酶是生物催化剂，并且目前认为大多数酶都是蛋白质。为了系统化地研究酶，国际纯粹与应用化学联合会（IUPAC）将酶组织成一个分层的分类结构，其中包含7个顶级类别，并且总共有4个层级的层次结构。这些类别被称为酶类别，被称为EC系统。每种酶都根据其催化的反应类型被分配一个EC编号。在今天的学习中，我们将使用RCSB搜索API来查找与特定酶类别结合的配体。

七类酶

首先我们了解一下七类酶，BRENDA酶数据库包含关于酶的详细信息，并提供了酶类别的分类。在分类的最上层，有7种主要的酶类别：

氧化还原酶（Oxidoreductases）

转移酶（Transferases）

水解酶（Hydrolases）

裂合酶（Lyases）

异构酶（Isomerases）

连接酶（Ligases）

转位酶（Translocases）

胰蛋白酶

我们今天的课程将重点关注胰腺产生的一种酶——胰蛋白酶，它有助于在小肠中消化蛋白质。胰蛋白酶属于丝氨酸水解酶家族。这个家族的成员利用水来断裂蛋白质、脂类和碳水化合物中的键。它们参与消化、细胞信号传导和血液凝固。胰蛋白酶的EC编号是3.4.21.4。以下是层级结构中每个级别的含义：

3 - 水解酶（Hydrolase）

3.4 - 作用于肽键

3.4.21 - 丝氨酸内肽酶

3.4.21.4 - 胰蛋白酶

寻找配体步骤

我们今天的目标是需要找用于分子对接研究的配体。首先寻找与胰蛋白酶结合的配体，并计划观察这些配体是否也能与其他可能有趣的丝氨酸水解酶结合。所以我们今天将遵循以下步骤：

第一步：查找给定酶委员会类别的PDB结构。

第二步：选择那些含有分子量在300到600之间的小分子配体的结构。

第三步：输出这些配体的列表。

第四步：将配体结构保存到“ligands_for_EC_class_#”文件夹中。

我们会使用到一些新的工具包：

之前有同学说使用 !pip 或者在终端中使用 pip 安装后依然提示未安装。

大家可以试试这种安装方法

import sys!{sys.executable} -m pip install rcsbsearchapi

这条代码的目的是确保 rcsbsearchapi 包被安装在当前正在使用的 Python 解释器环境中。它特别有用在 Jupyter Notebook 或其他多环境开发中，避免因使用错误的 Python 解释器而导致包安装在错误的环境中。

言归正传，当我们需要要使用 rcsbsearchapi 进行查询的时候，首先我们必须知道在寻找什么。比如，如果我们寻找与特定酶类（Enzyme Commission Class）蛋白质结合的配体的特性。

我们需要知道酶的类型是什么，也就是 EC Class 是什么。我们这次关注胰蛋白酶（trypsin）的 EC 类别，3.4.21.4。同时我们也需要知道配体（Ligands），比如单个原子（如钾离子）或缓冲分子（如磷酸盐）稍大的配体，其尺寸在 10 到 30 个重原子之间，因此我将目标分子量设置在 300 到 800 之间。为什么我们选择分子量在 300 到 800 之间的配体呢？我们感兴趣的是足够大的分子，它们可以与胰蛋白酶的活性位点结合并填充该位点。分子量小于 300 的小分子可能是个别的离子（如 K+ 或 Na+）。而分子量大于 800 的分子将会填充超过酶的活性位点。

我们可以使用接口来搜索与 PDB 条目相关的许多属性。我们将使用的属性是rcsb_polymer_entity.rcsb_ec_lineage.id,它用于查找EC编号为 3.4.21.4 的蛋白质。其他可搜索的属性包括主要引用的期刊缩写 (rcsb_primary_citation.rcsb_journal_abbrev)、确定结构的方法 (exptl.method),或PDB条目中的特定分子 (pdbx_reference_molecule.class)。所以我们可以使用以下代码：

from rcsbsearchapi import rcsb_attributes as attrsECnumber = "3.4.21.4" # 我们稍后会再次使用这个变量q1 = attrs.rcsb_polymer_entity.rcsb_ec_lineage.id == ECnumber # 查找胰蛋白酶 q2 = attrs.chem_comp.formula_weight >= 300 # 设置分子量的下限 q3 = attrs.chem_comp.formula_weight <= 800 # 设置分子量的上限query = q1 & q2 & q3 # 将三个查询组合成一个resultL = list(query()) # 将查询结果分配给列表变量print(resultL[0:10]) # 列出前 10 个结果len(resultL) # 显示查询结果的总数molResultL = list(query("mol_definition"))print("在这个列表中，有", len(molResultL), "个与 EC 编号", ECnumber, "相关的配体。以下是前 10 个配体的列表。")print(molResultL[0:10])

找到了对应的配体之后，我们可以去哪里下载配体文件？这些 PDB 中的配体文件可以以多种格式下载。我们可以按照不同的需要进行下载。完整的列表和描述可以在 RCSB PDB 文件下载服务页面上找到（https://www.rcsb.org/docs/programmatic-access/file-download-services#small-molecule-files）。比如我们需要做分子对接，那么我们需要的是 mol2 的文件格式。

