一文读懂PDB格式 protein database bank

最近在做分子对接和分子模拟，涉及到了一些盲区，必去pdb文件是按照列位数储存信息的，跟其他文件的空格或者制表符分割很不同，所以也可能出现一些错误，比如信息错位，因此有必要了深入解下结构相关的格式pdb、cif、sdf等等

pdb的分子对接前处理包括去除非氨基酸残基、去水、加氢、末端修复等等，在上次的分子对接文章中用了get_pdb.py脚本利用pdbfixer api和文本过滤，来处理蛋白结构。 三行代码搞定AutoDock Vina批量分子对接

坐标部分通过6种记录类型描述分子结构，彼此分工明确又相互关联。

1. MODEL 和 ENDMDL：多模型的起始标签和终止标签

作用：当文件包含多个相同结构的模型（如NMR测定的构象集合）时，用MODEL标记每个模型的开始。

1. MODEL与ENDMDL必须成对，包裹一个模型的所有ATOM/TER记录；  
2. TER需紧跟链的最后一个ATOM，且关联信息（残基名、链ID、残基号）完全一致；  
3. ATOM的坐标和参数是描述原子位置与运动性的核心数据。
4. 模型编号需连续（如MODEL 1对应ENDMDL，下一个模型为MODEL 2），且所有模型的化学组成、序列需完全一致。

记录类型	1-6列（记录名）	核心编号列（7-11）	关键关联信息（残基/链/模型）	坐标/参数列	作用说明	示例内容片段
MODEL	MODEL	模型编号（如1、2）	-	-	标记模型起始，编号连续递增	MODEL        1（第1个模型开始）
ATOM	ATOM	原子序号（如32、107）	残基名（如ARG、GLU）、链ID（如A）、残基号（如-3、18）	X/Y/Z坐标（31-54列）、占据率（55-60）、温度因子（61-66）	记录标准残基的原子坐标及参数	ATOM    589 2HG  GLU A  18    -12.634  -3.023  -3.475  1.00  0.00           H
TER	TER	序号（原子号+1，如590）	与前一ATOM一致的残基名（如GLU）、链ID（如A）、残基号（如18）	-	标记一条链的结束	TER     590      GLU A  18
ENDMDL	ENDMDL	-	-	-	标记对应MODEL的结束，成对出现	ENDMDL（对应MODEL 1的结束）

2. ATOM：标准残基

作用：记录氨基酸、核苷酸等标准残基的原子坐标及相关参数。

实例（标注关键列含义）：

注意：原子号可能太大导致超过11位，所以会导致后边的信息错位

列范围	1-6	7-11	13-16	17	18-20	22	23-26	31-38	39-46	47-54	55-60	61-66	77-78
示例内容	ATOM	32	N	A	ARG	A	-3	11.281	86.699	94.383	0.50	35.88	N
对应含义	记录名	原子号	原子名	构象	残基名	链ID	残基号	X坐标	Y坐标	Z坐标	占据率	温度因子	元素
核心细节：

• 原子名：单字母（如N）从14列开始，双字母（如FE）从13列开始
• 交替构象：同一原子的不同位置用17列标记（如A、B），同一构象的原子标记相同
• 排序规则：蛋白质按氨基→羧基端，核酸按5'→3'端排列

3. ANISOU：原子运动的“精细描述”

作用：记录各向异性温度因子，比普通温度因子更细致地反映原子运动。

• ANISOU记录中，29-70列替换了ATOM记录中31-66列的坐标、占据率和温度因子，用于存储6个经10⁴倍缩放的各向异性温度因子参数，其余列（1-27、77-80）与对应的ATOM记录保持一致。
• 仅当提供数据时出现，否则温度因子默认0.0
• 与对应的ATOM共享原子序号、残基信息等

列范围	1-6	7-11	13-16	17	18-20	22	23-26	31-38	39-46	47-54	55-60	61-66	29-35	36-42	43-49	50-56	57-63	64-70	77-78
ATOM示例内容	ATOM	107	N		GLY	A	13	12.681	37.302	-25.211	1.000	15.56	-	-	-	-	-	-	N
ANISOU示例内容	ANISOU	107	N		GLY	A	13	-	-	-	-	-	2406	1892	1614	198	519	-328	N
对应含义	记录名	原子号	原子名	构象	残基名	链ID	残基号	X坐标	Y坐标	Z坐标	占据率	温度因子	温度因子参数1	温度因子参数2	温度因子参数3	温度因子参数4	温度因子参数5	温度因子参数6	元素

4. TER：链的“终止符”

作用：标记一条原子链的结束，常紧跟在链的最后一个原子后。

• TER记录的残基名（LEU）、链ID（A）、残基号（75）与上一行ATOM记录完全一致，用于标记该链的结束；
• TER无原子相关信息（原子名、坐标等），故对应位置为“-”。
• 蛋白质对应羧基端，核酸对应3'端
• 序号为前一个原子的序号+1

列范围	1-6	7-11	13-16	17	18-20	22	23-26	31-38	39-46	47-54	55-60	61-66	77-78
ATOM示例内容	ATOM	605	CB		LEU	A	75	-16.776	-16.283	4.844	1.00	55.51	C
TER示例内容	TER	606	-		LEU	A	75	-	-	-	-	-	-
对应含义	记录名	序号	原子名	构象	残基名	链ID	残基号	X坐标	Y坐标	Z坐标	占据率	温度因子	元素

5. HETATM：非标准分子记录

作用：记录配体、金属离子等非标准化学物质的坐标。

• 如果你从RCSB下载x-ray的结构一般会有共结晶的小分子，一般会被记录为HETATM
• HETATM用于记录非标准残基（如示例中的镁离子MG、硫酸根SO4），格式与ATOM基本一致，核心区别是残基为非标准化学物质，需配合其他记录说明其化学信息。

列范围	1-6	7-11	13-16	17	18-20	22	23-26	31-38	39-46	47-54	55-60	61-66	77-78
HETATM示例1内容	HETATM	8237	MG		MG	A	1001	13.872	-2.555	-29.045	1.00	27.36	MG
HETATM示例2内容	HETATM	8238	S		SO4	A	2001	10.885	-15.746	-14.404	1.00	47.84	S
对应含义	记录名	原子号	原子名	构象	残基名（非标准）	链ID	残基号	X坐标	Y坐标	Z坐标	占据率	温度因子	元素

参考

https://www.wwpdb.org/documentation/file-format-content/format33/sect9.html#ATOM