSelect('aA'))

---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-5-095b98a12800> in <module>
     18 structure = parser.get_structure('6kmw', '6kmw.cif')
     19 io.set_structure(structure)
---> 20 io.save('6kmw_aA.pdb', ChainSelect('aA'))

~/miniconda3/envs/lab2/lib/python3.8/site-packages/Bio/PDB/PDBIO.py in save(self, file, select, write_end, preserve_atom_numbering)
    368                                     )
    369 
--> 370                             s = get_atom_line(
    371                                 atom,
    372                                 hetfield,

~/miniconda3/envs/lab2/lib/python3.8/site-packages/Bio/PDB/PDBIO.py in _get_atom_line(self, atom, hetfield, segid, atom_number, resname, resseq, icode, chain_id, charge)
    227                 charge,
    228             )
--> 229             return _ATOM_FORMAT_STRING % args
    230 
    231         else:

TypeError: %c requires int or char

有人知道Biopython的功能可以实现这个结果吗？最好是不依赖自定义函数解析整个文件的函数

Answer 1

我认为，你想要达到的目标是不可能的。实际上，您希望将cif文件转换为pdb文件。在这个过程中，你想把蛋白质结构简化成单链并不重要。 PDB格式是上个世纪的文件格式。（我知道直到今天它的传播范围有多广…）它是面向列的，只允许链id使用一个字符。这就是您无法下载蛋白质6KMW的PDB文件的原因。请参见位于https://www.rcsb.org/structure/6KMW的工具提示：“PDB格式文件不适用于大型结构”。在你的例子中，“大”意味着蛋白质有如此多的链，它们需要两个字符

不能将两个字符存储为PDB文件的链名称。 你现在有两个选择：

• 将链重命名为“aA”，并以PDB格式保存文件
• 不要使用PDB格式作为您的文件格式，而是坚持cif格式

此代码段重命名链并将结构存储为pdb文件：

[...]
io.set_structure(structure)
for model in structure:
    for chain in model:
        if chain.get_id() == "A":
            chain.id = "_"
            print("renamed chain A to _")
        if chain.get_id() == "aA":
            chain.id = "A"
            print("renamed chain aA to A")

io.save('6kmw_aA.pdb', ChainSelect('A'))

此代码段仅存储mmCIF格式的链“aA”：

from Bio.PDB.mmcifio import MMCIFIO

io = MMCIFIO()

io.set_structure(structure)
io.save("6kmw_aA.cif", ChainSelect('aA'))