3. PDB文件头部的REMARK记录：种类与用途
PDB文件头部那一大段以REMARK开头的行，很多人第一次看到会直接跳过。说实话，这是一个很大的误区。我在处理结构时发现，REMARK记录里藏着对审计追踪至关重要的信息——实验条件、精修参数、验证指标，甚至作者自己标注的坑。
今天我们就专门聊聊REMARK记录的来龙去脉。
3.1 什么是REMARK记录
REMARK是PDB文件中用来存放自由文本注释的记录类型。它的格式很简单：
REMARK nnn 文本内容...其中nnn是三位数字的类别编号。每个编号代表一类特定的注释。我习惯把REMARK看作PDB的“附录”或“注释区”——它不像ATOM记录那样描述原子的坐标，而是告诉你怎么得到这些坐标的。
为什么会分这么多类别？说白了，蛋白质结构解析的方法和流程差异太大。X射线晶体学、NMR、冷冻电镜这三种技术，各自的实验条件和数据处理方式完全不同。REMARK编号系统就是为了容纳这些多样性而设计的。
3.2 常用的REMARK类别一览
目前PDB档案中定义了超过100种REMARK类型。但我敢打赌，你日常最常见的不会超过下面这15个。咱们挑重点的说。
| REMARK编号 | 用途简述 | 负责人印象 |
|---|---|---|
| 1 | 文献引用（DOI、PubMed ID） | 查论文时最有用 |
| 2 | 分辨率范围 | 一眼看出数据质量 |
| 3 | 精修方法和统计 | R-free、R-work都在这 |
| 4 | 实验数据的收集条件 | 经常被忽略但很关键 |
| 5 | 分子几何约束 | 键长、键角的RMSD |
| 200 | NMR实验参数 | 溶液结构才用 |
| 280 | NMR组装体信息 | 多结构域的模型数 |
| 290 | NMR约束统计 | 距离、二面角约束 |
| 300 | 生物组装信息 | 千万别搞混生物单元 |
| 350 | 非晶胞对称性 | 晶体学特有 |
| 465 | 缺失残基 | 无序区域就写在这 |
| 500 | 几何反常态（Ramachandran outliers等） | 验证的重要依据 |
| 610 | 配体几何信息 | 小分子合规性检查 |
| 700 | 二级结构注释 | 自动生成或手动修改 |
| 800 | 位点注释（活性、修饰等） | 功能点位很清楚 |
嗯，表格看起来多，其实分几个家族就好记了。
我个人习惯按“用途大类”把REMARK分为三组：
- 实验方法族（1-99）：X射线、晶体学参数、数据收集、精修统计。
- 几何与验证族（100-699）：键长键角、Ramachandran图、配体验证。
- 注释与功能族（700-999）：二级结构、位点、生物组装。
下面逐个拆解最重要的几个。
3.3 REMARK 1–3：实验方法基础
这三类是你解析PDB时必须最先检查的记录。为什么？因为它们直接决定了结构的可信度。
REMARK 1 提供了对应文献的引用信息：
REMARK 1 REFERENCE 1
REMARK 1 AUTH S.SMITH,E.JONES
REMARK 1 TITL CRYSTAL STRUCTURE OF HUMAN CARBONIC ANHYDRASE II
REMARK 1 REF NATURE V. 350 409 1991
REMARK 1 REFN ATOM 1991 NATURE 350 409
REMARK 1 DOI 10.1038/350409A0
REMARK 1 PUBMED 2016058REMARK 2 记录了分辨率：
REMARK 2 RESOLUTION. 1.95 ANGSTROMS.注意，如果结构由NMR或EM方法解析，这里可能是“NOT APPLICABLE”。
REMARK 3 包含精修统计：
REMARK 3 R VALUE (WORKING SET) : 0.212
REMARK 3 FREE R VALUE : 0.256
REMARK 3 RMSD BOND LENGTH : 0.008
REMARK 3 RMSD BOND ANGLE : 1.234我在项目中遇到过不止一次，有人不看REMARK 3就直接把结构拿去搭模型，结果自由R值0.35以上——这种结构做分子对接基本是浪费时间。
3.4 REMARK 200–290：NMR结构的专属区域
NMR结构不需要X射线，所以REMARK 2里的分辨率不适用。但NMR有自己的一套质量指标。
REMARK 200 列出了实验参数：
REMARK 200 EXPERIMENTAL PARAMETERS
REMARK 200 NMR EXPERIMENT TYPE : 2D NOESY
REMARK 200 SPECTROMETER FREQUENCY : 600 MHz
REMARK 200 TEMPERATURE (K) : 298REMARK 290 记录了约束统计：
REMARK 290 CONSTRAINT STATISTICS
REMARK 290 NUMBER OF NOE DISTANCE CONSTRAINTS : 2345
REMARK 290 NUMBER OF DIHEDRAL ANGLE CONSTRAINTS: 456
REMARK 290 NUMBER OF HYDROGEN BOND CONSTRAINTS : 89这些数据对判断NMR结构的质量至关重要。我记得有一次帮别人审稿，发现REMARK 290里的NOE约束数只有残基数的两倍——这种结构基本没啥说服力。
