问题标签 [protein-database]

如何从 PDB 数据库中获取高度相似的结构？

假设 98% 或更高的序列相似结构？

我正在尝试从特定生物项目的 NCBI 数据库中检索编码蛋白序列。这可以使用网络浏览器以某种方式实现。例如，您可以找到您感兴趣的特定生物项目并“点击”相关蛋白质： http ://www.ncbi.nlm.nih.gov/genome/proteins/994?project_id=207383 ，您可以查看所有来自BioProject“207383”和基因组“994”的蛋白质。我想使用 python 自动获取这些蛋白质序列。

为了做到这一点，我使用了 NCBI 的“E-utilities”。主要是“elink.fcgi?” 它允许从数据库的特定 UID（比如说 BioProject UID）链接获取数据库的所有 UID（比如说“蛋白质”）。所以这是我的 entrez URL 请求：
http
://eutils.ncbi.nlm.nih.gov/entrez/eutils/elink.fcgi?dbfrom=bioproject&linkname=bioproject_protein&id=207383 然后我获得了一个蛋白质 UID 列表，这很好，因为我需要那些，用于我对 efetch.fcgi 的下一个请求？“电子公用事业”。然后这个请求将允许我得到我需要的一切。

好的，一切都很好，一切都很好，但是，我从“elink.fcgi”中获得的蛋白质 UID 的数量？请求与基于手动网络浏览器的搜索显示的蛋白质数量不同。更糟糕的是，在询问这些问题的根源时，您会看到缺失的序列或更高分类群的序列（它们也没有以任何方式与生物项目相关联）。

这是一个例子：这篇文章的第一个链接显示了一些 4014 序列，当 python 请求给我 3957 蛋白质 UID 时。

我尝试了一些其他方法，例如从分类 UID 中获取所有蛋白质 UID。这通常会给你比想要的更多的序列，因为有不同的生物项目（也给你一些不同名称和相同 Fasta 的双打）。

有没有办法做到这一点，一个可以工作的？

很快就会很明显，我是 Python 和一般编码的新手。我有一个存储为文本文件的基因 ID 列表，我想使用 Entrez 函数搜索 GenBank 数据库并检索与 ID 对应的蛋白质序列。理想情况下，我希望最终产品是 FASTA 文件，因为此时我真的只对序列感兴趣。使用 Biopython 教程（http://biopython.org/DIST/docs/tutorial/Tutorial.html#sec15），我想出了这个：

但是当我运行它时，我得到了错误：

每次我使用 rettype = 'fasta' 时都会遇到类似的错误。当我使用 rettype = 'gb' 时，我没有收到此错误，但我真的很想得到一个 fasta 文件。有人有什么建议吗？谢谢！

编辑：对不起，我忽略了输入文件的内容。在完美的世界中，代码将接受如下输入格式：

但我也尝试过使用只有基因 ID (GIs) 的简化版本，如下所示：

我正在尝试使用 pymol 从 pdb 文件中绘制蛋白质结构。

但是，当我尝试运行下面的脚本时，会打开一个 pymol 窗口，但它只是一片漆黑。此外，奇怪的是，pdb 文件被输出到 shell。

这是我的代码：

有谁知道这里发生了什么？

.png 文件“my_pdb”被转储到工作目录中，但也只是黑色的。

我正在使用 python2.7，并编写了一些用于分析蛋白质结构文件的函数，我将其保存为 pdbtools.py 例如，一个函数是 getprot()，它可以让我从数据库中提取蛋白质结构。

在我打开并编辑文件并从 python 中保存它之后，我可以使用所有的函数定义。但是，当我启动一个新的 python 会话时，它会忘记我编写的所有函数，所以我必须 %edit pdbtools.pdb，保存它，然后我才能运行所有内容。

这里发生了什么？我如何使用我编写的函数？

我关注此页面 如何从 PDB 文件中提取链？但我无法找到我想要的完整解决方案。这是我的问题：

在不给出特定链 id 的情况下，我想提取 pdb 中的所有链 id 并将这些链 id 写入单独的 pdb 文件中。你能告诉我如何提取pdb中存在的所有链吗？例如，如果 pdb 包含两个链，我想分别编写所有两个链。

6CHY - 它有两条链 A 和 B。我想分别在 6CHY_A.pdb 中编写 A 链，在 6CHY_B 中编写 B 链。

必须删除 pdb 文件中的杂原子。这是代码，但它不适用于我的测试 PDB 1C4R。

有什么建议吗？

使用 biopython 库，我想删除列表中列出的残基，如下所示。这个线程（http://pelican.rsvs.ulaval.ca/mediawiki/index.php/Manipulating_PDB_files_using_BioPython）提供了一个去除残留物的例子。我有以下代码来去除残留物

但是这段代码不起作用并引发了错误

这段代码有什么问题？

或者，我可以使用 accept_residue() 并将其写入 PDB。我不想这样做，因为我想在内存中进行进一步处理。

我正在尝试获取一组数据并用另一组数据减去该数据中的每个值。

例如：

(1 - (1 .. 5))所以我应该得到类似的东西(2 - (1..5))等等。

我目前有：

我试图将每个值$protein_coords->[0]->[$ticker]->{'z'}减去$lipid_coords->[1]->[$ticker]->{'z'}.

我的总体目标是(z2-z1)^2在方程式中找到d = sqrt((x2-x1)^2+(y2-y1)^2-(z2-z1)^2)。我认为如果我能做到这一点，那么我也可以为 X 和 Y 做到这一点。从技术上讲，我试图找到 PDB 文件中每个原子与同一 PDB 中每个脂质原子之间的距离，并打印距离小于 5A 的 ResID。

我想绘制泛素蛋白的alpha-cabon键nitrogen距分布。所以我从 RCSB 网站下载了 1UBQ.pdb。现在使用biopython，我试图找到所有债券之间的alpha-cabon(CA)距离nitrogen(N)。

我试过做如下代码：

我在文件'file_ubq'中得到了输出，如下所示：

但除此之外，我也遇到了如下错误：

谁能帮我理解和解决这个错误？