4. PDB 文件写入与保存：改完了，怎么存回去？

解析 PDB 是一回事，改完了再写回去，那又是另一回事了。我刚开始做这行的时候，总觉得写文件嘛，不就是 open.write() 一下？

结果第一次跑完，拿新文件去跑分子对接，直接报错。

打开文件一看，原子名全串列了，残基编号对不齐……嗯，那时候我就明白，PDB 写入这件事，也有不少门道。

为什么写入比读取更「讲究」？

你想想看，读取的时候，程序容忍度可以很高。多一个空格？跳过。列没对齐？没事。可写入不一样——一串格式不对，下游工具可能直接报错，或者更糟，静默地算个错误结果给你。

我自己碰到过最折腾的一个 case：改了一个 B 因子字段，结果因为少写了一位小数，整个 ANISOU 记录格式就乱掉了。后来的对接结果全是废的，排查了一整天才发现是写入精度没控制好。

写入前，先做数据验证

我个人习惯，在写入之前做一遍「完整性检查」。说白了，就是看看你改完的结构，能不能通过格式的「体检」：

• 原子序号：是否连续？有没有重复？
• 原子名称：标准残基的原子名，是否有拼写错误？
• 残基编号：插入码（iCode）有没有按格式写？
• 坐标：有没有 NaN 或者超大值？
• 链标识：是否为空？如果有多个链，是否区分清楚？

我曾经在项目里写过一个小脚本，专门做这事。后来发现其实大部分问题都能在写入前自动修掉，省了不少回头查 bug 的时间。

格式化策略：按字段位置逐列写入

PDB 每一类记录，都有它自己的「列地图」。举个最常用的 ATOM 记录：

字段	起始列	结束列	说明
记录名	1	6	"ATOM " 或 "HETATM"
原子序号	7	11	右对齐，整数
原子名称	13	16	左对齐，注意空格
备用位置	17	17	通常为空格或 'A','B'
残基名	18	20	右对齐，标准三字母码
链标识	22	22	单个字符
残基编号	23	26	右对齐，整数
插入码	27	27	可选
X坐标	31	38	右对齐，8.3格式
Y坐标	39	46	同上
Z坐标	47	54	同上
占有率	55	60	6.2格式
温度因子	61	66	6.2格式
元素符号	77	78	右对齐
原子电荷	79	80	可选

你可能会问：这些列宽非得这么死板吗？对的，很多结构生物学的软件，就靠这些列号来定位字段。稍微偏一点，字段就会被读成别的值。

我在实际项目中写过一个 format_atom_line() 函数，专门把字段「安放」到正确的列位置：

def format_atom_line(atom):
    record = atom.get("record", "ATOM  ")
    serial = str(atom.get("serial", 1)).rjust(5)
    name   = atom.get("name", "CA").ljust(4)
    altLoc = atom.get("altLoc", " ")
    resn   = atom.get("resn", "ALA").rjust(3)
    chain  = atom.get("chain", "A")
    resi   = str(atom.get("resi", 1)).rjust(4)
    iCode  = atom.get("iCode", " ")
    x      = f"{atom['x']:8.3f}"
    y      = f"{atom['y']:8.3f}"
    z      = f"{atom['z']:8.3f}"
    occup  = f"{atom.get('occup', 1.0):6.2f}"
    temp   = f"{atom.get('tempFactor', 0.0):6.2f}"
    segID  = " " * 4
    element = atom.get("element", "  ").rjust(2)
    charge = atom.get("charge", "  ")

    line = (f"{record}{serial} {name}{altLoc}{resn} {chain}"
            f"{resi}{iCode}   {x}{y}{z}{occup}{temp}      "
            f"{segID}{element}{charge}")
    return line

写入工具的选择：Biopython vs. 手写格式化

说实话，如果是小规模的修改，比如改 10 个原子的温度因子，我推荐直接用 Biopython 的 PDBIO。方便，快捷。

from Bio.PDB import PDBParser, PDBIO

parser = PDBParser(QUIET=True)
structure = parser.get_structure("my_protein", "input.pdb")

# 做一些修改...
for atom in structure.get_atoms():
    if atom.get_bfactor() < 10:
        atom.set_bfactor(10.0)

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

但如果你需要大规模转换，或者对格式有非常精细的控制——比如要批量重排原子顺序、修改记录类型——我个人建议直接用逐行格式化写入，自己控制每一列的字符串。

写入时的常见「坑」

字符串编码：PDB 文件是纯 ASCII 文本，不要写入中文字符、Unicode 特殊符号。残基名、链标识等字段只能用大写英文字母和数字。

行尾结束符：虽然现在大部分软件都能兼容 \n 和 \r\n，但我习惯统一用 \n，跨平台更稳定。

实战清单：写出一个「干净」的 PDB 文件

这里是我亲测有效的大致步骤，你可以参考着用：

1. 读入并备份原始结构，不要在原文件上直接修改。
2. 校验数据完整性：检查有没有缺失的字段，有没有非法值。
3. 按固定列宽格式化每条记录，原子记录尤其严格。
4. 写入临时文件，不要覆盖原始文件，方便对比差异。
5. 验证输出文件：用 pdb_validate.py 或在线验证工具检查格式。
6. 可视化检查：用 PyMOL、ChimeraX 等打开新文件，看看结构有没有明显的偏移或断裂。

本章知识体系

下面这张图，我把从解析到写入全流程的关键步骤串起来了。你写代码的时候可以拿它当 checklist：