如何在现有PDB文件中插入指定列并保持格式一致

需求：在旧版Protein Data Bank（PDB）文件的ATOM记录中，在残基名字段后插入字母"A"，严格遵循80列的格式规范，首6列记录名保持左对齐，其余字段的分隔格式完全不变。

输入示例 #

ATOM      1  N   LYS     1      27.426  26.010  24.339  1.00  0.00           N  
ATOM      2  H1  LYS     1      27.291  25.736  24.387  1.00  0.00           H  
ATOM      3  H2  LYS     1      27.286  25.739  24.374  1.00  0.00           H  

期望输出 #

ATOM      1  N   LYS A   1      27.426  26.010  24.339  1.00  0.00           N  
ATOM      2  H1  LYS A   1      27.291  25.736  24.387  1.00  0.00           H  
ATOM      3  H2  LYS A   1      27.286  25.739  24.374  1.00  0.00           H   

解决方案：用Awk脚本处理 #

Awk适合处理固定格式的文本，能精准控制每个字段的位置和宽度，完美匹配旧版PDB的80列规范。

脚本代码 #

/^ATOM/ {
    # 按旧版PDB字段位置提取内容
    record = substr($0, 1, 6)       # 1-6列：记录名（左对齐）
    serial = substr($0, 7, 5)       # 7-11列：原子序号
    name = substr($0, 13, 3)        # 13-15列：原子名
    altLoc = substr($0, 17, 1)      # 17列：替代位置标识
    resName = substr($0, 18, 3)     # 18-20列：残基名
    chainID = "A"                   # 要插入的字母A（对应22列链ID位置）
    resSeq = substr($0, 23, 4)      # 23-26列：残基序号
    iCode = substr($0, 27, 1)       # 27列：插入码
    x = substr($0, 31, 8)           # 31-38列：X坐标
    y = substr($0, 39, 8)           # 39-46列：Y坐标
    z = substr($0, 47, 8)           # 47-54列：Z坐标
    occupancy = substr($0, 55, 6)   # 55-60列：占有率
    tempFactor = substr($0, 61, 6)  # 61-66列：温度因子
    segID = substr($0, 73, 4)       # 73-76列：段ID
    element = substr($0, 77, 2)     # 77-78列：元素符号
    charge = substr($0, 79, 2)      # 79-80列：电荷

    # 按PDB格式拼接输出，严格控制字段宽度和对齐
    printf("%-6s%5s %3s%1s%3s %1s%4s%1s    %8s%8s%8s%6s%6s      %4s%2s%2s\n",
           record, serial, name, altLoc, resName, chainID, resSeq, iCode,
           x, y, z, occupancy, tempFactor, segID, element, charge)
}
# 非ATOM行直接原样输出
!/^ATOM/ { print }

使用方法 #

1. 将上述脚本保存为add_chainA.awk
2. 在终端执行命令：

awk -f add_chainA.awk input.pdb > output.pdb

关键说明 #

• 严格按照旧版PDB的80列字段定义提取内容，确保每个字段的起始位置和长度完全匹配规范
• 用printf的格式控制符保证输出格式：比如%-6s让记录名左对齐6列，其他字段按PDB要求的宽度输出
• 非ATOM行（如HEADER、TER等）直接原样输出，不会破坏文件的其他结构
• 即使原文件中存在替代位置标识、插入码等非空字段，脚本也能正确保留，不会丢失信息

内容的提问来源于stack exchange，提问作者Dan