3.5 REMARK 350：非晶胞对称性（NCS）
X射线晶体学里经常遇到一个晶胞里有多个相同的亚基。这种“非晶胞对称性”必须记录在REMARK 350里。
REMARK 350 NON-CRYSTALLOGRAPHIC SYMMETRY OPERATORS
REMARK 350 CHAIN A TO CHAIN B: RMSD 0.43 ANGSTROMS
REMARK 350 CHAIN A TO CHAIN C: RMSD 0.51 ANGSTROMS你做同源模建时，如果目标模板有NCS，常可以在REMARK 350里找到不同链之间的RMSD。这能帮你判断结构内部的构象一致性。
3.6 REMARK 465：缺失残基——别被“完整结构”骗了
这个我得多讲几句。很多PDB结构从标题看是“全长”，但一看REMARK 465就露馅了。
REMARK 465 MISSING RESIDUES
REMARK 465 THE FOLLOWING RESIDUES ARE NOT MODELED
REMARK 465 (MISSING OR DISORDERED):
REMARK 465 A 1 MET
REMARK 465 A 2 GLY
REMARK 465 A 150 GLU
REMARK 465 A 151 LYS
REMARK 465 A 152 ALA这段记录表明N端和C端都有片段缺失。如果你要研究C端相互作用，但没检查REMARK 465直接用了坐标，那C端残基压根就不存在，对接不可能做对。
3.7 REMARK 500：几何质量的红灯
REMARK 500列出了精修中遇到的几何反常态，最常见的就是Ramachandran outliers：
REMARK 500 GEOMETRY REMARKS
REMARK 500 (M) MODEL 1
REMARK 500 (A) CHAIN A: RESIDUE 23 ASN
REMARK 500 RAMACHANDRAN PLOT: OUTLIER
REMARK 500 (A) CHAIN A: RESIDUE 47 PRO
REMARK 500 CIS PEPTIDE BOND我记得有一次在做结构验证时，发现一个结构在REMARK 500里列了十几个outliers。作者在注释里解释说“由于配体诱导的构象变化”——但我仔细对比了电子密度，发现其实是精修参数出了问题。这种坑一定要自己判断。
3.8 REMARK 610：配体几何验证
结构里不是只有蛋白质，还有配体。配体的化学几何对不对，看REMARK 610。
REMARK 610 LIGAND GEOMETRY
REMARK 610 LIGAND NAME: ATP
REMARK 610 RMSD BOND LENGTH: 0.012
REMARK 610 RMSD BOND ANGLE : 2.341
REMARK 610 CLASH SCORE : 12.5如果配体的clash score过高，说明这个配体的位置可能有问题。做药物设计的同学一定要注意这个字段。
3.9 REMARK 300：生物组装——晶体单元不等于工作单元
晶体学解析出的“晶胞内容”不一定是你想要的“生物活性形式”。REMARK 300记录了如何从晶胞坐标生成生物组装。
REMARK 300 BIOLOGICAL ASSEMBLY: THE BIOLOGICAL UNIT IS A DIMER
REMARK 300 GENERATED BY APPLYING THE CRYSTALLOGRAPHIC SYMMETRY
REMARK 300 OPERATOR: -X, -Y, -Z TO CHAIN A AND CHAIN B我之前见过有人直接拿晶胞里的单个亚基做模拟，完全忽略了实际上目标蛋白是二聚体——结果当然对不上实验数据。
3.10 一张图看懂REMARK的层次
下面这张SVG把最常用的REMARK记录按“数据来源→精修过程→几何验证→注释产出”的脉络串了起来。你可以把它当作日常检查PDB的检查清单。
3.11 如何快速提取REMARK信息
不用每次都人眼从头读到尾。写个脚本过滤就行。比如用grep：
grep "^REMARK 3" 1ubq.pdb或者用awk提取特定字段：
awk '/^REMARK 3.*R VALUE/ {print $0}' 1ubq.pdb我习惯在审计流程的第一步就自动跑一个REMARK检查脚本，把所有关键编号的记录提取出来做个汇总表。这样一眼就能发现异常值。
3.12 几点实战经验
- 空REMARK不代表没有问题：有些老结构，REMARK 500可能完全空白。但这不代表它没有几何问题，只是当年PDB还没有强制填写那么多条目。
- 小心REMARK 2的分辨率“注水”：正文写着1.8 Å，但REMARK 2里写的是“FROM 50 Å TO 1.8 Å”，最后一圈的信号未必够好。建议同时看REMARK 3里的I/sigma。
- REMARK 200/290在很多冷冻电镜结构里会缺失：因为冷冻电镜本来就不是NMR技术。但近年PDB开始要求电镜结构填写类似的信息，留意版本差异。
说实话，把REMARK记录搞清楚，你的结构分析质量至少提升30%。这不是夸张——我在做结构筛选时，80%的“好结构”在第一轮REMARK检查中就被淘汰了。剩下的才值得花时间做后续的配体对接或分子动力学。