📚 课程目录第3章搜索PDB条目

搜索PDB条目：从基础到高手

PDB里存着快20万个结构。怎么找到你要的那个？

很多人一上来就输入"COVID"，结果出来几千个。嗯，这样效率太低了。我刚开始用PDB时也犯过这毛病，后来才摸清门道——搜索其实有套路，从简单到高级，层层递进。

基本搜索：入门级操作

PDB官网顶上有个搜索框。你往里面输东西，它就给你搜。最基本的用法是输入PDB ID——也就是那个4位字符的代码。

常用PDB ID示例：

4HHB — 血红蛋白（经典结构）
1BNA — B型DNA双螺旋
6LU7 — COVID-19主蛋白酶
1UBQ — 泛素（蛋白质降解标识物）

基本搜索也支持关键词。比如你打"insulin"，它会列出所有跟胰岛素有关的条目。但我得提醒你——这样做出来的结果非常粗糙。原因很简单：搜索词会匹配标题、作者、摘要、甚至配体名，相关性完全不可控。

我记得有次搜"zinc finger"，结果里蹦出来一堆含锌离子的结构。那些只是意外结合了锌，跟锌指蛋白没半毛钱关系。所以基本搜索只适合两种情况：一是你知道确切ID，二是你想先看个大概。

高级搜索：这才叫真正干活

点一下搜索框旁边的"Advanced Search"链接。你会看到一个多字段表单。这才是PDB搜索的精华所在。

高级搜索主要字段：
  - Structure Title       (结构标题)
  - Macromolecule Name    (大分子名称)
  - Author                (作者)
  - Sequence              (序列搜索)
  - Citation              (文献引用)
  - Ligand                (配体/小分子)
  - Experimental Method   (实验方法：X-ray, NMR, Cryo-EM)
  - Resolution Range      (分辨率范围)
  - Release Date          (发布日期)

实战建议：

我个人习惯是先用"Macromolecule Name"限定分子名，再加一个"Experimental Method"筛选。比如搜"新冠病毒刺突蛋白"，限定只显示冷冻电镜结构。这样出来的结果基本就直接可用了。

高级搜索的字段之间默认是"AND"关系。你也可以改成"OR"，或者用"NOT"排除某些结果。举个例子：搜"kinase" AND NOT "mutation"，就能去掉那些突变体结构。

序列搜索

这是我用得最多的功能之一。你贴上一段氨基酸序列，PDB会用BLAST算法在库里找相似结构。点"Sequence"选项卡，把FASTA格式序列贴进去就行。

>示例序列（人胰岛素A链）
GIVEQCCTSICSLYQLENYCN

它会返回序列相似度排序的结果。一般同源性在90%以上的，结构基本可以直接拿来用。低于30%就别勉强了——结构差异可能很大。

注意：

序列搜索对核酸也支持。你可以贴DNA或RNA序列去找对应的结构域。不过核酸结构比蛋白质少得多，命中率没那么高。

过滤条件：精准打击

搜完之后，结果页面左边有个过滤面板。这里才是真正缩小范围的地方。过滤器分成好几类，我挑几个最常用的讲讲。

过滤类别	常用选项	我的经验
分辨率	0-2Å（高分辨率） 2-3Å（中等） 3-6Å（低分辨率）	做药物设计至少2.5Å以下冷冻电镜3-4Å也够用
实验方法	X-ray / NMR / Cryo-EM / 混合法	NMR给的是一组模型冷冻电镜近年增长最快
有机体	人 / 小鼠 / 大肠杆菌 / 酵母等	人源优先，注意同源性
发布年份	可滑动选择时间段	我常用"最近5年" 老结构可能有错误
分子类型	蛋白质 / DNA / RNA / 复合物	选"蛋白质/核酸复合物" 看相互作用时特别好用

分辨率这个事儿，我还是多说两句。X射线晶体学的分辨率数值越小越好。1.5Å能看到水分子，3Å就只能看清主链走向。做对接模拟的话，低于3Å的结构参考价值要打折。

我的习惯流程：

高级搜索里填好分子名和实验方法
分辨率拉杆拖到3.0以下
有机体选"Human"
按分辨率升序排列结果
优先看排在最前面的

搜索结果的解读

结果页会显示每个条目的缩略图、标题、PDB ID、实验方法、分辨率、发布年份。点进去就能看到完整页面，包含文献信息、结构质量指标、以及可供下载的文件列表。

有一个小技巧：看结果列表的时候，注意看那个"聚合状态"。标记为"Biological Assembly"的，通常是完整的功能状态。"Asymmetric Unit"只是结晶时的最小重复单元，不一定有生物活性。

避坑提醒：

我曾经翻过一个膜蛋白结构，分辨率标着3.2Å，心想还行。仔细一看R-free值0.38——这个模型质量很差。所以除了分辨率，一定要看R值和R-free值。好的结构R-free应该在0.25-0.30之间。R/R-free差距太大也要警惕，可能有过度拟合。

还有一个过滤器很多人忽略了——"Refinement Details"里的R-free值过滤。你可以只显示R-free低于0.3的条目。这个组合拳打出来，能筛掉一半以上的低质量结构。

编程方式搜索（给有代码基础的同学）

如果你跟我一样嫌网页操作麻烦，可以用RESTful API直接查。PDB的搜索接口返回JSON格式结果，方便程序处理。

示例：查询人源胰岛素结构，分辨率优于2.0Å
GET请求：
https://search.rcsb.org/rcsbsearch/v2/query

请求体（JSON格式）：
{
  "query": {
    "type": "group",
    "logical_operator": "AND",
    "nodes": [
      {
        "type": "terminal",
        "service": "text",
        "parameters": {
          "attribute": "rcsb_entry_info.resolution_combined",
          "operator": "less_or_equal",
          "value": 2.0
        }
      },
      {
        "type": "terminal",
        "service": "text",
        "parameters": {
          "attribute": "rcsb_entity_source_organism.scientific_name",
          "operator": "exact_match",
          "value": "Homo sapiens"
        }
      }
    ]
  },
  "return_type": "entry",
  "request_options": {
    "paginate": {
      "start": 0,
      "rows": 25
    },
    "sort": [
      {
        "sort_by": "rcsb_entry_info.resolution_combined",
        "direction": "asc"
      }
    ]
  }
}

返回结果会给你一个PDB ID列表。拿到ID之后再用fetch接口获取详细信息。这部分我们后面章节再展开。

说白了，搜索这件事掌握三个要点就够了：知道搜什么（关键词）、知道怎么筛（过滤条件）、知道怎么看（质量指标）。做到这三点，PDB里几十万个结构你也可以精准定位到想要的条目。