Pose & PDBinfo Layer¶

@Author: 吴炜坤

@email：weikun.wu@xtalpi.com/weikunwu@163.com

PDBinfo是Pose和PDB中信息交换和储存的重要媒介。Pose通常是从PDB文件中衍生出来的，除了原子的坐标信息以外，PDB文件中包含了许多额外的信息，而这些信息是储存在PDBinfo中。比如温度因子数据(bfactor)、晶体解析数据(crystinfo)、原子的占用率(occupancy)等。使用PDBinfo可以实现Pose编号与PDB编号的转换以及Pose的序列信息获取等功能。如果Pose中的氨基酸发生了插入和删除，又或者其他的PDB相关信息发生了变化，更新的信息就需要从当前的Pose中获取并转换成PDBinfo的数据，因此PDBinfo和Pose是实时相互连通的两个信息储存器。

一、PDB编号与Pose编号¶

在PDB文件中，每个氨基酸都有自己独立的编号，并且氨基酸的PDB编号是依赖于其所在的链ID，如1A，2A...120A，1B，2B...130B等，分别代表A链和B链上的氨基酸位置。而在Pose的概念中，氨基酸的编号是忽略链的分隔，按照PDB文件中链编写的顺序，从1开始递增，由于缺乏直观的对应方式，在Pose中的氨基酸和PDB编号的处理往往是相当棘手的，但是现在可以通过PDB_info这个的功能来轻松解决编号转换的问题。

In [1]:

# 首先依然是从PDB中读入Pose
from pyrosetta import init, pose_from_pdb
init()
pose = pose_from_pdb('./data/4R80.clean.pdb')

# 获取PDBinfo对象:
pose_pdbinfo = pose.pdb_info()

PyRosetta-4 2021 [Rosetta PyRosetta4.conda.mac.cxx11thread.serialization.python37.Release 2021.31+release.c7009b3115c22daa9efe2805d9d1ebba08426a54 2021-08-07T10:04:12] retrieved from: http://www.pyrosetta.org
(C) Copyright Rosetta Commons Member Institutions. Created in JHU by Sergey Lyskov and PyRosetta Team.
core.init: {0} Checking for fconfig files in pwd and ./rosetta/flags
core.init: {0} Rosetta version: PyRosetta4.conda.mac.cxx11thread.serialization.python37.Release r292 2021.31+release.c7009b3115c c7009b3115c22daa9efe2805d9d1ebba08426a54 http://www.pyrosetta.org 2021-08-07T10:04:12
core.init: {0} command: PyRosetta -ex1 -ex2aro -database /opt/miniconda3/lib/python3.7/site-packages/pyrosetta/database
basic.random.init_random_generator: {0} 'RNG device' seed mode, using '/dev/urandom', seed=1748780196 seed_offset=0 real_seed=1748780196 thread_index=0
basic.random.init_random_generator: {0} RandomGenerator:init: Normal mode, seed=1748780196 RG_type=mt19937
core.chemical.GlobalResidueTypeSet: {0} Finished initializing fa_standard residue type set.  Created 983 residue types
core.chemical.GlobalResidueTypeSet: {0} Total time to initialize 0.651955 seconds.
core.import_pose.import_pose: {0} File './data/4R80.clean.pdb' automatically determined to be of type PDB
core.conformation.Conformation: {0} [ WARNING ] missing heavyatom:  OXT on residue SER:CtermProteinFull 76
core.conformation.Conformation: {0} [ WARNING ] missing heavyatom:  OXT on residue SER:CtermProteinFull 152

编号转换的处理主要使用的是pdb_info中的pdb2pose和pose2pdb函数。

pdb2pose: 将pdb编号翻译成pose编号;
pose2pdb: 将pose编号转换成pdb编号;

In [2]:

# 获取PDB号为24A的氨基酸残基所在的Pose残基编号
pose_number = pose_pdbinfo.pdb2pose(chain='A', res=24)
print(pose_number)

In [3]:

# 获取Pose残基编号为24的氨基酸残基所在的PDB号
pdb_number = pose_pdbinfo.pose2pdb(res=24)
print(pdb_number)

24 A

二、PDB链信息¶

由于Pose中链号也是从1号开始编，不同于PDB文件中链号信息以字母的形式进行储存。链中信息获取的方式有多种途径:

根据链的PDB chain ID获取Pose chain ID;
根据链的chain ID获取PDB chain ID;
根据氨基酸的Pose编号获取其所在的chain ID;
Pose的链氨基酸序列信息;
获取链起始和末端氨基酸信息;

In [4]:

# 先来看看pdbinfo中链的基本信息:
pose_pdbinfo.short_desc()

Out[4]:

'A:1-76 B:1-76'

可见我们的这个pose中共有2条链，分别为A和B链，分别都有76个氨基酸

In [5]:

# 根据链的PDB chain ID获取Pose chain ID;
from pyrosetta.rosetta.core.pose import get_chain_id_from_chain
chainA_pose_chain_id = get_chain_id_from_chain('A', pose)
chainB_pose_chain_id = get_chain_id_from_chain('B', pose)
print(chainA_pose_chain_id, chainB_pose_chain_id)

1 2

In [6]:

from pyrosetta.rosetta.core.pose import get_chain_from_chain_id
chain1_pdb_chain_id = get_chain_from_chain_id(1, pose)
chain2_pdb_chain_id = get_chain_from_chain_id(2, pose)
print(chain1_pdb_chain_id, chain2_pdb_chain_id)

A B

In [7]:

# 根据某个氨基酸残基的Pose编号获取其所在的PDB链ID;
residue1_chain_id = pose_pdbinfo.chain(10)
residue82_chain_id = pose_pdbinfo.chain(82)
print(residue1_chain_id, residue82_chain_id)

A B

In [8]:

# 获取链的的起始和结尾的氨基酸Pose编号:
chain1_start_pose_id = pose.chain_begin(1) # 返回某链起始的rosetta index
chain1_end_pose_id = pose.chain_end(1) # 返回某链终止的rosetta index
print(chain1_start_pose_id, chain1_end_pose_id)

1 76

In [9]:

# 获取链的序列信息:
pose.chain_sequence(1) # 返回某链的氨基酸序列

Out[9]:

'PSEEEEKRRAKQVAKEKILEQNPSSKVQVRRVQKQGNTIRVELEITENGKKTNITVEVEKQGNTFTVKRITETVGS'

三、PDB中晶体解析信息的提取¶

除了基本的编号信息以外，一些晶体相关的信息也可以轻松进行提取:

In [10]:

# 提取第一个原子的bfactor信息
pose.pdb_info().bfactor(res=1, atom_index=1)  # 返回温度因子信息

Out[10]:

49.13

In [11]:

# 获取PDB的晶体信息
crystinfo = pose.pdb_info().crystinfo()
print(crystinfo)

<CrystInfo>{0,0,0,90,90,90 : P 1}

In [12]:

# 获取原子的occupancy
occupancy = pose.pdb_info().occupancy(res=1, atom_index=1)
print(occupancy)

1.0

练习¶

请写一个小程序，对残基中每一个原子的bfactor进行加和平均处理。

进阶技巧. 氨基酸残基PDB LABEL¶

PyRosetta中的PDBinfo除了储存一些实验信息以外，还可以储存用户的自定义信息，比如用户可以通过pose的label系统对一些氨基酸打上PDB标签，在后续的氨基酸范围选取中快捷方便的操作。进阶部分主要介绍:

add_reslabel/get_reslabels/clear_reslabel/res_haslabel
icode/set_resinfo

1. 通过pdbinfo的add_reslabel函数对残基打标签:¶

In [13]:

# 打标签
pose_pdbinfo.add_reslabel(1, 'starts')
pose_pdbinfo.add_reslabel(2, 'haha')
pose_pdbinfo.add_reslabel(3, 'end')

In [14]:

# 查标签
print(pose_pdbinfo.get_reslabels(1))
print(pose_pdbinfo.get_reslabels(2))
print(pose_pdbinfo.get_reslabels(3))
pose.dump_pdb('./data/reslabeled.pdb')

vector1_std_string[starts]
vector1_std_string[haha]
vector1_std_string[end]

Out[14]:

True

在输出PDB文件之后，在文件的最下方可以看到以下的信息被记录:

REMARK PDBinfo-LABEL: 1 starts
REMARK PDBinfo-LABEL: 2 haha
REMARK PDBinfo-LABEL: 3 end

In [15]:

# 判断标签
pose_pdbinfo.res_haslabel(res=1, target_label='haha')

Out[15]:

False

In [16]:

# 清除标签
pose_pdbinfo.clear_reslabel(1)
pose_pdbinfo.clear_reslabel(2)
pose_pdbinfo.clear_reslabel(3)

In [17]:

# 判断标签还是否存在？
pose_pdbinfo.res_haslabel(res=1, target_label='starts')

Out[17]:

False

2. 关于icode插入与管理¶

在PDB文件中，比如处理抗体结构时，一些特殊的PDB编号(含有insert code）, 如 1A 2B 3C等(此处的代码并非是链号)。通过PDBinfo，用户也可以很方便的插入这些字符。

In [18]:

# set_resinfo(res: int, chain_id: str, pdb_res: int, ins_code: str) -> None
pose_pdbinfo.set_resinfo(res=1, chain_id='A', pdb_res=1, ins_code='m')

In [19]:

# 查询某个残基的icode:
print(pose_pdbinfo.icode(res=1))

# 打印1号氨基酸残基信息:
print(pose.residue(1))

m
Residue 1: PRO:NtermProteinFull (PRO, P):
Base: PRO
 Properties: POLYMER PROTEIN CANONICAL_AA LOWER_TERMINUS ALIPHATIC METALBINDING ALPHA_AA L_AA
 Variant types: LOWER_TERMINUS_VARIANT
 Main-chain atoms:  N    CA   C  
 Backbone atoms:    N    CA   C    O    HA 
 Side-chain atoms:  CB   CG   CD   NV  CAV  1HB  2HB  1HG  2HG  1HD  2HD  1H   2H  
Atom Coordinates:
   N  : 35.432, -0.708, 7.647
   CA : 35.959, 0.478, 8.332
   C  : 36.62, 1.469, 7.374
   O  : 36.946, 1.11, 6.24
   CB : 36.987, -0.1, 9.317
   CG : 37.119, -1.563, 8.97
   CD : 35.846, -1.957, 8.305
   NV : 35.4257, -0.707336, 7.64284 (virtual)
  CAV : 35.8996, 0.441347, 8.25002 (virtual)
   HA : 35.141, 0.97715, 8.8721
  1HB : 37.9438, 0.433685, 9.21849
  2HB : 36.6417, 0.0476102, 10.3509
  1HG : 37.9855, -1.72036, 8.31089
  2HG : 37.3003, -2.15428, 9.87969
  1HD : 36.0441, -2.75894, 7.57861
  2HD : 35.1232, -2.2907, 9.06406
  1H  : 35.7595, -0.700397, 6.70024
  2H  : 34.4274, -0.649029, 7.64284
Mirrored relative to coordinates in ResidueType: FALSE

In [20]:

# 保存PDB
pose.dump_pdb('./data/insert_icode.pdb')

Out[20]:

True

使用文本编辑器打开后可以见，第一个氨基酸的残基编号发生了变化:从1变成了1m

ATOM      1  N   PRO A   1m     35.432  -0.708   7.647  1.00 49.13           N  
ATOM      2  CA  PRO A   1m     35.959   0.478   8.332  1.00 38.65           C  
ATOM      3  C   PRO A   1m     36.620   1.469   7.374  1.00 28.53           C  
ATOM      4  O   PRO A   1m     36.946   1.110   6.240  1.00 28.02           O  
ATOM      5  CB  PRO A   1m     36.987  -0.100   9.317  1.00 32.04           C  
ATOM      6  CG  PRO A   1m     37.119  -1.563   8.970  1.00 40.69           C  
ATOM      7  CD  PRO A   1m     35.846  -1.957   8.305  1.00 42.21           C  
ATOM      8  HA  PRO A   1m     35.141   0.977   8.872  1.00  0.00           H  
ATOM      9 1HB  PRO A   1m     37.944   0.434   9.218  1.00  0.00           H  
ATOM     10 2HB  PRO A   1m     36.642   0.048  10.351  1.00  0.00           H  
ATOM     11 1HG  PRO A   1m     37.985  -1.720   8.311  1.00  0.00           H  
ATOM     12 2HG  PRO A   1m     37.300  -2.154   9.880  1.00  0.00           H  
ATOM     13 1HD  PRO A   1m     36.044  -2.759   7.579  1.00  0.00           H  
ATOM     14 2HD  PRO A   1m     35.123  -2.291   9.064  1.00  0.00           H  
ATOM     15 1H   PRO A   1m     35.759  -0.700   6.700  1.00  0.00           H  
ATOM     16 2H   PRO A   1m     34.427  -0.649   7.643  1.00  0.00           H

In [ ]: