📚 课程目录第1章绪论

第一章：绪论 —— 为什么你要学PDB？

大家好，欢迎来到这门课。

先问一个问题：你手里攥着一个基因序列，想知道它的蛋白质长什么样。怎么办？

答案很简单，去PDB（Protein Data Bank）查。但问题没这么简单——如果你没搞懂PDB的结构、规则和坑，你拿到的数据可能会让你白忙活好几天。

我个人第一次用PDB的时候，傻乎乎地下载了一个根本不完整的结构文件，后面所有分析全错了。嗯，从那次以后，我就下定决心，要把这个数据库摸透。

这门课，就是帮你“摸透”PDB。

什么是PDB？

PDB，全称是蛋白质数据库（Protein Data Bank）。它是一个全球性的、公共的蛋白质和核酸三维结构数据库。

说白了，它就像结构生物学界的“百度百科”。

里面存的全是用X射线晶体学、核磁共振（NMR）或冷冻电镜（Cryo-EM）解析出来的生物大分子三维坐标。每一个结构都有一个唯一的ID，叫PDB ID，通常是4位字符。

核心概念：

结构数据 ≠ 序列数据

序列数据告诉你氨基酸的“顺序”，结构数据告诉你这些氨基酸在空间里怎么“折叠”和“排列”。这两个是完全不同的维度。

结构生物学为什么重要？

你想想看，一个蛋白质的功能，80%是由它的三维形状决定的。

锁和钥匙的原理听过吧？蛋白质跟小分子、药物、其他蛋白质的结合，本质上就是形状匹配。如果你只看序列，根本不知道哪个凸起、哪个凹陷会跟药物结合。

我参与过一个药物设计项目，团队花了三个月合成化合物，结果测活性全失败。后来把靶点蛋白的晶体结构解出来一看，原来我们一直对接的位置完全不对。

这就是结构的价值——它让你直观地“看见”分子机制。

PDB里装了多少数据？

截至我写这节课的时候，PDB已经收录了超过20万条结构。这个数量还在以每年约1-1.5万条的速度增长。

解析方法	占比（大约）	特点
X射线晶体学	~85%	分辨率高，速度快，需要结晶
冷冻电镜（Cryo-EM）	~12%	适合超大复合物，分辨率逐年提升
核磁共振（NMR）	~3%	适合小蛋白，能在溶液状态研究

这里有坑：X射线结构大部分只包含静态构象，而NMR和Cryo-EM有时候能提供动态信息。选数据源的时候，要心里有数。

学完这门课，你能做什么？

课程目标很明确，一共三点：

精准检索：不光会搜，还要能搜到你真正需要的结构（比如选择分辨率好的、突变体少的）。
正确下载：知道什么时候下PDB格式，什么时候下mmCIF格式；知道怎么选链、怎么处理多模型。
自动化获取：通过Python脚本批量拉取结构数据，而不是一个一个手动点。

我个人习惯是：
小项目（1-5个结构）手动下载，看一眼元数据再动手。
大项目（几十上百个结构）必须写脚本，否则手会断。

这一章的知识框架

下面的图概括了第一章的核心逻辑——从PDB是什么，到为什么学，再到我们会怎么学。你可以把它当作整门课的导航地图。

你可能会遇到的几个误区

误区一：PDB里全是完美的结构——实际上，有的结构分辨率差到5Å以上，只能看个大概形状。
误区二：有了PDB ID就能直接用——不一定，有些条目包含多个模型、多组链，需要你根据实验条件筛选。
误区三：下载一次用一辈子——结构数据库经常更新、退订或替换。我建议每次做项目前都重新拉最新的数据。

我曾经在做一个跨膜蛋白的对接项目时，用了三年前下载的PDB结构，结果重复不出论文里的结论。后来发现那个结构在一年前被更新了，原来的配体坐标完全变了。

教训：每次新项目，都去官网确认一下坐标文件的日期和版本。

你的第一行代码

为了让你快速感受到“全流程”是什么样，我们先写一个最简单的Python脚本来检查PDB是否可访问：

import urllib.request

url = "https://files.rcsb.org/download/1tqn.pdb"
try:
    response = urllib.request.urlopen(url, timeout=10)
    print("PDB可访问，状态码:", response.getcode())
except Exception as e:
    print("访问出错:", e)

别急，这个只是热身。后面我们会深入讲解怎么用requests、biopython、pypdb等库来做批量处理。

小总结

这一章我们三件事：

搞懂了PDB是干什么的——存三维结构的全球仓库。
明白了结构数据为什么重要——没有结构，你没法真正理解功能。
知道了这门课会教你什么——检索、下载、自动化。

接下来，我们会一步步从检索开始，进入实战。