Biopython DSSP

Trong ví dụ này, chúng ta sẽ thu được cấu trúc thứ cấp của cấu trúc tinh thể transketolase [PDB. 1QGD] theo bốn cách khác nhau và trực quan hóa nó bằng bản đồ tính năng tùy chỉnh

Đầu tiên, chúng ta sẽ viết các hàm vẽ để trực quan hóa các đường xoắn ốc và trang tính trong bản đồ đặc trưng

# Code source: Patrick Kunzmann
# License: BSD 3 clause

from tempfile import gettempdir
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.lines import Line2D
from matplotlib.patches import Rectangle
import biotite
import biotite.structure as struc
import biotite.structure.io.mmtf as mmtf
import biotite.sequence as seq
import biotite.sequence.graphics as graphics
import biotite.sequence.io.genbank as gb
import biotite.database.rcsb as rcsb
import biotite.database.entrez as entrez
import biotite.application.dssp as dssp


# Create 'FeaturePlotter' subclasses
# for drawing the scondary structure features

class HelixPlotter[graphics.FeaturePlotter]:

    def __init__[self]:
        pass

    # Check whether this class is applicable for drawing a feature
    def matches[self, feature]:
        if feature.key == "SecStr":
            if "sec_str_type" in feature.qual:
                if feature.qual["sec_str_type"] == "helix":
                    return True
        return False

    # The drawing function itself
    def draw[self, axes, feature, bbox, loc, style_param]:
        # Approx. 1 turn per 3.6 residues to resemble natural helix
        n_turns = np.ceil[[loc.last - loc.first + 1] / 3.6]
        x_val = np.linspace[0, n_turns * 2*np.pi, 100]
        # Curve ranges from 0.3 to 0.7
        y_val = [-0.4*np.sin[x_val] + 1] / 2

        # Transform values for correct location in feature map
        x_val *= bbox.width / [n_turns * 2*np.pi]
        x_val += bbox.x0
        y_val *= bbox.height
        y_val += bbox.y0

        # Draw white background to overlay the guiding line
        background = Rectangle[
            bbox.p0, bbox.width, bbox.height, color="white", linewidth=0
        ]
        axes.add_patch[background]
        axes.plot[
            x_val, y_val, linewidth=2, color=biotite.colors["dimgreen"]
        ]


class SheetPlotter[graphics.FeaturePlotter]:

    def __init__[self, head_width=0.8, tail_width=0.5]:
        self._head_width = head_width
        self._tail_width = tail_width


    def matches[self, feature]:
        if feature.key == "SecStr":
            if "sec_str_type" in feature.qual:
                if feature.qual["sec_str_type"] == "sheet":
                    return True
        return False

    def draw[self, axes, feature, bbox, loc, style_param]:
        x = bbox.x0
        y = bbox.y0 + bbox.height/2
        dx = bbox.width
        dy = 0

        if  loc.defect & seq.Location.Defect.MISS_RIGHT:
            # If the feature extends into the prevoius or next line
            # do not draw an arrow head
            draw_head = False
        else:
            draw_head = True

        axes.add_patch[biotite.AdaptiveFancyArrow[
            x, y, dx, dy,
            self._tail_width*bbox.height, self._head_width*bbox.height,
            # Create head with 90 degrees tip
            # -> head width/length ratio = 1/2
            head_ratio=0.5, draw_head=draw_head,
            color=biotite.colors["orange"], linewidth=0
        ]]


# Test our drawing functions with example annotation
annotation = seq.Annotation[[
    seq.Feature["SecStr", [seq.Location[10, 40]], {"sec_str_type" : "helix"}],
    seq.Feature["SecStr", [seq.Location[60, 90]], {"sec_str_type" : "sheet"}],
]]

fig = plt.figure[figsize=[8.0, 0.8]]
ax = fig.add_subplot[111]
graphics.plot_feature_map[
    ax, annotation, multi_line=False, loc_range=[1,100],
    # Register our drawing functions
    feature_plotters=[HelixPlotter[], SheetPlotter[]]
]
fig.tight_layout[]

Bây giờ chúng ta hãy làm một số ứng dụng nghiêm túc. Chúng tôi muốn hình dung cấu trúc thứ cấp của một monome của transketolase homodomeric [PDB. 1QGD]. Cách đơn giản nhất để làm điều đó là tìm nạp tệp GenBank tương ứng, trích xuất một đối tượng Annotation từ tệp và vẽ chú thích

# Fetch GenBank files of the TK's first chain and extract annotatation
file_name = entrez.fetch["1QGD_A", gettempdir[], "gb", "protein", "gb"]
gb_file = gb.GenBankFile.read[file_name]
annotation = gb.get_annotation[gb_file, include_only=["SecStr"]]
# Length of the sequence
_, length, _, _, _, _ = gb.get_locus[gb_file]

fig = plt.figure[figsize=[8.0, 3.0]]
ax = fig.add_subplot[111]
graphics.plot_feature_map[
    ax, annotation, symbols_per_line=150,
    show_numbers=True, show_line_position=True,
    # 'loc_range' takes exclusive stop -> length+1 is required
    loc_range=[1,length+1],
    feature_plotters=[HelixPlotter[], SheetPlotter[]]
]
fig.tight_layout[]

Một cách tiếp cận khác [phức tạp hơn] là tạo một Annotation chứa cấu trúc thứ cấp từ một tệp cấu trúc. Tất cả các định dạng tệp do RCSB PDB phân phối đều chứa thông tin này, nhưng thông tin này được trích xuất dễ dàng nhất từ ​​trường 'secStructList' trong tệp MMTF. Vì hai nguồn sử dụng các phương pháp tính toán cấu trúc thứ cấp khác nhau nên kết quả sẽ khác nhau

# Dictionary to convert 'secStructList' codes to DSSP values
# //github.com/rcsb/mmtf/blob/master/spec.md#secstructlist
sec_struct_codes = {0 : "I",
                    1 : "S",
                    2 : "H",
                    3 : "E",
                    4 : "G",
                    5 : "B",
                    6 : "T",
                    7 : "C"}
# Converter for the DSSP secondary structure elements
# to the classical ones
dssp_to_abc = {"I" : "c",
               "S" : "c",
               "H" : "a",
               "E" : "b",
               "G" : "c",
               "B" : "b",
               "T" : "c",
               "C" : "c"}


# Fetch and load structure
file_name = rcsb.fetch["1QGD", "mmtf", gettempdir[]]
mmtf_file = mmtf.MMTFFile.read[file_name]
array = mmtf.get_structure[mmtf_file, model=1]
# Transketolase homodimer
tk_dimer = array[struc.filter_amino_acids[array]]
# Transketolase monomer
tk_mono = tk_dimer[tk_dimer.chain_id == "A"]

# The chain ID corresponding to each residue
chain_id_per_res = array.chain_id[struc.get_residue_starts[tk_dimer]]
sse = mmtf_file["secStructList"]
sse = sse[sse != -1]
sse = sse[chain_id_per_res == "A"]
sse = np.array[[sec_struct_codes[code] for code in sse if code != -1],
               dtype="U1"]
sse = np.array[[dssp_to_abc[e] for e in sse], dtype="U1"]

# Helper function to convert secondary structure array to annotation
# and visualize it
def visualize_secondary_structure[sse, first_id]:

    def _add_sec_str[annotation, first, last, str_type]:
        if str_type == "a":
            str_type = "helix"
        elif str_type == "b":
            str_type = "sheet"
        else:
            # coil
            return
        feature = seq.Feature[
            "SecStr", [seq.Location[first, last]], {"sec_str_type" : str_type}
        ]
        annotation.add_feature[feature]

    # Find the intervals for each secondary structure element
    # and add to annotation
    annotation = seq.Annotation[]
    curr_sse = None
    curr_start = None
    for i in range[len[sse]]:
        if curr_start is None:
            curr_start = i
            curr_sse = sse[i]
        else:
            if sse[i] != sse[i-1]:
                _add_sec_str[
                    annotation, curr_start+first_id, i-1+first_id, curr_sse
                ]
                curr_start = i
                curr_sse = sse[i]
    # Add last secondary structure element to annotation
    _add_sec_str[annotation, curr_start+first_id, i-1+first_id, curr_sse]

    fig = plt.figure[figsize=[8.0, 3.0]]
    ax = fig.add_subplot[111]
    graphics.plot_feature_map[
        ax, annotation, symbols_per_line=150,
        loc_range=[first_id, first_id+len[sse]],
        show_numbers=True, show_line_position=True,
        feature_plotters=[HelixPlotter[], SheetPlotter[]]
    ]
    fig.tight_layout[]

# Visualize seconday structure array
# Sine the residues may not start at 1,
# provide the actual first residue ID
visualize_secondary_structure[sse, tk_mono.res_id[0]]

Gần như có thể đạt được kết quả tương tự, khi chúng tôi tự tính toán cấu trúc thứ cấp bằng phần mềm DSSP, vì nội dung trong 'secStructList' cũng được tính toán bởi RCSB

sse = dssp.DsspApp.annotate_sse[tk_mono]
sse = np.array[[dssp_to_abc[e] for e in sse], dtype="U1"]
visualize_secondary_structure[sse, tk_mono.res_id[0]]
# sphinx_gallery_thumbnail_number = 4

Điểm khác biệt duy nhất là vòng xoắn thứ hai ngắn hơn một chút. Điều này có thể do các phiên bản khác nhau của DSSP gây ra

Cuối cùng nhưng không kém phần quan trọng, chúng tôi tính toán cấu trúc thứ cấp bằng phương pháp tích hợp sẵn của Biotite, dựa trên thuật toán P-SEA

DSSP hoạt động như thế nào?

Cơ sở dữ liệu DSSP là gì?

Làm cách nào để cài đặt DSSP trong Linux?