📚 课程目录第4章结构清洗与标准化

4. 结构清洗与标准化

从 PDB 下载得到的结构文件，本质上是一份“实验记录”，而不是一份可直接用于对接或建模的“计算输入”。它记录了结晶实验里出现过的所有东西：水、缓冲液成分、冷冻保护剂、金属离子、辅因子、共结晶配体、多条链、甚至同一蛋白的多个构象副本。结构清洗与标准化的任务，就是把这些“实验痕迹”按可成药位点分析的需要逐类甄别、取舍，并把保留下来的部分整理成编号一致、质子化状态明确、化学修饰可解释的规范对象。这一步做得好不好，直接决定后续口袋检测、对接打分和相互作用分析是否可信。

一、先分类，再决定去留

清洗不是“一律删掉非蛋白原子”，而是按对象类别做差异化决策。工程上通常把结构中的非目标内容分为五类，每类的处理原则不同：

水分子（HOH/WAT）：多数对接流程会删除，但桥接水、与关键残基形成稳定氢键网络的水可能参与口袋塑形，应单独标记后再决定。
添加剂与冷冻保护剂：如甘油（GOL）、硫酸根（SO4）、乙二醇（EDO）、聚乙二醇（PEG）、二甲亚砜（DMSO），几乎都是结晶副产物，默认删除。
金属离子：如 Zn²⁺、Mg²⁺、Ca²⁺、Mn²⁺、Fe，既可能是结构必需的催化/稳定离子，也可能是缓冲液带入的杂质，需结合配位残基和文献判断。
冗余链与冗余副本：同一蛋白的多条相同链、NMR 多模型、交替构象（altLoc），需保留代表性的一份。
配体与辅因子：共结晶配体、底物类似物、辅酶（NAD、FAD、ATP）等，是判断可成药位点位置与形状的最重要信息，通常保留并单独提取。

判断依据的核心是“该对象是否参与目标位点的几何与化学定义”。参与则保留，不参与则删除；不确定时先保留并加注释，而不是直接丢弃。

二、冗余链与交替构象的取舍

以常见的二聚体酶结构为例，文件中可能同时存在 A、B 两条链，二者序列相同、构象略有差异。若目标是分析单体上的可成药位点，应只保留一条链，选择标准通常是：分辨率更高、缺失残基更少、配体占据更完整、B-factor 更合理。若目标是研究二聚界面，则两条链都必须保留，并检查界面处是否有对称相关分子需要补全。

交替构象（altLoc）的处理原则是：对每个残基只保留占据率（occupancy）最高的构象，删除其余 altLoc；若两个构象占据率接近且都参与口袋，应保留并记录，避免人为抹平口袋的柔性。NMR 结构的多模型（MODEL）则通常取第 1 个模型或做系综平均，具体取决于后续是否要做柔性对接。

三、残基编号、质子化状态与化学修饰

编号统一是清洗中最容易被忽视、却最容易导致下游错误的一步。不同 PDB 条目对同一蛋白可能采用不同的起始编号，甚至存在插入编号（如 100A、100B）或负编号。标准化时应把编号重设为从 1 开始的连续整数，并保留一份“原始编号 ↔ 新编号”的映射表，便于回溯文献位点。

质子化状态决定氢键供受体和电荷，必须在清洗阶段明确。常用做法是：在 pH 7.4 条件下，Asp/Glu 去质子化带负电，Lys/Arg 质子化带正电，His 默认中性但需根据其周围氢键环境判断是否质子化在 Nδ1 或 Nε2。半胱氨酸尤其关键：游离 Cys 为中性硫醇，形成二硫键的 Cys 不参与氢键，而金属配位 Cys 常以硫醇盐形式存在。

化学修饰包括磷酸化（SEP/TPO/PTR）、糖基化（NAG、MAN）、甲基化、乙酰化等。处理原则是：若修饰直接位于目标口袋内或影响口袋构象，应保留并作为独立残基处理；若位于远端且不影响位点，可简化为对应标准残基或直接删除，但必须在日志中记录。

四、可执行的处理流程与判断依据

把上述原则落成可复现的操作，通常借助 PyMOL、UCSF Chimera、或 Python 的 Biopython/PDBFixer 等工具。一个典型的处理顺序是：先删水与添加剂，再处理冗余链与 altLoc，然后判断金属与配体去留，最后统一编号与质子化。下面给出一段可直接参考的 PyMOL 命令示例，用于删除水、硫酸根和甘油，并只保留 A 链：

# 载入结构
load 1abc.pdb, raw

# 删除水、硫酸根、甘油、乙二醇
remove resn HOH
remove resn SO4
remove resn GOL
remove resn EDO

# 只保留 A 链（若研究二聚界面则改为保留 A+B）
remove chain B
remove chain C

# 删除占据率低于 0.5 的交替构象
remove altLoc B
remove altLoc C

# 保存清洗后结构
save cleaned.pdb, raw

执行后应检查三件事：一是目标链的残基是否连续、有无意外断裂；二是关键配体与金属是否仍在；三是编号是否已重排。若使用 PDBFixer，可在清洗后直接调用其加氢与质子化模块，按 pH 7.4 自动赋值，再人工复核 His、Cys 两类敏感残基。

不要用“删除所有 HETATM”这种一刀切命令。HETATM 里既有需要删除的添加剂，也有必须保留的配体、辅因子和金属离子。正确做法是按 resn 精确指定删除对象。

五、常见陷阱与复核清单

实践中几个高频错误值得单独提醒。第一，把金属离子当杂质删掉，结果口袋形状和静电分布完全改变；第二，忽略 altLoc，导致同一残基出现两个侧链，口袋体积被高估；第三，编号未统一就与文献位点比对，造成位点错位；第四，His 质子化状态随意指定，影响氢键网络判断；第五，磷酸化残基被当作普通 Ser/Thr 处理，丢失关键电荷与氢键。

清洗完成后，建议用一份简短清单做最终复核：目标链是否唯一且完整；水与添加剂是否已按规则处理；金属与配体是否保留并记录理由；残基编号是否连续且映射表已保存；His/Cys 质子化状态是否明确；化学修饰是否保留或已记录简化方式。这份清单不需要复杂，但每一项都对应一个可能影响下游结果的决策点。只有把清洗阶段的选择显式记录下来，后续的口袋分析与对接结果才具备可解释性和可复现性。