4. PDB 文件基本操作：读写、坐标修改与残基增删

PDB 文件这东西，说白了就是蛋白质结构的「身份证」。里面记录着每个原子的名字、坐标、所属残基，甚至温度因子。你拿到一个 PDB，第一件事是什么？我个人习惯是先瞄一眼文件头部的 HEADER 和 REMARK，看看这是晶体结构还是 NMR 模型，分辨率多少。这步跳过的话，后面容易踩坑。

但真正干活的时候，你不能老用文本编辑器手动改。几百个残基，几万个原子，手改要改到猴年马月去。所以我一般直接用 Biopython 的 PDB 模块，写几行脚本就搞定了。下面我把最常用的三个功能拆开来聊：读写、改坐标、删加残基。

4.1 读取与写入 PDB 文件

读取其实就两步：建一个解析器，喂进去文件名。我刚开始用的时候，老忘记设置 PERMISSIVE=1，导致那些格式不标准的 PDB 直接报错。后来我就记住了，非标准结构多的是，别太死板。

from Bio.PDB import PDBParser, PDBIO

parser = PDBParser(PERMISSIVE=1)   # 1 表示容错模式
structure = parser.get_structure("1ake", "1ake.pdb")

# 看一眼结构里有什么
for model in structure:
    for chain in model:
        print(f"Chain {chain.id}: {len(chain)} residues")

写入更简单。你改完结构之后，直接拿 PDBIO 的 save 方法输出就行。不过我建议输出前调用一下 io.set_structure()，不然有时候会丢链信息。嗯，这里要注意：千万别用 io.save("output.pdb") 连着写，容易覆盖掉你没保存的中间版本。

io = PDBIO()
io.set_structure(structure)
io.save("cleaned.pdb")

4.2 修改原子坐标

为什么要改坐标？最常见的情况是：你从 PDB 里拿到的是粗粒度模型，或者是对接结果，需要微调侧链位置。我曾经有个项目，需要把所有 ALA 的 CB 原子平移 0.5 Å，用肉眼挑简直是自虐。

看看怎么用代码搞定：

from Bio.PDB.vectors import Vector

for model in structure:
    for chain in model:
        for residue in chain:
            if residue.get_resname() == "ALA":
                if "CB" in residue:
                    atom = residue["CB"]
                    old_coord = atom.get_vector()
                    offset = Vector(0.5, 0, 0)
                    new_coord = old_coord + offset
                    atom.set_coord(new_coord.get_array())

这里我用了 Vector 做向量运算，比手写坐标加减清晰得多。你可能会问：为什么只平移 CB？因为 ALA 的侧链就一个甲基，平移 CB 就等于整个侧链动了。做设计的时候，这种定点操作特别常用。

4.3 删除或添加残基

删残基和加残基，看起来是两个方向，但底层逻辑一样：操作 Chain 对象里的 child_list。我习惯先把链里的残基按 ID 排好序，再动手。

4.3.1 删除指定残基

比如我要删掉 1ake 结构里所有的水分子。水分子在 PDB 里通常残基名是 HOH，链 ID 可能不统一。我一般这么写：

for model in structure:
    for chain in model:
        to_detach = []
        for residue in chain:
            if residue.get_resname() == "HOH":
                to_detach.append(residue.id)
        for res_id in to_detach:
            chain.detach_child(res_id)

注意：先收集要删的 ID，再统一删。直接在遍历中删会报 RuntimeError: dictionary changed size during iteration，我踩过这个坑，差点以为 Biopython 有 bug。

4.3.2 添加新残基

添加残基稍微麻烦点，因为你要自己构造 Residue 对象和它的原子。我做过一个模拟磷酸化修饰的脚本，需要在某个 SER 旁边加一个磷酸根（PO4）。

from Bio.PDB.Residue import Residue
from Bio.PDB.Atom import Atom
import numpy as np

# 假设要在链 A 的残基 100 之后插入一个磷酸根
chain = structure[0]["A"]
new_res = Residue((" ", 101, " "), "PO4", "")

# 加一个 P 原子
p_atom = Atom("P", np.array([10.0, 20.0, 30.0]), 1.0, 1.0, " ", "P", "P")
new_res.add(p_atom)

# 插入到链中
chain.add(new_res)

这里 Residue 的第一个参数是三元组 (hetero_flag, sequence_number, insertion_code)，我一般用 (" ", 101, " ") 表示标准残基。如果你加的是水或配体，hetero_flag 要改成 "W" 或 "H_"。

4.4 整体流程：从读到改到存

把上面三个操作串起来，就是一个标准的 PDB 处理流水线。我画了张图，概括了整个流程：

4.5 PDB 文件格式那些事儿

操作之前，你得清楚 PDB 每一列什么意思。我把它列成了一张速查表，这表每次写脚本前我都会瞟一眼。

列范围	字段	说明
1-6	记录名	ATOM / HETATM / TER / END
7-11	序列号	原子在文件中的编号
13-16	原子名	如 CA、CB、N、O
18-20	残基名	ALA、HOH、PO4 等三字符代码
22	链 ID	A、B、C 或空
23-26	残基序号	整数，可带插入码
31-54	坐标	x, y, z 各占 8 列，右对齐
55-60	占有率	一般 1.0
61-66	温度因子	B 因子，反映原子位移

改坐标或者加残基的时候，尤其要注意：PDB 格式对列的宽度要求很严格。你如果自己构造字符串，必须保证每一个字段都落在正确的列区间内。好在 Biopython 的 Atom 和 Residue 会自动帮你排版，不用手算列位置。

4.6 一个完整的实战脚本

最后，我把今天讲的内容整合成一个五六行就能跑通的脚本。这个脚本干的事：读入 PDB，删掉所有水，把所有 CYS 的 SG 原子向上平移 1 Å，然后保存为新文件。

from Bio.PDB import PDBParser, PDBIO
from Bio.PDB.vectors import Vector

parser = PDBParser(PERMISSIVE=1)
structure = parser.get_structure("target", "input.pdb")

for model in structure:
    for chain in model:
        # 删水
        for residue in list(chain):
            if residue.get_resname() == "HOH":
                chain.detach_child(residue.id)
        # 改 CYS 的 SG 坐标
        for residue in chain:
            if residue.get_resname() == "CYS" and "SG" in residue:
                atom = residue["SG"]
                atom.set_coord( (atom.get_vector() + Vector(0, 0, 1)).get_array() )

io = PDBIO()
io.set_structure(structure)
io.save("modified.pdb")
print("搞定。")

你试试跑一下，改完之后可以拿 PyMOL 或者 VMD 打开看看。能看到硫原子全都往上飘了一截，水分子消失得干干净净。嗯，这就是 PDB 文件操作的日常——只要掌握了解析器、向量运算和增删方法，剩下的无非是重复组合而已。