4. 蛋白质结构基础：一级、二级、三级、四级

举个例子，从PDB文件里提取序列，我习惯用Biopython快速搞定：

from Bio.PDB import PDBParser
parser = PDBParser()
structure = parser.get_structure("1ake", "./1ake.pdb")
for model in structure:
    for chain in model:
        seq = "".join(res.resname for res in chain if res.id[0] == " ")
        print(f"Chain {chain.id}: {seq[:50]}...")

4.2 二级结构 —— 局部折叠模式

一级结构串好了，它并不会像一根软面条一样随意飘着。氢键会让部分片段形成规律性的局部构象——这就是二级结构。最常见的就是α螺旋和β折叠片。

为什么要关心二级结构？记得有一次我做一个结构比对，两个蛋白序列相似度不到20%，但二级结构布局几乎一模一样——它们大概率是同源的。说白了，二级结构比序列更保守，是进化上的“指纹”。

如何从PDB的HELIX记录里读取二级结构信息？

# 直接用BioPython解析HELIX记录
from Bio.PDB import PDBParser
p = PDBParser()
s = p.get_structure("test", "1ake.pdb")
for model in s:
    for chain in model:
        for helix in chain.child_dict.get("HELIX", []):
            print(f"Helix: {helix.get_id()}, start={helix.seq_begin}, end={helix.seq_end}")

嗯，这里要注意：DSSP对转角、coil的定义范围比较严谨，但PDB的原始HELIX/SHEET注释可能不全，尤其是粗分辨率模型。我个人习惯在预处理时用外部DSSP跑一遍二级结构赋值，再和PDB原始注释对比，能发现不少数据质量问题。

4.3 三级结构 —— 空间折叠与结构域

二级结构元件再进一步折叠、扭曲、堆积，形成一个完整的球状或纤维状构象，这就是三级结构。三级结构由各种非共价作用力（疏水作用、氢键、范德华力、盐桥）和二硫键稳定。

我曾经在验证一个膜蛋白PDB时发现，它的残基alpha碳距离图上出现了一堆小于1 Å的不合理接近——这说明坐标建模时原子之间的空间冲突没处理好。三级结构的质量核心指标就是空间合理性，比如Ramachandran图、侧链旋转同分异构体、原子间距等。

4.4 四级结构 —— 多亚基组装

很多蛋白质由两条或更多多肽链（亚基）非共价组装而成，这就是四级结构。最经典的例子就是血红蛋白——两个α亚基加两个β亚基形成α₂β₂四聚体。

判断四级结构的方法，我一般分三步走：

1. 看PDB文件中的REMARK 300（生物组装）或REMARK 350（对称性）。
2. 计算界面面积和氢键/盐桥数量。如果亚基间界面面积大于400 Ų，很可能不是晶体堆积假象。
3. 使用PISA或PDBePISA分析。它会给出生物组装的可信度评分。

举个例子，从PDB里提取对称性信息：

# 1ake.pdb 中查找对称性（示例片段）
REMARK 350   BIOMOLECULE: 1
REMARK 350   AUTHOR DETERMINED BIOLOGICAL UNIT: MONOMER
# 注意：有些PDB会直接标明生物组装矩阵
# 用 Biopython 解析
from Bio.PDB import PDBParser
s = PDBParser().get_structure("x", "1ake.pdb")
for key in s.header.keys():
    if "REMARK" in key:
        if "350" in key:
            print(s.header[key])

四级结构的验证还有个容易翻车的地方——晶体堆积 vs 生物组装。你以为看到的是一个四聚体，实际上只是晶胞中的两个独立单体被晶格对称操作堆在一起。我曾经就被一个“假二聚体”带偏过，后来用PISA重新跑了界面分析才发现界面残基的疏水互补程度很低。嗯，所以我现在养成了习惯：凡是PDB中多个链，一定先查REMARK 350，再跑PISA。

4.5 四个层级在PDB中的表达总结

总的来说，这四个层级是递进关系，但每一层在PDB验证流程中都有独特的“雷区”。从序列到组装，我建议你每次拿到一个新PDB文件，都按这个顺序过一遍清单——先确认一级序列没问题，再检查二级注释是否合理，接着看三级坐标质量，最后判断四级是否组装对了。坚持这么做，你的结构分析会少走很多弯路。