PDB データの読み解き方 mmcif と PDBML 金城玲大阪大学蛋白質研究所 PDBj講習会 1

Size: px

Start display at page:

Download "PDB データの読み解き方 mmcif と PDBML 金城玲大阪大学蛋白質研究所 PDBj講習会 1"

りさこしのしま
5 years ago
Views:

1 PDB データの読み解き方 mmcif と PDBML 金城玲大阪大学蛋白質研究所

2 この講義の内容 PDB の新しいフォーマットの必要性 PDB の新しいフォーマットである mmcif その XML への直訳である PDBML mmcif と PDBML の基礎である PDBx 辞書これらの具体例 2

3 PDB の新フォーマット旧フォーマットはいわゆる PDB ファイルのフォーマットのこと新フォーマットは mmcif ファイルのフォーマットのこと実は新しくない 20 年から本格的に移行します 3

4 従来の PDB フォーマットの例 HEDER TITLE COMPND COMPND COMPND COMPND SOURCE SOURCE SOURCE SOURCE SOURCE KEYWDS EXPDT NUMMDL MODEL NEUROPEPTIDE MET-ENKEPHLIN IN DPMC SUV MOL_ID: ; 2 MOLECULE: MET-ENKEPHLIN; 3 CHIN: ; ENGINEERED: YES MOL_ID: ; 2 SYNTHETIC: YES; 3 ORGNISM_SCIENTIFIC: HOMO SPIENS; ORGNISM_COMMON: HUMN; ORGNISM_TXID: 9606 SUV DMPC, NEUROPEPTIDE SOLUTION NMR N C C O CB CG CD CD2 CE CE JUL LWC N C C O C C C C C C

5 mmcif の例 data_2s # _entry.id 2S # _audit_conform.dict_name mmcif_pdbx.dic _audit_conform.dict_version.007 _audit_conform.dict_location # _database_2.database_id PDB _database_2.database_code 2S # loop database_pdb_rev.num _database_pdb_rev.date _database_pdb_rev.date_original _database_pdb_rev.status _database_pdb_rev.replaces _database_pdb_rev.mod_type S S S

6 mmcif の例続き loop atom_site.group_pdb _atom_site.id _atom_site.type_symbol _atom_site.label_atom_id _atom_site.label_alt_id _atom_site.label_comp_id _atom_site.label_asym_id _atom_site.label_entity_id _atom_site.label_seq_id _atom_site.pdbx_pdb_ins_code _atom_site.cartn_x _atom_site.cartn_y _atom_site.cartn_z _atom_site.occupancy _atom_site.b_iso_or_equiv _atom_site.cartn_x_esd _atom_site.cartn_y_esd _atom_site.cartn_z_esd _atom_site.occupancy_esd _atom_site.b_iso_or_equiv_esd _atom_site.pdbx_formal_charge _atom_site.auth_seq_id _atom_site.auth_comp_id _atom_site.auth_asym_id _atom_site.auth_atom_id _atom_site.pdbx_pdb_model_num N N. L 2 C C. L 3 C C. L O O. L C CB. L 6 N N. 7 C C. 8 C C. 9 O O. 0 C CB L L L L L N C C O CB N C C O CB 6

7 実際に見てみる PDB ID GOF 7

8 PDB 形式と mmcif を見る 8

9 mmcif をもう少し見てみる datablock Entry ID 繰り返し項目 (loop) 9

10 mmcif の基本データは色々なカテゴリに分類されている _category.item 例 _entry.id entry はカテゴリ名 id はその項目 (item) _entry.id GOF は entry カテゴリの id 項目の値が GOF であるという意味データの記述法は２通り Key-value: 一つのカテゴリに一つの値しかない場合 Loop: 一つのカテゴリに複数の値がある場合 0

11 Key-value の例 _cell.entry_id _cell.length_a _cell.length_b _cell.length_c _cell.angle_alpha _cell.angle_beta _cell.angle_gamma _cell.z_pdb _cell.pdbx_unique_axis # GOF 最後の # はそのカテゴリの記述の終わりを示す慣習 (convention)

