如何一次性批量下载RCSB中某蛋白质的全部7000个PDB文件？

方法1：RCSB官网内置批量功能 #

• 用目标蛋白质的UniProt ID、基因名或其他标识在RCSB搜索，获取所有关联的PDB条目列表
• 勾选页面顶部的「全选」按钮（若条目跨多页，需确认是否支持一键全选所有分页内容，部分情况下可能需要手动切换页次多选）
• 点击页面上方的「Download」按钮，选择「PDB Files」选项，系统会自动将所有选中文件打包为ZIP压缩包供下载
• 注意：如果条目数量过多（比如7000个），可能需要分批次选择下载，避免请求超时导致失败

方法2：通过RCSB REST API编写脚本批量下载 #

步骤1：获取目标蛋白质对应的所有PDB ID列表 #

可以通过RCSB的API接口查询，比如基于UniProt ID查询的请求格式（用bash的curl命令）：

curl "https://data.rcsb.org/rest/v1/core/uniprot/{你的UniProt ID}/entry_ids"

将返回的JSON格式PDB ID列表提取出来，保存为一个文本文件（命名为pdb_ids.txt，每行一个PDB ID）。

步骤2：批量下载脚本 #

Bash脚本示例：

# 循环读取pdb_ids.txt中的每个ID并下载
while read pdb_id; do
    curl -O "https://files.rcsb.org/download/${pdb_id}.pdb"
done < pdb_ids.txt

Python脚本示例（支持错误重试、进度提示）：

import requests
from time import sleep

with open('pdb_ids.txt', 'r') as f:
    pdb_ids = [line.strip() for line in f if line.strip()]

download_dir = "./pdb_files"
import os
os.makedirs(download_dir, exist_ok=True)

for idx, pdb_id in enumerate(pdb_ids, 1):
    url = f"https://files.rcsb.org/download/{pdb_id}.pdb"
    save_path = os.path.join(download_dir, f"{pdb_id}.pdb")
    try:
        response = requests.get(url, timeout=10)
        response.raise_for_status()
        with open(save_path, 'wb') as out_f:
            out_f.write(response.content)
        print(f"[{idx}/{len(pdb_ids)}] 已下载: {pdb_id}")
    except requests.exceptions.RequestException as e:
        print(f"[{idx}/{len(pdb_ids)}] 下载失败 {pdb_id}: {str(e)}")
        sleep(2)  # 失败后暂停2秒重试

方法3：借助生物信息学工具库 #

比如使用Python的biopython库，内置PDB下载功能：

from Bio.PDB import PDBList
import os

pdbl = PDBList()
download_dir = "./pdb_files"
os.makedirs(download_dir, exist_ok=True)

with open('pdb_ids.txt', 'r') as f:
    pdb_ids = [line.strip() for line in f if line.strip()]

for pdb_id in pdb_ids:
    # 下载PDB文件到指定目录，格式为pdb
    pdbl.retrieve_pdb_file(pdb_id, pdir=download_dir, file_format='pdb')

使用前需要先安装biopython：pip install biopython

内容的提问来源于stack exchange，提问作者SAMIRA