extract（活性部位モデルの切り出し）

extract は、タンパク質–リガンドの PDB/mmCIF から基質の周りの残基を切り出し、切った結合をキャップ水素で埋めて、できたクラスターモデルの電荷を数えます。

主な用途

  • クラスターモデルを作る: all・opt・tsopt などで計算する活性部位モデルを作る

  • 複数の状態を同じ境界で切る: 原子の並びが同じ反応物と生成物を 1 回で渡すと、どのモデルも同じ残基・同じ境界になる

  • 非標準残基を扱う: MCPB.py などが付けた残基名を、--modified-residue でアミノ酸として登録する

モデルの大きさの決め方は クラスターモデルの組み方 を見てください。

基本的な実行例

入力には、すべての水素原子と 77–78 列の元素記号が要ります。

1. 残基 ID と総電荷で選ぶ

基質を chain:残基名:番号 で、その総電荷を 1 つの数で渡します。

pdb2reaction extract -i complex.pdb -c 'A:GPP:301' -o model.pdb -l -3 --out-json

成功すると終了コード 0 で終わり、端末に [extract] Atoms after truncation: N と [extract] Link-H to add: M が出ます。モデルの原子数は N + M で、そのうち M 個がキャップ水素です。電荷は [extract] Total active site model charge の行に出ます。model.pdb をビューアで開き、反応に関わる残基が入っているかを確かめてください。次のコマンドには、model.pdb とこの総電荷を -q で渡します。

2. 基質を PDB ファイルで渡す

基質の PDB ファイルを中心にし、残基名ごとに電荷を渡します。

pdb2reaction extract -i complex.pdb -c substrate.pdb -o model.pdb -l 'GPP:-3,SAM:1'

基質のファイルの座標は、複合体の座標と 0.001 Å 以内で一致している必要があります。

3. 残基名で選ぶ

残基名を並べると、その名前の残基がすべて中心になります。

pdb2reaction extract -i complex.pdb -c 'GPP,SAM' -o model.pdb -l 'GPP:-3,SAM:1'

4. 複数の構造を 1 回で切る

反応物と生成物を 1 つの -i の後に並べると、両方が同じ残基・同じキャップになり、1 つのマルチ MODEL の PDB に書き出されます。

pdb2reaction extract -i complex_R.pdb complex_P.pdb -c 'A:GPP:301,A:SAM:302' \
    -o model_multi.pdb -l 'GPP:-3,SAM:1'

入力ごとに別のファイルにするときは、-o model_R.pdb -o model_P.pdb を渡します。

5. 非標準残基（--modified-residue）

Amber の MCPB.py などは、金属に配位する残基に非標準の名前（HD1、HE1、CM1、AP1）を付けます。extract はこの名前を知らないので、主鎖を切らず、キャップ水素も付けず、次の警告を出します。

[extract] WARNING: Residue HD1 83 may be an amino acid (has N, CA, C, O) but is not recognized as a standard residue name. Backbone truncation was not applied. Consider preparing the active site model manually.

この名前をアミノ酸として登録します。NAME:charge で電荷を決め、電荷を書かない NAME は 0 になります。

pdb2reaction extract -i complex.pdb -c 'A:SUB:301' -o model.pdb \
    --modified-residue 'HD1,HE1'

NAME:charge は組み込みの電荷もこの実行に限って上書きします（例: LYS:0）。付録にある名前は、リン酸化残基や D-アミノ酸も含めて組み込み済みなので、登録は要りません。--modified-residue で足りないときは、モデルを手で組みます。

処理の仕組みと計算仕様

  1. 中心: -c に基質・補因子・金属を並べます。各項目は残基の指定で、いちばん具体的な A:TYR:44（chain:残基名:番号）から、A:SAM、SAM のような名前、番号、基質の PDB/mmCIF ファイルまで使えます。--selected-resn は同じ形で残基を足し、そこからは距離での探索を始めません。

  2. 隣の残基: 中心の原子から -r（デフォルト 2.6 Å）以内に原子がある残基を入れます。水は --no-include-h2o を付けない限り数え、--exclude-backbone ではアミノ酸の主鎖の原子による接触を数えません。さらに、選んだシステインの S–S 結合の相手（S–S ≤ 2.5 Å）、選んだプロリンの N 側の隣、--exclude-backbone でないときは、主鎖の原子が中心に触れたアミノ酸とペプチド結合でつながった両隣の残基を足します。

  3. 主鎖の切断: つながったアミノ酸の並びは内側の主鎖を残し、両端が CA で終わるように切ります。前後の残基がモデルに入らなかった残基は CB で切り、側鎖だけを残します。-c のアミノ酸も同じ規則で切りますが、デフォルトの -r ではペプチド結合でつながった隣の残基がモデルに加わるので、全部の原子が残ります。プロリンは環を残します。--exclude-backbone では、ペプチド結合でつながった -c のアミノ酸どうしの間を除き、アミノ酸の主鎖の原子をすべて除きます。水とアミノ酸でない残基は切りません。

  4. キャップ水素: 切断で CA か CB の結合相手が無くなった所（CB–CA、CA–N、CA–C。プロリンは CA–C だけ）に、その炭素から元の結合の向きに 1.09 Å の位置へ水素を置きます。キャップ水素は TER の後に、残基 LKH・chain L の HETATM 原子 HL として書かれます。

  5. 電荷: アミノ酸とイオンは組み込みの表から、水は 0、ほかの残基は -l で渡さない限り 0 とします。

電荷の内訳

-l には 'GPP:-3,SAM:1' のような残基名ごとの電荷か、1 つの数を渡します。未知の残基とは、付録でアミノ酸・イオン・水のどれにも挙がっていない残基です。数を渡すと、-c の中の未知の残基に均等に割り、-c に未知の残基が無ければ、すべての未知の残基に割ります。例 1 では −3 がすべて GPP に入ります。残基名で渡したときは、書かなかった未知の残基は 0 です。端末には、タンパク質・リガンド・イオンの電荷に続いて Total active site model charge が出ます。入力が複数のときは、最初の入力の内訳です。

複数の構造

入力が複数のときは、構造ごとに残基を選び、その和集合をすべての構造に当てるので、どのモデルも同じ原子・同じキャップになります。座標はモデルごとのものです。端末には、モデルごとに [extract:multi] Atoms after truncation (model k): N、全体で 1 回 [extract:multi] link-H targets common across models: M が出ます。

主な出力ファイル

./
├─ model.pdb     # クラスターモデル。キャップ水素は TER の後
├─ model.cif     # mmCIF の入力か、PDB の欄に入りきらない大きな PDB の入力のとき
├─ result.json   # --out-json のとき。最初の出力ファイルと同じディレクトリ
└─ summary.json  # result.json と同じ内容（--out-json 指定時）

入力

-o

出力

1 つ

なし

model.pdb

複数

なし

入力ごとに model_<入力の名前>.pdb

複数

1 つ

マルチ MODEL の PDB 1 つ

複数

入力と同じ数

入力ごとに PDB 1 つ

-o がこれ以外の数だとエラーで止まります。出力先の親ディレクトリは自動で作られます。result.json には原子数・電荷・使った設定が入ります。各欄は JSON 出力の一覧 にあります。

主な CLI オプション

オプション

引数の型

デフォルト

説明

-i, --input

パス（複数可）

（必須）

タンパク質–リガンドの PDB/mmCIF。1 つの -i の後に並べても、-i を繰り返してもよい。原子が同じ順に並んでいること

-c, --center

文字列

（必須）

中心の残基か、基質の PDB/mmCIF ファイル（例: 'A:TYR:44,A:SAM:301'）

-o, --output

パス（複数可）

上の表

出力する PDB のパス

-r, --radius

浮動小数点数

2.6

中心の原子からの距離のしきい値（Å）。0 では距離で隣の残基を足さない（使用上の注意点）

--radius-het2het

浮動小数点数

0（無効）

C・H 以外の原子どうしの 2 つ目のしきい値（Å）

--selected-resn

文字列

""