12 Loop の例ループの開始 loop entity.id _entity.type _entity.src_method _entity.pdbx_description _entity.formula_weight 項目のリスト１行１項目は慣習 _entity.pdbx_number_of_molecules _entity.details _entity.pdbx_mutation _entity.pdbx_fragment _entity.pdbx_ec polymer man 'GLCTOSE OXIDSE' non-polymer syn 'COPPER (II) ION' non-polymer syn 'SODIUM ION' non-polymer syn 'CETIC CID' water nat water # 各項目は空白で区切られる項目リストと同じ順番で並ぶ空白を含むデータは引用府 ' で囲む最後の # はループの終わりを示す慣習 (convention) 2

13 PDBx: PDB exchange dictionary mmcif のカテゴリや項目は PDBx で定められている PDBx では項目のデータ型や項目間の依存関係も記述されているを参照のこと 3

14 主なカテゴリ ( グループ _entity 化合物データ chem_comp _citation 構造の特色分子全体２次構造など struct, struct_conf, struct_sheet, struct_conn, pdbx_struct_assembly,... _chem_comp 各原子の情報座標など atom_site _struct entity, entity_poly, pdbx_entity_nonpoly,... _atom 研究対象の分子情報文献情報 citation, citation_author,...

15 カテゴリ間の関係 loop struct_asym.id _struct_asym.pdbx_blank_pdb_chainid_flag _struct_asym.pdbx_modified _struct_asym.entity_id 子 (child) _struct_asym.details N N B N N 2 C N N 3 D N N E N N F N N # 親子関係も PDBx で定義されている loop entity.id 親 (parent) _entity.type _entity.src_method _entity.pdbx_description _entity.formula_weight _entity.pdbx_number_of_molecules _entity.details _entity.pdbx_mutation _entity.pdbx_fragment _entity.pdbx_ec polymer man 'GLCTOSE OXIDSE' 2 non-polymer syn 'COPPER (II) ION' 3 non-polymer syn 'SODIUM ION' non-polymer syn 'CETIC CID' water nat water #

16 label と auth loop atom_site.group_pdb _atom_site.id _atom_site.type_symbol _atom_site.label_atom_id _atom_site.label_alt_id _atom_site.label_comp_id _atom_site.label_asym_id _atom_site.label_entity_id _atom_site.label_seq_id _atom_site.pdbx_pdb_ins_code _atom_site.cartn_x _atom_site.cartn_y _atom_site.cartn_z _atom_site.occupancy _atom_site.b_iso_or_equiv _atom_site.cartn_x_esd _atom_site.cartn_y_esd _atom_site.cartn_z_esd _atom_site.occupancy_esd _atom_site.b_iso_or_equiv_esd _atom_site.pdbx_formal_charge _atom_site.auth_seq_id _atom_site.auth_comp_id _atom_site.auth_asym_id _atom_site.auth_atom_id _atom_site.pdbx_pdb_model_num N N. L 2 C C. L 3 C C. L O O. L C CB. L 6 N N. 7 C C. 8 C C. 9 O O. 0 C CB. label_... : wwpdb が内部的に付与したラベル auth_... : 登録者が任意に付与したラベル L L L L L N C C O CB N C C O CB 6

17 なぜ PDBx/mmCIF へ完全移行するのか 7

18 PDB フォーマットの限界固定コラム長大きさの限界最大 99,999 原子まで最大 36 chain まで但し反則ワザあり座標は最大桁負号がある場合は 3 桁までアノテーションの不完全さ複雑奇怪な REMRK 行の自動処理では例外処理がルーチン化している残基番号の一貫性がない外部データベースとの連携が難しい 8

19 巨大構造の例 HIV- capsid (3J3Q),36 鎖 2,0,800 原子 2 PDB エントリ 3J3Q にまとめられている VU, VU6,... mmcif, PDBML のみ 9

20 その他の巨大構造について ftp://ftp.pdbj.org/pub/pdb/data/large_structures/mmcif/ ftp://ftp.pdbj.org/pub/pdb/data/large_structures/xml/ 20

