如何在Python中利用已有列表/数组生成含完整信息的.pdb文件

前置条件 #

你已备好长度严格对齐的5组输入数据：原子编号列表、原子名称列表、CA坐标数组（每个元素为(x,y,z)格式的三维浮点坐标）、残基编号列表、残基名称列表，且Python环境已安装Biopython库。

实现步骤 #

Biopython的PDB模块采用层级式结构存储蛋白信息：Structure→Model→Chain→Residue→Atom，按层级依次构建对象后即可导出为标准PDB文件。

1. 导入依赖模块

from Bio.PDB import Structure, Model, Chain, Residue, Atom, PDBIO
import numpy as np

2. 初始化层级结构容器

# 自定义结构、模型、链的命名，可按需修改
struct = Structure.Structure("custom_structure")
model = Model.Model(0)
chain = Chain.Chain("A") # 链ID设为A，可自定义
struct.add(model)
model.add(chain)

3. 遍历输入数据创建原子与残基
   如果你的数据中每个残基仅含1个CA原子，可直接按索引遍历：

# 遍历所有原子对应数据，变量名替换为你自己的列表/数组名即可
for idx in range(len(atom_id_list)):
    # 提取当前原子对应参数
    atom_serial = atom_id_list[idx]
    atom_name = atom_name_list[idx]
    coord = ca_coord_array[idx]
    res_seq = res_id_list[idx]
    res_name = res_name_list[idx]
    
    # 创建残基，第一个参数为异原子标识，普通氨基酸留空即可
    res = Residue.Residue((' ', res_seq, ' '), res_name, '')
    # 创建原子对象
    atom = Atom.Atom(
        name=atom_name,
        coord=coord,
        bfactor=0.0, # 温度因子，无数据可填0
        occupancy=1.0, # 占有率，无数据可填1
        altloc=' ',
        fullname=f"{atom_name:<4s}", # 按PDB规范补空格到4位
        serial_number=atom_serial
    )
    # 按层级组装
    res.add(atom)
    chain.add(res)

如果同一个残基包含多个原子，需要先对残基编号去重，同一个残基的所有原子添加到同一个Residue对象中即可。
4. 导出为PDB文件

io = PDBIO()
io.set_structure(struct)
io.save("output.pdb")

注意事项 #

• 原子名称需符合PDB命名规范，例如Cα原子的标准名称为前后补空格的CA（总长度4位），避免下游软件读取时识别错误
• 残基编号如果存在插入码，需要在Residue初始化的第一个元组的第三个位置填入对应插入码，例如(' ', 10, 'A')对应10号残基的插入码A

内容的提问来源于stack exchange，提问作者Jingtong Zhao