[연구] PDB Viewer 생성 - ①

1-1 PDB ID 추출 및 local DB 생성

1. PDB ID list

: Rest api를 통해 현존하는 모든 pdb id를 받아와 그 중에서 단백질-펩타이드 complex의 리스트를 추출하는 python 프로그램을 작성

• 초기 작업
  : threadpool을 사용하지 않고 small polypeptide가 검출 될 때마다 output text 파일에 write & flush 하도록 하였으나, 약 40만개의 PDB ID list를 가져오고 처리하는 과정에서 상당한 시간이 소요되며, 비정상 종료가 빈번하게 발생 (초당1개의 PDB ID를 처리)

• 수정된 작업
  : threadpool을 사용해 처리 속도가 초당 약 400개로 증가하여 하루 이내에 40만개의 모든 PDB ID에 대해 output.txt파일을 생성 할 수 있었음

  #STEP1 : 현존하는 모든 PDB ID 리스트 받아오기
  #STEP2 : pdb_list의 pdb id 별로 json 파일 읽어서 조건을 만족하는 small_polypeptide_pdbs 리스트 생성
  #STEP3 : small_polypeptide_pdbs 출력
  import requests
  import urllib.request
  import concurrent.futures
  #STEP1 : PDB ID 리스트 읽어오기
  pdb_ids = []
  url = 'ftp://ftp.wwpdb.org/pub/pdb/derived_data/index/entries.idx'
  save_path = 'pdb_ids.txt'
  urllib.request.urlretrieve(url, save_path)
  with open(save_path) as f:
      for i, line in enumerate(f):
          if i >= 3:
              pdb_ids.append(line[:4])
  #STEP2 :  polypeptide(L)이고 길이가 50 이하인 PDB ID 리스트 만들기
  def get_pdb_info(pdb_id):
      with open('small_polypeptide_pdbs.txt', 'a') as f:
          #for pdb_id in pdb_ids:
              url = f'https://www.ebi.ac.uk/pdbe/api/pdb/entry/molecules/{pdb_id}'
              response = requests.get(url)
              pdb_id = pdb_id.lower()
              pdb_info = response.json()[pdb_id]
              polypeptide_count = 0
              valid = False
              min_length = float('inf')
              max_length = 0
              entries = []
              for molecule in pdb_info:
                  if molecule['molecule_type'] == 'polypeptide(L)':
                      polypeptide_count += 1
                      entry_id = molecule['entity_id']
                      length = molecule['length']
                      if length <= 50:
                          valid = True
                      entries.append((entry_id, length))
                      min_length = min(min_length, length)
                      max_length = max(max_length, length)
              if polypeptide_count >= 2 and valid:
                  print(
                  f"PDB ID: {pdb_id}, Polypeptide Entry Count: {polypeptide_count}, Max Length: {max_length}, Min Length: {min_length}")
                  f.write(f"{pdb_id}\t{polypeptide_count}\t{max_length}\t{min_length}\t")
                  for entry in entries:
                      f.write(f"{entry[0]}:{entry[1]}, ")
                  f.write('\n')
                  f.flush()
  with concurrent.futures.ThreadPoolExecutor() as executor:
      futures = [executor.submit(get_pdb_info, pdb_id) for pdb_id in pdb_ids]```

2. Blast Search 설치

(blastn: 2.13.0+)

: PDB ID에 대해 Blast Search를 수행하고자 Blast Search 설치

3. pdbtoFasta 변환

• peptide 디렉터리 내 pdb 파일/protein 디렉터리 내 pdb 파일 각각에 대해 fasta파일로 변환
  < pdb => fasta 작업>

• 기존 작업 : pdb_tofasta 사용
  (1MCJ.P.fasta 파일 내용)

  |P
  H
  => fasta 파일에 pdb id가 누락( chain id와 아미노산 정보만 출력)

• 수정된 작업 : py 스크립트 작성하여 실행
  ( 5G46.C.fasta 파일 내용 )

  5G46|C
  KILHRLLQDS
  => pdb id | chain id 와 아미노산 서열 정보 포함

  import os
  #현재 디렉터리 내의 모든 pdb 파일 가져오기
  pdb_files = [f for f in os.listdir('.') if f.endswith('.pdb')]
  for pdb_file in pdb_files:
      # pdb 파일 이름에서 pdb id 추출
      pdb_id = pdb_file.split('.')[0]
      # pdb 파일 이름에서 chain id 추출
      chain = pdb_file.split('.')[1]
      # fasta 파일 이름 생성
      fasta_file = f"{pdb_id}.{chain}.fasta"
      # fasta 파일에 header 작성
      header = f">{pdb_id}|{chain}"
      # pdb 파일을 fasta 형식으로 변환하여 fasta 파일에 추가
      os.system(f"pdb_tofasta -multi {pdb_file} | sed '/^>/d' >> {fasta_file}")
      # header를 fasta 파일의 첫 줄에 추가
      with open(fasta_file, 'r+') as f:
          content = f.read()
          f.seek(0, 0)
          f.write(header.rstrip('\r\n') + '\n' + content)```

• 변환된 fasta 파일 예시
  

• 변환된 fasta파일을 하나의 fasta파일(merged.fasta)로 병합

  for file in *.fasta; do
  pdbid=(basename $file .fasta) sed "s/^>/>{pdbid}_/" $file >> merged.fasta
  done

4. localDB 생성

• BLAST 용 local DB 생성

  makeblastdb -in merged.fasta -dbtype prot -title peptide_blast_db -out peptide_blast_db

다음 글에서는 ligand chain id와 receprot chain id를 병합하여 pdb 파일을 생성하고 pdb 파일의 분자구조를 3차원 시각화한 웹페이지를 구현하는 방법에 대해 다룬다.