3. 蛋白结构解析与预处理

拿到一个PDB文件，并不等于拿到一个可以直接用于图网络建模的蛋白结构。PDB文件本质上是实验解析结果的文本记录，它可能来自X射线晶体学、冷冻电镜或NMR，分辨率、链完整性、原子占据率、替代构象、氢原子缺失情况各不相同。图网络建模要求每个节点（原子或残基）有明确的位置、类型和连接关系，因此预处理的核心任务是把“实验记录”转换成“建模可用的结构对象”。本节围绕解析、结合位点识别、缺失残基、质子化、二硫键与金属离子六个关键环节展开。

一、PDB文件解析：从文本记录到结构对象

PDB文件由固定列宽的记录行组成，常见记录类型包括HEADER、TITLE、SEQRES、ATOM、HETATM、CONECT、SSBOND、LINK、REMARK等。解析时最需要关注的是ATOM与HETATM两类：ATOM记录标准氨基酸残基原子，HETATM记录配体、水、金属离子及修饰残基。每条记录包含原子序号、原子名、残基名、链ID、残基序号、插入码、三维坐标、占据率、温度因子和元素符号。

解析过程中必须处理几个容易出错的细节：一是插入码（insertion code），同一残基序号可能对应多个残基，必须用“残基序号+插入码”联合标识；二是替代构象（altLoc），同一原子可能有A、B两套坐标，通常保留占据率最高的一套，或按建模需求保留全部；三是多条链与多模型，NMR结构常含多个MODEL，需明确取第一个模型还是做系综平均。解析完成后，应建立“链—残基—原子”三级索引，并记录每个原子的元素、坐标与所属残基，为后续建图提供节点表。

二、结合位点识别：从配体出发还是从口袋出发

结合位点识别有两条常见路径。第一条是“配体驱动”：若PDB中已包含共结晶配体（HETATM），可直接提取配体周围一定距离内的蛋白残基作为结合位点。常用距离阈值为4.0～5.0 Å，以配体任一重原子到残基任一重原子的最小距离判断。第二条是“口袋驱动”：当没有共结晶配体时，可用几何方法检测表面空腔，例如基于网格的探针扫描、Alpha Shape或fpocket类算法，输出口袋中心、体积和残基组成。

在图网络建模中，结合位点识别的结果通常表现为一组“位点残基集合”，并进一步区分核心残基与外围残基。核心残基一般指与配体直接接触（距离≤4.0 Å）的残基，外围残基指4.0～6.0 Å范围内的残基。这个分层对后续图节点特征设计很重要：核心残基往往承担氢键、盐桥、疏水堆积等关键相互作用，外围残基更多影响口袋形状与静电环境。

三、缺失残基：补全还是标记

PDB结构中缺失残基非常常见，主要来源有三类：一是柔性loop区在电子密度中不可见，导致整段残基缺失；二是侧链长链原子缺失，主链仍在；三是末端残基缺失。解析时应通过REMARK 465（缺失残基）和REMARK 470（缺失原子）定位缺失位置，并与SEQRES记录比对，确认缺失发生在哪条链、哪个序号区间。

处理策略取决于建模目标。若缺失发生在远离结合位点的柔性区，通常直接标记为“缺失”，在建图时跳过该残基，避免引入虚假节点；若缺失位于结合位点附近或影响图连通性，则需要补全。补全可用同源建模、loop建模或工具如Modeller、PDBFixer。补全后必须检查键长、键角和空间冲突，不能直接使用未经优化的坐标。对于侧链缺失，可用SCWRL4或PDBFixer重建，并做局部能量最小化。

四、质子化状态：pH与氢键网络

PDB文件通常不含氢原子，而图网络建模若涉及氢键、盐桥或电荷特征，就必须确定质子化状态。质子化状态与pH密切相关，常用工具包括H++、PROPKA、PDB2PQR。默认生理pH 7.4下，Asp、Glu带负电，Lys、Arg带正电，His为中性但可质子化。His的质子化会显著影响氢键供体/受体角色，需要根据局部环境判断。

实际操作中，可先运行PROPKA预测各可滴定残基的pKa，再结合结合位点微环境人工复核。例如，若His位于金属配位位点，通常需要质子化或去质子化以匹配配位几何；若Asp位于疏水口袋内部，其pKa可能显著上移，导致中性状态。确定质子化后，用PDB2PQR或类似工具加氢，并输出带电荷与半径信息的结构文件，供后续图节点特征使用。

五、二硫键与金属离子：共价与配位连接

二硫键由两个半胱氨酸的SG原子氧化形成，PDB中通常由SSBOND记录给出，也可通过SG-SG距离≤2.5 Å自动检测。建模时二硫键应作为一条特殊边加入图网络，边类型标记为“二硫键”，权重可设为高于普通非键相互作用。若SSBOND记录缺失但距离满足条件，应补录并核对氧化态，避免把还原态CYS误判为成键。

金属离子以HETATM记录出现，常见有Zn、Mg、Ca、Fe、Mn等。金属离子与蛋白残基之间是配位键，不是共价键，配位残基通常为His的NE2、Cys的SG、Asp/Glu的OD/OE。建模时应把金属离子作为独立节点，配位关系作为特殊边，并记录配位距离与配位数。需要注意金属离子的氧化态和配位几何，例如Zn²⁺常为四面体配位，Mg²⁺常为八面体配位，这些信息会影响边特征设计。

完成上述步骤后，结构对象才真正具备图网络建模所需的完整性：每个节点有明确的残基身份、坐标与化学状态，每条边有明确的来源与类型，结合位点有分层标签。后续建图时，只需按节点表和边表组装图结构，即可避免因解析遗漏或状态误判导致的建模偏差。