PDB-CAT:一个用户友好的工具来分类和分析PDB蛋白质-联结体复合体
Ariadna Llop-Peiró1, Said Trujillo-De León1, Gerard Pujadas1
1Departament de Bioquímica i Biotecnologia, Research Group in Cheminformatics & Nutrition, Universitat Rovira i Virgili, Tarragona, Spain.
Protein science : a publication of the Protein Society
|November 13, 2025
概括
PDB-CAT是一个新的工具,它将蛋白质数据库结构分类为apo或holo,并区分共价和非共价连接体-蛋白质复合体. 这有助于研究蛋白质-连接体相互作用和药物发现.
科学领域:
- 结构生物学 结构生物学
- 生物信息学是一种生物信息学.
- 计算化学的计算化学
背景情况:
- 蛋白质数据库 (PDB) 是了解蛋白质 - 连接体相互作用的关键资源,但缺乏用于分类结构的自动化工具.
- 区分Apo (无) 和Holo (有) 状态,以及识别共价结合与非共价结合是具有挑战性的.
- 这阻碍了针对药物发现和机制研究的特定结构数据集的有效检索和分析.
研究的目的:
- 开发PDB-CAT,这是一个用户友好的工具,用于自动分类和从PDBx/mmCIF文件中提取信息.
- 根据连接体的存在和结合类型 (apo,holo,共价,非共价) 准确地分类蛋白质结构.
- 为了能够对蛋白质序列突变与参考序列进行验证.
主要方法:
- PDB-CAT采用并行实现,以有效处理PDBx/mmCIF文件.
- 它使用基于黑名单的方法来自动识别蛋白质复合体内的配体.
- 分类是基于连接体的存在 (apo vs. holo) 和结合方式 (共价比非共价).
主要成果:
- PDB-CAT成功地将蛋白质结构分为apo,holo,共价和非共价类别.
- 该工具还可以通过与参考数据进行比较来识别蛋白质序列中的突变.
- 通过分类SARS-CoV-2主蛋白酶复合体和选PDBbindv2020数据库,在不到10分钟的时间内证明了效率.
结论:
- PDB-CAT提供了一种高效和自动化的解决方案,用于对PDB中的蛋白质结构进行分类.
- 该工具简化了特定结构数据集的检索,加速了结构生物学和药物发现的研究.
- 在GitHub上的可用性和GitBook上的教程促进了广泛的采用和使用.
