PDB 蛋白质结构数据库：实验结构与计算预测

快速概览

PDB（Protein Data Bank）是全球唯一的实验测定生物大分子三维结构数据库。理解结构文件的格式（PDB/mmCIF）、测定方法（X-ray、NMR、Cryo-EM）和结构质量指标（分辨率、R-factor），是从序列走向结构功能解释的基础。

PDB 存储实验测定的蛋白质、核酸、复合体三维结构
主要测定方法：X 射线晶体学、NMR、冷冻电镜（Cryo-EM）
结构文件格式：PDB（旧）和 mmCIF（新标准）
质量指标：分辨率（Resolution）、R-factor/R-free 评估结构可靠性
AlphaFold DB 提供计算预测结构，与 PDB 实验结构互补

是什么

PDB（Protein Data Bank） 是全球唯一的实验测定生物大分子三维结构存档数据库，由 wwPDB（Worldwide PDB）联盟维护。

核心内容

PDB 存储以下类型的结构：

| 结构类型 | 占比 | 示例 | |---------|------|------| | 蛋白质 | ~90% | 酶、受体、抗体、结构蛋白 | | 核酸 | ~5% | DNA、RNA、DNA-RNA 复合体 | | 复合体 | ~5% | 蛋白-DNA、蛋白-蛋白、核糖体 |

结构标识符

| 标识符 | 格式 | 示例 | 说明 | |--------|------|------|------| | PDB ID | 4 位字符 | 1TUP、6VXX | 传统标识符，wwPDB 分配 | | Entry ID | 同 PDB ID | 1TUP | 新版命名，与 PDB ID 等价 |

为什么重要

PDB 结构信息是从序列走向功能机制的关键证据：

功能位点识别：活性位点、结合口袋、催化残基的三维位置
变异解释：氨基酸替换如何影响结构稳定性或相互作用
药物设计：基于结构的药物设计（structure-based drug design）
突变效应：致病突变是否破坏关键结构区域
分子互作：蛋白-蛋白、蛋白-DNA 相互作用的界面

关键认知：结构比序列更接近功能。远缘同源蛋白可能序列差异很大（< 30% 相似），但折叠方式相似。

结构测定方法

三种主要方法

| 方法 | 分辨率范围 | 适用场景 | 局限 | |------|-----------|---------|------| | X 射线晶体学 | 0.8-3.5 Å | 大多数蛋白质结构 | 需要结晶，无法观察动态 | | NMR | 不适用 | 小蛋白、动态研究 | 仅适用于 < 40 kDa 分子 | | 冷冻电镜（Cryo-EM） | 1.5-4.0 Å | 大型复合体、膜蛋白 | 设备昂贵，数据处理复杂 |

分辨率的意义

分辨率（Resolution）衡量结构细节的清晰度：

| 分辨率 | 质量等级 | 可见信息 | |--------|---------|---------| | < 1.5 Å | 超高分辨率 | 单个原子、氢键、水分子 | | 1.5-2.5 Å | 高分辨率 | 侧链方向、配体结合 | | 2.5-3.5 Å | 中等分辨率 | 主链轨迹、大体侧链 | | > 3.5 Å | 低分辨率 | 仅主链框架，侧链模糊 |

越低越好：分辨率数值越小，结构越清晰。

结构文件格式

PDB 格式（传统）

文本格式，每行 80 字符（历史限制）：

ATOM      1  N   MET A   1      27.340  24.430   2.614  1.00 20.00           N
ATOM      2  CA  MET A   1      26.266  25.413   2.842  1.00 20.00           C
ATOM      3  C   MET A   1      26.913  26.639   3.531  1.00 20.00           C

| 列 | 内容 | |----|------| | 1-6 | 记录类型（ATOM/HETATM） | | 13-16 | 原子名称 | | 17 | 替代位置指示 | | 18-20 | 残基名称 | | 22 | 链 ID | | 23-26 | 残基序号 | | 31-38 | X 坐标 | | 39-46 | Y 坐标 | | 47-54 | Z 坐标 | | 55-60 | 占位符（occupancy） | | 61-66 | 温度因子（B-factor） |

mmCIF 格式（新标准）

更灵活的结构化格式，无 80 字符限制：

loop_
_atom_site.group_PDB
_atom_site.id
_atom_site.type_symbol
_atom_site.label_atom_id
_atom_site.label_comp_id
_atom_site.label_seq_id
_atom_site.Cartn_x
_atom_site.Cartn_y
_atom_site.Cartn_z
ATOM 1 N N MET 1 27.340 24.430 2.614
ATOM 2 C CA MET 1 26.266 25.413 2.842

趋势：wwPDB 正在从 PDB 格式转向 mmCIF 格式，新结构仅以 mmCIF 存档。

结构质量指标

关键指标

| 指标 | 说明 | 优质阈值 | |------|------|---------| | Resolution | 测定分辨率 | < 2.5 Å | | R-factor | 模型与实验数据拟合度 | < 0.20 | | R-free | 交叉验证拟合度 | < 0.25 | | Ramachandran favored | 二面角合理性 | > 98% | | Clashscore | 原子碰撞数 | < 10 |

R-factor vs R-free

R-factor：模型与观测数据的拟合度（训练集）
R-free：使用未参与精修的数据计算（测试集）

关键注意：R-free 比 R-factor 更可靠地反映模型质量。如果 R-free 远高于 R-factor，可能过拟合。

PDB 与 AlphaFold DB 的关系

两种结构来源

维度	PDB（实验）	AlphaFold DB（预测）
来源	实验测定	深度学习预测
覆盖度	~20 万条	~2 亿条（覆盖几乎所有已知蛋白）
可靠性	实验验证，高置信度	预测置信度因区域而异（pLDDT）
动态信息	可能包含多个构象	通常单一构象
配体/复合体	可包含配体、DNA、其他蛋白	仅预测单个蛋白质链

如何使用

| 场景 | 推荐 | 原因 | |------|------|------| | 已知实验结构 | PDB | 经过实验验证 | | 无实验结构 | AlphaFold DB | 预测结构可用 | | 配体结合研究 | PDB | 包含配体坐标 | | 大规模结构分析 | AlphaFold DB | 覆盖更全 |

最佳实践：优先使用 PDB 实验结构，如无则使用 AlphaFold 预测结构，但需注意预测置信度（pLDDT 分数）。

与真实工具或流程的连接

常见概念误区

本章小结

PDB 是实验测定结构的唯一存档数据库
三种主要测定方法：X-ray、NMR、Cryo-EM，分辨率是关键指标
结构格式从 PDB 转向 mmCIF，质量指标包括 R-factor/R-free
AlphaFold DB 提供预测结构，与 PDB 互补使用
结构比序列更接近功能，是药物设计和变异解释的关键