|
|
发表于 2008-1-11 19:26:00
|
显示全部楼层
为什么Rosetta和SIMAP的包这么大呢？
Rosetta和SIMAP都是计算生物类项目的，是计算蛋白质结构相关的问题的。
于是这就涉及到一个问题了：
如何用文本文件来表示一个蛋白质大分子的结构呢？
答案是：用PDB文件格式(XXXX.pdb)。
我把一个4M的Rosetta包解压，用写字板打开，看到了如下信息：
1a34 A 147 C L -99.282 148.435 -172.588 2.080 12.148 37.577 3 0.000 P 1 F 1
1a34 A 148 R L -78.555 -12.931 180.622 2.080 12.148 37.577 3 0.000 P 1 F 1
1a34 A 149 Q E -141.675 144.648 178.287 2.080 12.148 37.577 3 0.000 P 1 F 1
1a34 A 150 V E -135.523 132.709 177.207 2.080 12.148 37.577 3 0.000 P 1 F 1
1a34 A 151 A E -95.989 128.928 181.811 2.080 12.148 37.577 3 0.000 P 1 F 1
1a34 A 152 L E -112.677 145.372 171.467 2.080 12.148 37.577 3 0.000 P 1 F 1
1a34 A 153 V E -129.360 106.872 -172.512 2.080 12.148 37.577 3 0.000 P 1 F 1
1a34 A 154 I E -105.224 125.366 173.825 2.080 12.148 37.577 3 0.000 P 1 F 1
1a34 A 155 S E -97.403 119.274 -174.550 2.080 12.148 37.577 3 0.000 P 1 F 1
（这只是一段，还有很多段）
以第一行为例解释一下：
1a34：这个蛋白质的PDB序号。PDB序号是PDB蛋白质结构数据库（www.pdb.org）中的蛋白ID，一个号对应一个蛋白结构；
A：A链。一个蛋白质可能有几条链。
147：氨基酸序号。氨基酸是组成蛋白质的小片段，一个链可以有从1到N，N个连续的氨基酸。
C：氨基酸类型。C指CYS，半胱氨酸。
L：不知道。可能有Rosetta自设的意义。欢迎补充！
-99.282 148.435 -172.588：三维坐标。按照这些坐标，判定了每一个原子（氨基酸残基）的位置，进而可以推知整个蛋白的结构。
后面的数一般不重要，也可以是Rosetta自定的参数。
有兴趣可以从www.pdb.org上检索PDB序号（例如1a34），下载1a34.pdb，用写字板打开查看相关信息，或者用网站上提供的视图软件显示蛋白质的结构。1a34的结构图见下。
由上面可以看出，表达一个原子（氨基酸残基）的位置及相关信息，需要一整行字符！
如果这个蛋白有上千个残基，上万个原子。。。
所以蛋白质PDB大小，一般从从几百k到几M不等（压缩之前）。如果像Rosetta那样把多个序列放在一个包里，自然就更大了。
这也就决定了计算蛋白质的项目，可能包会比较大！
当然，也可能比较耗内存了！
所以计算Rosetta或SIMAP或其他蛋白质类项目的朋友千万别生气，包大完全是项目性质决定的！ |
-
评分
-
查看全部评分
|
发表于 2008-1-11 15:34:03
发表于 2008-1-11 20:49:09
赞！长知识了！你应该到蛋白质版专门开一贴来进行科普，呵呵~