21 PDB ファイルのアノテーション JRNL JRNL JRNL JRNL JRNL JRNL JRNL JRNL REMRK REMRK REMRK REMRK REMRK REMRK REMRK REMRK REMRK REMRK REMRK REMRK REMRK REMRK REMRK REMRK REMRK REMRK REMRK REMRK REMRK UTH N.ITO,S.E.PHILLIPS,C.STEVENS,Z.B.OGEL,M.J.MCPHERSON, UTH 2 J.N.KEEN,K.D.YDV,P.F.KNOWLES TITL NOVEL THIOETHER BOND REVELED BY.7 CRYSTL STRUCTURE TITL 2 OF GLCTOSE OXIDSE. REF NTURE V REFN ISSN PMID DOI 0.038/ REFERENCE UTH N.ITO,S.E.V.PHILLIPS,K.K.S.YDV,P.F.KNOWLES TITL THE CRYSTL STRUCTURE OF FREE RDICL ENZYME, GLCTOSE TITL 2 OXIDSE REF TO BE PUBLISHED REFN REFERENCE 2 UTH M.J.MCPHERSON,Z.B.OGEL,C.STEVENS,K.D.S.YDV,J.M.KEEN, UTH 2 P.F.KNOWLES TITL GLCTOSE OXIDSE OF DCTYLIUM DENDROIDES: GENE CLONING ND TITL 2 SEQUENCE NLYSIS REF J.BIOL.CHEM. V REFN ISSN RESOLUTION. REFINEMENT. PROGRM UTHORS.70 NGSTROMS. : PROLSQ : KONNERT,HENDRICKSON 注釈の種類により異なる文法機械的処理が大変です 2

22 mmcif の単純な解決法巨大構造任意長のコラム数空白区切りアノテーション記述形式は key-value か loop のみ 22

23 PDBML: XML 形式の mmcif PDBx 辞書 PDBML Schema mmcif PDBML データファイル mmcif 形式 STR 定義 PDBx mmcif dictionary PDBML XML PDBx PDBML Schema 23

24 PDBML を使う理由 XML を扱うソフトウェアが充実している読み込み書き出し検証 XML スキーマを使うフォーマットの変換 2

25 PDBML を使わない理由 mmcif を駆使できる場合 PDB のデータを目で読みたい場合大きなファイルサイズが負担になる場合 2

26 実際に PDBML を見てみるリソースタブをクリック PDBML に注目 26

27 PDBML ファイルの種類 all no-atom all から atom_site( 原子座標 ) の情報を除いたもの ext-atom mmcif に含まれる全ての情報 atom_site のデータのみを簡略化して記述したもの PDBMLplus no-atom のデータに PDBj が独自にアノテーションを加えたもの 27

28 ファイルサイズ PDB エントリ GOF の場合フォーマット PDB mmcif PDBML(all) PDBML(no-atom) PDBML(extatom) サイズバイト 7K 9K.6M 820K 889K 行数

29 PDBML の基本構造 <xml version=".0" encoding="utf-8" > <PDBx:datablock datablockname="gof" xmlns:pdbx=" xmlns:xsi=" xsi:schemalocation=" <PDBx:atom_siteCategory> <PDBx:atom_site id=""> <PDBx:B_iso_or_equiv>3.6</PDBx:B_iso_or_equiv> <PDBx:Cartn_x>38.80</PDBx:Cartn_x> ( そのカテゴリの項目が繰り返す ) </PDBx:atom_site> <PDBx:atom_site id="2"> <PDBx:B_iso_or_equiv>2.26</PDBx:B_iso_or_equiv> <PDBx:Cartn_x>38.36</PDBx:Cartn_x> </PDBx:atom_site> (atom_site が繰り返す ) </PDBx:atom_siteCategory> (xxxcategory が繰り返す ) </PDBx:datablock> 29

30 属性と要素の使い分け属性 (attribute) <category a=... b=... > <item>...</item> <item2>...</item2> </category> 各カテゴリの属性と要素はともにそのカテゴリの項目 (item) 属性はそのカテゴリの主キーに相当する要素 (element) 30

31 mmcif と PDBML の比較 mmcif PDBML loop audit_author.name _audit_author.pdbx_ordinal 'Ito, N.' 'Phillips, S.E.V.' 2 'Knowles, P.F.' 3 <PDBx:audit_authorCategory> <PDBx:audit_author pdbx_ordinal=""> <PDBx:name>Ito, N.</PDBx:name> </PDBx:audit_author> <PDBx:audit_author pdbx_ordinal="2"> <PDBx:name>Phillips, S.E.V.</PDBx:name> </PDBx:audit_author> <PDBx:audit_author pdbx_ordinal="3"> <PDBx:name>Knowles, P.F.</PDBx:name> </PDBx:audit_author> </PDBx:audit_authorCategory> 3

