如何使用Biopython的PDBParser模块查找PDB文件中属于RNA链的模型和链

核心逻辑是通过判断链内残基的名称快速区分RNA链，标准RNA的核心残基为A、U、C、G四种，结合占比阈值可规避修饰残基、配体的干扰。

完整实现代码 #

from Bio.PDB import PDBParser

# 初始化解析器，QUIET=True可屏蔽解析过程的格式警告
parser = PDBParser(QUIET=True)
structure = parser.get_structure("custom_id", "你的PDB文件路径.pdb")

# 定义标准RNA残基集合，可按需添加修饰RNA残基名
RNA_RESIDUES = {'A', 'U', 'C', 'G'}
# RNA残基占比阈值，超过该阈值判定为RNA链，可按需调整
THRESHOLD = 0.8

# 遍历所有模型、链做判断
for model in structure:
    print(f"模型ID：{model.get_id()}")
    for chain in model:
        # 过滤掉异原子、水分子、配体等非主序列残基
        main_chain_res = [res for res in chain.get_residues() if res.get_id()[0] == ' ']
        if not main_chain_res:
            continue
        # 统计RNA残基数量
        rna_res_num = sum(1 for res in main_chain_res if res.get_resname().strip() in RNA_RESIDUES)
        # 判定是否为RNA链
        if rna_res_num / len(main_chain_res) >= THRESHOLD:
            print(f"  链{chain.get_id()} 为RNA链，RNA残基占比：{rna_res_num/len(main_chain_res):.1%}")

逻辑说明 #

• RNA_RESIDUES集合支持自定义扩展，若需要识别修饰型RNA，把对应的修饰残基名称（比如m6A、psU等）加入集合即可
• 阈值THRESHOLD可按需调整：如果处理的是无任何修饰的纯RNA序列，可设置为1；如果PDB中存在少量结合配体、融合蛋白残基，可适当调低阈值
• 过滤异原子的逻辑res.get_id()[0] == ' '会自动排除非主序列残基，避免无关残基干扰统计结果

内容的提问来源于stack exchange，提问作者crommy