3、受体结构的获取：从PDB数据库下载蛋白质结构，识别配体与结晶水
做虚拟筛选，第一步就是拿到靠谱的受体结构。说白了，你手里要是没个准确的蛋白质三维结构，后面的对接全是瞎蒙。我个人习惯是从PDB数据库下手，这是全球最权威的蛋白质结构仓库。
PDB里存的是实验测出来的结构——X射线晶体衍射、冷冻电镜、核磁共振。你给我一个靶点名称，我就能去捞结构文件。但光下载还不够，你得会看这个结构里带了什么：有没有配体？有没有结晶水？这些对对接结果影响巨大。
我刚开始做筛选那会儿，就吃过结晶水的亏。下载了一个结构，没管水分子，直接跑对接，结果评分一直不对劲。折腾了两天才发现，某个水分子在活性位点里扮演氢键桥梁的角色。你一删，结合模式全变了。
3.1 PDB数据库：蛋白质结构的源头
PDB（Protein Data Bank）的地址是 rcsb.org。你打开之后，搜索框里输入靶点名称、基因名或者UniProt ID就行。
举个例子，我要是想找EGFR的激酶结构域，就直接搜"EGFR kinase domain"。结果列表会显示一堆PDB ID，比如1M17、2ITN、5XGM。你得从中挑一个。
| 筛选标准 | 优先级 | 为什么 |
|---|---|---|
| 分辨率 ≤ 2.5 Å | 高 | 分辨率越低，原子位置越准 |
| 含原配体 | 高 | 原配体帮你定位活性位点 |
| 无突变 | 中 | 突变型结构可能改变结合口袋 |
| 完整度好 | 中 | 缺失环区太多影响对接 |
3.2 怎么检索目标蛋白
你直接在PDB搜索框输入就行。比如我要做CDK2的虚拟筛选，搜"CDK2"。
结果页面里，你能看到每个结构的详细信息。重点关注这几项：
- Resolution： 分辨率，单位是Å（埃）。数字越小越好。
- Ligand： 共晶配体的简称，比如STU、ATP等。
- Method： 实验方法，X-RAY DIFFRACTION最常用。
- Release Date： 发布日期，太老的结构可能有精度问题。
点进去一个PDB条目，比如1CKP（CDK2的一个经典结构）。你会看到3D视图、实验信息、文献引用。这时候，你需要下载那个.pdb文件。
3.3 下载PDB文件
每个PDB条目页面都有"Download Files"按钮。点它，选PDB Format或者PDBx/mmCIF。
我个人建议：
- 做AutoDock对接，用PDB格式就够了，文件小，好处理。
- 如果结构很大或者含核酸，用mmCIF格式更完整。
下载命令，如果你在服务器上操作，可以直接用wget：
wget https://files.rcsb.org/download/1CKP.pdb下载完，你就拿到了一个纯文本的.pdb文件。你可以用文本编辑器打开看看——里面全是ATOM、HETATM这些记录行。
3.4 识别配体：HETATM与LIG
打开.pdb文件后，怎么找配体？看HETATM行。配体、结晶水、离子，都属于非标准残基，全部列在HETATM记录里。
举个例子，一段HETATM记录长这样：
HETATM 1234 C1 STU A 301 12.345 67.890 23.456 1.00 30.00 C
HETATM 1235 O2 STU A 301 13.456 68.789 24.567 1.00 32.00 O
HETATM 1236 N3 STU A 301 11.234 66.789 22.345 1.00 28.00 N这里的关键信息：
- STU 是配体残基名称，每个PDB文件里都不一样。
- A 301 是链ID和残基编号。
- C、O、N 是原子类型。
你打开PDB页面的Ligand部分，它会告诉你这个配体叫什么名字，化学式什么样。比如STU可能是一种小分子抑制剂。
3.5 结晶水：留还是删？
这是新手最容易踩的坑。结晶水在PDB文件里也是HETATM，但残基名是HOH。比如：
HETATM 2001 O HOH A 401 10.234 56.789 12.345 1.00 25.00 O到底要不要保留结晶水？我的经验是：
- 远离活性位点的水： 删掉。它们对对接没贡献，还增加计算量。
- 活性位点内的水： 分情况讨论。
怎么判断一个水分子重不重要？我用这几种方法：
- 看它是不是和配体或关键残基形成了氢键。如果是，保留。
- 看它是不是被多个极性原子包围。如果是，往往结构保守。
- 看它是不是在结合口袋深处。越深的水，越可能是桥梁。
我曾经在一个项目里处理NADH氧化酶的结构，活性位点里有个水分子，连接了配体上的羟基和蛋白的Asp残基。一删掉，对接结果完全偏移了原配体位置。补回来才恢复正常。
所以，别无脑删水。但也不能全留着——有些水结合松散，对接时甩来甩去，反而影响评分。
3.6 受体文件准备好了吗？
下载好PDB文件后，别直接拿去对接。你需要做预处理：
- 去掉所有非配体的HETATM（保留配体和关键水）。
- 如果结构里有多余的链，只保留你的靶点链。
- 检查是否缺残基或无序区域。
我习惯用这个命令快速查看PDB文件基本信息：
grep -c "^ATOM " 1CKP.pdb
grep "HETATM" 1CKP.pdb | head -20第一个命令数蛋白质原子数，第二个看有哪些非标准分子。
这张图展示了我刚才说的完整流程。从PDB数据库开始，一路走到最终受体文件。每一步都不该跳过。
嗯，我再说一个实际教训。有次我从PDB下载了一个结构，看起来分辨率很高，1.8 Å。结果后来才注意到，那个结构的活性位点附近有大量无序区域，原子坐标是缺失的。对接结果自然很糟糕。所以，别只看分辨率，还要看温度因子和缺失残基。
你可以用PyMOL快速查看结构质量：
# PyMOL命令行
load 1CKP.pdb
show cartoon
# 用spectrum显示B-factor
spectrum b, blue_white_red, minimum=0, maximum=100
# 查看缺失环区
set cartoon_highlight_color, yellow
处理完后，你的受体文件应该只包含：
- 蛋白质原子（ATOM记录）
- 配体原子（如果你打算用作参考）
- 关键的结晶水（自己判断过的）
其他所有HETATM都要删掉，包括缓冲液分子（如DMSO、甘油）、离子（如Na+、Cl-，除非在活性位点）等。这些都会干扰对接。
一看分辨率，二看配体在。
三查结晶水，关键留下来。
删掉杂物链，准备对接去。
好了，受体结构这边就到这儿。你按照这个思路去PDB捞结构，识别配体和水分子，预处理干净，后面对接就踏实了。