32 atom_site( 原子座標 ) をみてみる <PDBx:atom_site id=""> <PDBx:B_iso_or_equiv>3.6</PDBx:B_iso_or_equiv> <PDBx:Cartn_x>38.80</PDBx:Cartn_x> <PDBx:Cartn_y>0.236</PDBx:Cartn_y> <PDBx:Cartn_z>.02</PDBx:Cartn_z> <PDBx:auth_asym_id></PDBx:auth_asym_id> <PDBx:auth_atom_id>N</PDBx:auth_atom_id> <PDBx:auth_comp_id>L</PDBx:auth_comp_id> <PDBx:auth_seq_id></PDBx:auth_seq_id> <PDBx:group_PDB></PDBx:group_PDB> <PDBx:label_alt_id xsi:nil="true" /> <PDBx:label_asym_id></PDBx:label_asym_id> <PDBx:label_atom_id>N</PDBx:label_atom_id> <PDBx:label_comp_id>L</PDBx:label_comp_id> <PDBx:label_entity_id></PDBx:label_entity_id> <PDBx:label_seq_id></PDBx:label_seq_id> <PDBx:occupancy>.00</PDBx:occupancy> <PDBx:pdbx_PDB_model_num></PDBx:pdbx_PDB_model_num> <PDBx:type_symbol>N</PDBx:type_symbol> </PDBx:atom_site> 32

33 extatom <PDBx:datablock datablockname="gof-extatom" xmlns:pdbx=" xmlns:xsi=" xsi:schemalocation=" pdbx-v0-ext.xsd"> <PDBx:category_atom_record> <PDBx:atom_record id=""> <PDBx:atom_record id="2"> <PDBx:atom_record id="3"> <PDBx:atom_record id=""> L L L L L L L L N C C O N C C O N C C O </PDBx:atom_record> </PDBx:atom_record> </PDBx:atom_record> </PDBx:atom_record> atom_site カテゴリのよく使う項目だけを一行で空白区切りで記述したもの XML の精神には適合しないがデータ量は圧縮できる記述の定義はを参照のこと 33

34 参考文献 mmcif J.D. Westbrook, P.E. Bourne, Bioinformatics 6:9-68 (2000) PDBML J.D. Westbrook, N. Ito, H. Nakamura, K. Henrick, H. M. Berman, Bioinformatics 2: (200) 3

35 演習問題 () PDB エントリ GOF の PDB ファイル mmcif ファイル PDBML(all) ファイルをダウンロードしてみる 3

36 演習問題２ GOF の mmcif ファイルで以下のカテゴリの内容を確認する struct entity entity_poly pdbx_entity_nonpoly struct_asym struct_ref 36

37 演習問題３先ほど調べたカテゴリの各項目の意味を PDBx 辞書を使って調べてみる 37

38 演習問題４カテゴリ間の関係を調べる entity と struct_asym entity と struct_ref pdbx_entity_nonpoly と chem_comp citation と citation_author 38

39 演習問題５カテゴリ間の関係は PDBx 辞書ではどのように記述されているか調べてみる 39

この講義でやること PDBjのwebページの復習 webページのデータの元になっているデータ形式の解説上記の演習 2

新しいPDBデータの読み解き方金城玲大阪大学蛋白質研究所 & 日本蛋白質構造データバンク(PDBj) 204-0-0 PDBj講習会仙台この講義でやること PDBjのwebページの復習 webページのデータの元になっているデータ形式の解説上記の演習 2 PDBj PDBe RCSB PDB BMRB 3 PDBのやっていること登録日米欧で作業を分担公開データそのものは日米欧で同一

PDB データの読み解き方 mmcif と PDBML 金城玲 大阪大学蛋白質研究所 PDBj講習会 1

PDB データの読み解き方 mmcif と PDBML 金城玲大阪大学蛋白質研究所 PDBj講習会 1