Formatul unei înregistrari în fisierele PDB

Formatul unei înregistrări în fişierele PDB. Record Format

Fiecare fişier PDB este alcătuit din linii terminate cu un terminator de linie (end-of-line indicator). Fiecare linie (înregistrare – record) în fişierele PDB este alcătuită din cel mult 80 coloane (corespunzătoare câte unui caracter, de regulă ASCII). Ultimul caracter al fiecărei linii trebuie să fie indicatorul end-of-line (EOL. Cel mai adesea codul ASCII corespunzător comenzii LF - LineFeed = 0AH în hexazecimal)

Fiecare linie (înregistrare) în fişierul PDB este autoidentificabilă. Primele şase coloane ale fiecărei linii conţine numele înregistrării, aliniată stânga şi umplută cu spaţii până la terminarea câmpului. Numele înregistrării trebuie să fie unul dintre numele de înregistrare recunoscute (HEADER, END, ).

Fişierul PDB poate fi privit ca o colecţie de astfel de înregistrări. Fiecare înregistrare poate apărea o dată sau de mai multe ori în cadrul fişierului.

Fiecare linie este mai departe împărţită în câmpuri.

Tipuri de înregistrări

Înregistrările pot apărea pe o singură sau pe mai multe linii în fişierele PDB.

Înregistrările ce apar pe o singură linie

Aceste înregistrări sunt descrise în continuare.

Tipul înregistrării	Descriere
HEADER	Prima linie a unui fişier PDB. Conţine: codul PDB ID, clasificarea şi data introducerii în baza de date.
END	Ultima linie din fişierul PDB.
ORIGXn	Transformare din coordonate ortogonale în coordonatele sub care au fost trimise pentru înregistrare (n = 1, 2, or 3).
SCALEn	Transformare din coordonate ortogonale în coordonate cristalografice fracţionale (n = 1, 2, or 3).
MASTER	Înregistrare de control pentru inventariere.
CRIST1	Parametrii celulei unitare, grupul spaţial şi Z.

Orice apariţie de două sau mai multe ori a unei astfel de înregistrări este considerată eroare.

Înregistrări ce apar pe maxim două linii

Există înregistrări care conceptual există o singură dată pentru un fişier PDB, dar conţinutul informaţional depăşeşte numărul de coloane disponibile. Aceste inregistrări sunt de aceea continuate pe linia imediat următoare. În ordine alfabetică acestea sunt:

Tipul înregistrării	Descriere
AUTHOR	Lista autorilor
CAVEAT	Indicator de erori deosebite. Linile de acest tip trebuie utilizate cu foarte mare grijă.
COMPND	Descrierea conţinutului macromolecular al acestui fişier.
EXPDTA	Tehnica experimentală utilizată pentru determinarea structurii.
KEYWDS	Listă de cuvinte cheie ce descriu macromolecula.
OBSLTE	Arată că această înregistrare (fişier) nu se mai distribuie şi listează codurile PDB ID care-l înlocuiesc.
SOURCE	Sursa biologică a macromoleculei descrisă în acest fişier (intrare).
SPRSDE	Lista intrărilor (fişierelor ) şterse din distribuţie şi înlocuite de prezenta înregistrare.
TITLE	Descrierea experimentului sau analizei macromoleculei reprezentată de această înregistrare.

Linia a doua şi următoarele conţin un câmp de continuare care este reprezentat de un întreg aliniat dreapta. Acest număr creşte cu o unitate pentru fiecare linie adiţională din fişier şi este urmat de un caracter spaţiu (blank character = 20H în hexazecimal).

Înregistrările multiple

Cele mai multe dintre înregistrări apar de mai multe ori, adesea in grupuri unde informaţia nu este logic concatenată ci este prezentă sub forma unei liste. Multe dintre aceste înregistrări prezintă o formă de serializare specifică care poate fi utilizată nu numai pentru a ordona înregistrările ci şi la conectarea cu alte tipuri de înregistrări. Ele sunt în ordine alfabetică următoarele:

Tipul înregistrării	Descriere
ANISOU	Factorii de temperatură anizotropici.
ATOM	Înregistrări ale coordonatelor atomice pentru grupul standard.
CISPEP	Identificarea reziduurilor peptidice în conformaţie cis.
CONECT	Înregistrări privind interconectarea (legăturile chimice).
DBREF	Referinţă către intrarea (numele fişierului) referitoare la secvenţa (secvenţele) moleculară din baza de date.
HELIX	Identificarea substructurilor elicoidale.
HET	Identificarea grupurilor ne standard (heterogene).
HETSYN	Nume sinonime pentru compuşi heterogeni.
HYDBND	Identificarea legăturilor de hidrogen.
LINK	Identificarea legăturilor interreziduale.
MODRES	Identificarea modificărilor reziduurilor standard.
MTRIXn	Transformări ce exprimă simetriile necristalografice (n = 1, 2, or 3). Pot fi mai multe seturi de astfel de înregistrări.
REVDAT	Date de revizie şi informaţii de aceeaşi natură.
SEQADV	Identificarea conflictelor dintre PDB-uri şi baza de date de secvenţe referită.
SEQRES	Primary sequence of backbone residues.
SHEET	Identificarea substructurilor de foi.
SIGATM	Abaterile standard ale parametrilor atomici.
SIGUIJ	Abaterile standard ale factorilor anizotropici de temperatură.
SITE	Identificarea grupurilor ce conţin locaţii importante.
SLTBRG	Identificarea punţilor de sare (salt bridges).
SSBOND	Identificarea legăturilor bisulfide (disulfide bonds).
TURN	Identificarea ciclurilor spirale turns.
TVECT	Vectorul de translaţie pentru structurile infinite conectate covalent.

Înregistrările cu continuări multiple

Există înregistrări pentru care conceptul există de mai multe ori într-un fişier PDB, dar conţinutul informaţional poate depăşi numărul de coloane disponibil. Aceste înregistrări sunt de aceea continuate pe liniile următoare. În ordine alfabetică ele sunt:

Tipul înregistrării	Descriere
FORMUL	Formula chimică a grupurilor ne standard.
HETATM	Coordonatele atomice pentru grupuri heterogene.
HETNAM	Numele compuşilor heterogeni.

Linia a doua şi următoarele conţin un câmp de continuare care este un întreg aliniat dreapta. Acest număr creşte cu câte o unitate pentru fiecare linie adiţională a înregistrării şi este urmat de un caracter spaţiu.

Înregistrări referitoare la gruparea înregistrărilor

Există trei tipuri de înregistrări folosite pentru a grupa alte înregistrări. În ordine alfabetică ele sunt:

Tipul înregistrării	Descriere
ENDMDL	Înregistrare de sfârşit de model pentru structuri multiple într-o intrare monocoordonată.
MODEL	Specificarea numărului de model pentru structuri multiple într-o intrare monocoordonată.
TER	Terminator de lanţ.

Înregistrările MODEL/ENDMDL înconjoară grupuri de înregistrări de tip: ATOM, HETATM, SIGATM, ANISOU, SIGUIJ, şi TER. Înregistrarea de tip TER. indică sfârşitul unui lanţ.

Alte înregistrări

Tipurile de înregistrări rămase au o structură interioară detaliată. În ordine alfabetică ele sunt:

Tipul înregistrării	Descriere
JRNL	Citări din literatură care definesc setul de coordonate.
REMARK	Note generale, unele sunt structurate, altele nu.

12-Jan-2012