如何正确解析PDB文件中的交替原子信息

你之前无法识别原子的备选关联，核心原因是没有按照PDB格式的固定列宽规则解析字段，误把交替位置标识和残基名拼接成了字符串。

交替原子的识别规则 #

PDB的ATOM/HETATM记录是严格固定列宽的格式，禁止用空格分割字段：

• 行首数第17位（1起始计数）是**交替位置标识（altLoc）**字段，这就是区分备选构象的唯一标识
• 该字段为空格时，代表原子不存在备选位置，属于所有构象共有
• 该字段为大写字母（通常从A开始按A/B/C顺序编号）时，相同字母的原子属于同一套互斥的交替构象，不同字母对应不同备选构象

以你给出的记录为例：
ATOM 33 N ATHR A 2 行，前16位为ATOM 33 N ，第17位字符是A，后续18-20位是THR，对应altLoc=A的苏氨酸残基N原子；下一行同位置的B对应altLoc=B的同残基N原子，二者互为备选。你看到的"ATHR""BTHR"是字段错位拼接的错误结果，实际残基名都是THR。

构象选择规则 #

不要随机选取备选原子，标准处理逻辑如下：

• 常规单构象分析场景，默认选择altLoc为A的构象即可，这是PDB格式约定的占有率最高的优势构象，你给出的示例中A构象原子占有率普遍在0.7_{1.0区间，B构象仅0.2}0.3，符合该约定
• 高精度计算场景（如分子对接、结合能计算），可以结合原子占有率字段（坐标后第一个浮点数值，即示例中0.74、0.31这类值）做加权处理，或保留全部构象分别建模
• 禁止跨altLoc拼接原子（比如选A构象的N原子搭配B构象的CA原子），否则会得到化学结构不合理的键长、键角

解析注意事项 #

• 必须严格按照PDB官方定义的列宽切分字段，不要用空格做分隔符，否则除了altLoc识别错误，还会在长原子名、修饰残基等场景出现更多字段解析错误
• 同一残基内不是所有原子都有交替标识：位置无明显偏移的原子不会标注altLoc，这类原子属于所有构象共有，解析时需要分配到每一套交替构象中
• altLoc标识仅在单个残基范围内生效，不同残基下的同字母altLoc没有关联，不要跨残基拼凑构象

内容的提问来源于stack exchange，提问作者user366312