如何获得一个神秘序列的PDB id？

Question

我有一堆蛋白质，来自一种叫做蛋白质网的东西。现在那里的序列有某种ID，但它显然不是PDB id，所以我需要用其他方法找到它。对于每种蛋白质，我都有其氨基酸序列。我正在使用biopython，但我还不是很有经验，在指南中找不到它。

所以我的问题是，如果我有蛋白质的氨基酸序列，我如何找到蛋白质PDB id？(这样我就可以下载蛋白质的PDB文件)

Answer 1

嗨，我之前玩过RCSB PDB搜索API，

以这段代码结束(在rcsb pdb网站上再也找不到示例了)，

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""
Created on Sun Dec 27 16:20:43 2020

@author: Pietro
"""



import PDB_searchAPI_5
from PDB_searchAPI_5.rest import ApiException

import json

#"value":"STEYKLVVVGAGGVGKSALTIQLIQNHFVDEYDPTIEDSYRKQVVIDGETCLLDILDTAGQEEYSAMRDQYMRTGEGFLCVFAINNTKSFEDIHQYREQIKRVKDSDDVPMVLVGNKCDLAARTVESRQAQDLARSYGIPYIETSAKTRQGVEDAFYTLVREIRQHKLRKLNPPDESGPGCMSCKCVLS"



# Defining the host is optional and defaults to https://search.rcsb.org/rcsbsearch/v1
# See configuration.py for a list of all supported configuration parameters.
configuration = PDB_searchAPI_5.Configuration(
    host = "http://search.rcsb.org/rcsbsearch/v1"
)


  
data_entry_1 = '''{
  "query": {
    "type": "terminal",
    "service": "sequence",
    "parameters": {
      "evalue_cutoff": 1,
      "identity_cutoff": 0.9,
      "target": "pdb_protein_sequence",
      "value": "STEYKLVVVGAGGVGKSALTIQLIQNHFVDEYDPTIEDSYRKQVVIDGETCLLDILDTAGQEEYSAMRDQYMRTGEGFLCVFAINNTKSFEDIHQYREQIKRVKDSDDVPMVLVGNKCDLAARTVESRQAQDLARSYGIPYIETSAKTRQGVEDAFYTLVREIRQHKLRKLNPPDESGPGCMSCKCVLS"


    }
  },
  "request_options": {
    "scoring_strategy": "sequence"
  },
  "return_type": "entry"
}'''  




# Enter a context with an instance of the API client
with PDB_searchAPI_5.ApiClient(configuration) as api_client:
    # Create an instance of the API class
    api_instance = PDB_searchAPI_5.SearchServiceApi(api_client)
    
    try:
        # Get RCSB PDB data schema as JSON schema extended with RCSB metadata.
        pippo = api_instance.run_json_queries_get(data_entry_1)
              
    except ApiException as e:
        print("Exception when calling SearchServiceApi->run_json_queries_get: %s\n" % e)
        exit()
        

  
print(type(pippo))

print(dir(pippo))

pippox = pippo.__dict__

print('\n bbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbb \n' ,pippox)

print('\n\n ********************************* \n\n')

print(type(pippox))

pippoy = pippo.result_set

print(type(pippoy))

for i in pippoy:
    print('\n',i,'\n', type(i))
    
print('\n LLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLL\n')
    
for i in pippoy:
    for key  in i:
        print('\n', i['identifier'], '   score : ', i['score'])

搜索模块(import PDB_searchAPI_5)是用以下命令生成的: openapi-generator-cli-4.3.1.jar link here

开放应用编程接口规范1.7.3现在是1.7.15请参阅https://search.rcsb.org/openapi.json

data_entry_1位是从rcsb pdb网站复制的，但再也找不到它了，它说的是mmseqs2是执行搜索的软件，玩：

"evalue_cutoff": 1,
"identity_cutoff": 0.9, 

参数，但没有找到仅选择100%身份的方法

here the PDB_searchAPI_5 使用以下命令将其安装在虚拟环境中：

pip install PDB-searchAPI-5-1.0.0.tar.gz

是由openapi-generator-cli-4.3.1.jar生成的，包含：

java -jar openapi-generator-cli-4.3.1.jar generate -g python -i pdb-search-api-openapi.json --additionalproperties=generateSourceCodeOnly=True,packageName=PDB_searchAPI_5

不要在--附加属性部分中放空格(花了一周的时间才弄清楚)

README.md文件是最重要的部分，因为它解释了如何使用OPEN-API客户端。

您需要在此处使用fasta序列："value":"STEYKLVVVGAGGVGKSALTIQLIQNHFVDEYDPTIEDSYRKQVVIDGETCLLDILDTAGQEEYSAMRDQYMRTGEGFLCVFAINNTKSFEDIHQYREQIKRVKDSDDVPMVLVGNKCDLAARTVESRQAQDLARSYGIPYIETSAKTRQGVEDAFYTLVREIRQHKLRKLNPPDESGPGCMSCKCVLS"

分数=1应该完全匹配，

可能biopython blast模块更简单，但是它blast NIH数据库而不是RCSB PDB，对不起不能详细说明这一点，仍然需要弄清楚什么是JSON文件，并且找不到更好的免费工具来自动生成更好的开放API python客户端(我相信这不是一件容易的任务……但我们总是想要更多...)

要获取API文档，请尝试：

java -jar openapi-generator-cli-4.3.1.jar generate -g html -i https://search.rcsb.org/openapi.json --skip-validate-spec

你得到的是html文档或者pdf：https://mrin9.github.io/RapiPdf/

http://search.rcsb.org/openapi.json与https://search.rcsb.org/openapi.json一样有效，因此您可以使用wireshark查看客户端和服务器之间的交换