有几种下载文件的方法——我们今天将使用一个名为 requests 的 Python 库。在接下来的单元格中，我们将导入 requests 库，使用 requests.get 函数从 RCSB PDB 下载单个文件，并检查该文件是否正确下载到 ligands 文件夹中。如果成功，我们将使用 for 循环将 molResultL 列表中的所有文件下载到 ligands 文件夹中。

import requests  # 使我们能够从 PDB 拉取文件import os        # 使我们能够创建一个目录来存储文件# 从我们的列表中下载其中一个叫做 11U.mol2 的文件res11U_mol2 = requests.get('https://files.rcsb.org/ligands/download/11U_ideal.mol2')# 检查文件是否正确下载。状态码 200 表示一切正常。res11U_mol2.status_code# 输出应为：200# 为了真正确定，让我们一行一行地查看文件。首先，我们将下载的内容写入一个文件。# 为我们的结果创建一个 ligands 文件夹os.makedirs("ligands", exist_ok=True)with open("ligands/res11U.mol2", "w+") as file:    file.write(res11U_mol2.text)# 现在我们使用这些命令读取文件并确保它正确下载。作为替代方法，我们可以转到 Jupyter 桌面的 ligands 文件夹并点击 res11U.mol2 来确认文件是否正确。file1 = open('ligands/res11U.mol2', 'r')file_text = file1.read()  # 这将文件读取为字符串print(file_text)

我们可以看到在本地的文件夹中多了一个名称为 ligands 的文件夹，里面有个 11U.mol2 的文件。既然我们已经确认了下载过程有效，现在我们将使用 for 循环在一个单元格中下载整个配体列表。首先我们可以定义一个变量 baseUrl，它表示配体文件所在的 URL。这个 URL 只缺少具体的配体文件名。其次，我们设置一个 for 循环，遍历 molResultL 列表中的每个项（作为 ChemID），该列表在上面已经生成。然后，基于一个变量（配体的 3 个字母的名称作为 ChemID，后跟 _ideal.mol2）为文件名赋值给变量 cFile。这样就为我们想要从RCSB PDB API下载数据的完整URL（作为 cFileUrl）赋值。注意，URL由第一行中定义的 baseUrl 加上我们刚定义的文件名（现在赋值给变量 cFile）组成。接下来我们可以使用 os.path 命令将文件（CFileLocal）写入 ligands文件夹。使用 requests.get 通过API调用从RCSB PDB下载数据。最后我们使用with open函数写入文件。如果一切顺利，这将会把我们列表中的所有配体下载到 ligands 文件夹中。

# 定义基础URL，用于指定配体文件的下载地址baseUrl = "https://files.rcsb.org/ligands/download/"# 遍历 molResultL 列表中的每个配体ID（ChemID）for ChemID in molResultL:    # 为每个配体文件生成文件名，例如 "11U_ideal.mol2"    cFile = f"{ChemID}_ideal.mol2"    # 创建完整的下载URL，将 baseUrl 与文件名组合    cFileUrl = baseUrl + cFile        # 定义本地保存路径，将文件保存在 "ligands" 文件夹中    cFileLocal = "ligands/" + cFile    # 使用 requests.get 通过URL下载配体文件    response = requests.get(cFileUrl)    # 打开指定路径的文件并写入下载的内容    with open(cFileLocal, "w+") as file:        file.write(response.text)

这段代码会执行一段时间，当结束之后大家再看 ligands 的文件夹，里面会有很多的结构。

大家可以通过练习来掌握这个工具，使用 BRENDA 酶数据库查找酒精脱氢酶的 EC 编号（或者寻找你感兴趣的酶）。有多少结构的配体分子量在 400到700之间？有多少独特的配体与这些结构结合？其实我们可以只输入EC类别的上层级别来识别更多的配体。大家可以练习针对任何 EC 编号重复进行。如果有时间，可以尝试更广泛的搜索，只使用2或3个级别，例如3.4或3.4.21，看看能找到什么。

ECnumber = "1.1.1.1"     # 我们稍后会再次使用这个变量q1 = attrs.rcsb_polymer_entity.rcsb_ec_lineage.id == ECnumber  # 查找酒精脱氢酶q2 = attrs.chem_comp.formula_weight >= 400                     # 设置分子量的下限q3 = attrs.chem_comp.formula_weight <= 700                     # 设置分子量的上限query = q1 & q2 & q3              # 将这三个查询条件组合成一个ResultL = list(query("entry"))molResultL = list(query("mol_definition"))print("在 EC 编号", ECnumber, "中，有", len(ResultL), "个结构的配体分子量在 400 到 700 之间。")print("在 EC 编号", ECnumber, "的结构中，有", len(molResultL), "个独特的配体。以下是这", len(molResultL), "个配体的列表。")molResultL

这节课我们就到这里，在下节课我们将可视化配体与蛋白的结合，并进行分析。我们下节课见。