距離で探さずに足す残基。-c と同じ形

--include-h2o/--no-include-h2o

フラグ

True

水（HOH、WAT、H2O、DOD、TIP、TIP3、SOL）を入れる

--exclude-backbone/--no-exclude-backbone

フラグ

False

アミノ酸から主鎖の原子を除く。ペプチド結合でつながった -c のアミノ酸どうしの間は残す

--add-linkh/--no-add-linkh

フラグ

True

切断で CA か CB の相手が無くなった所にキャップ水素を付ける

--modified-residue

文字列

""

アミノ酸として扱う残基名。NAME か NAME:charge

-l, --ligand-charge

文字列

None

未知の残基（リガンド）の電荷の合計か、残基名ごとの電荷（例: 'GPP:-3,SAM:1'）

--out-json/--no-out-json

フラグ

False

result.json と summary.json を書き出す

全オプションは 自動生成のオプションの一覧（英語のみ） を参照してください。

使用上の注意点

  • -r 0 では距離で隣の残基を足さず、-c と --selected-resn の残基に、手順 2 で足す S–S 結合の相手とプロリンの N 側の隣を加えたモデルになります。

  • モデルの大きさ: モデルを広げても結果が変わらないことを系ごとに確かめてください。-r を大きくすると計算は重くなり、精度が上がるとは限りません。

  • 名前はすべての chain に当たる: TYR のような名前は、どの chain の TYR もすべて選び、複数あれば警告を出します。

  • TYR:44 は chain TYR と読まれる: 2 つの欄では最初の欄が必ず chain で、2 つ目は番号か名前なので、A:TYR:44 と書いてください。chain の欄が空の PDB では、名前か番号だけを使います。

  • 1 つのリストに 1 つの形: 'SAM,44' のように名前と番号を混ぜたリストはエラーで止まります。

  • キャップ水素は CA と CB だけ: ほかの切断にはキャップ水素が付きません。そのような切断が非金属の原子どうしの結合にあると、extract は警告を出してモデルをそのまま書き、all は計算の前に止まります。警告に並ぶ結合・キャップ・電荷を確かめるか、モデルを手で組んでください。

  • どの入力も同じ原子: 原子の数や並びが違う入力は [multi] Atom count mismatch か [multi] Atom order mismatch で止まります。

  • 元素の欄: 元素の欄が空だと extract は Element symbols are missing in '…' で止まるので、先に add-elem-info を実行してください。

  • altLoc（別位置の配座）: extract は残基ごとに 1 つの配座を残します。規則は mmCIF と大きな構造 にあります。

  • 組み込みの残基名は Amber/CHARMM の命名です。PDB の残基が別の化合物と同じ名前を持つときは、--modified-residue NAME:charge で意図する電荷を渡してください。

関連ドキュメント

付録: PDB 命名規則と参照リスト

この付録は、非標準の残基名・原子名のために extract が残基の分類や電荷を誤るときに使います。標準の PDB の名前なら読み飛ばしてかまいません。

Important

extract は、アミノ酸・イオン・水・主鎖の原子を PDB の残基名と原子名で見分けます。入力は標準の PDB 化学成分の名前に従う必要があります。

アミノ酸

アミノ酸として扱う残基名と、その公称電荷です。これらの残基だけが、主鎖の切断・キャップ水素・アミノ酸の電荷の対象になります。

標準 20 アミノ酸（生理的 pH での電荷）：

  • 中性: ALA, ASN, CYS, GLN, GLY, HIS, ILE, LEU, MET, PHE, PRO, SER, THR, TRP, TYR, VAL

  • 正電荷 (+1): ARG, LYS

  • 負電荷 (−1): ASP, GLU

プロトン化/互変異性体（Amber/CHARMM 形式）：

  • HIP（+1、完全プロトン化 His）、HID（0、Nδプロトン化 His）、HIE（0、Nεプロトン化 His）

  • ASH（0、中性 Asp）、GLH（0、中性 Glu）、LYN（0、中性 Lys）、ARN（0、中性 Arg）

  • TYM（−1、脱プロトン化 Tyr フェノラート）

リン酸化残基：

  • 二価陰イオン（−2）: SEP, TPO, PTR

  • 一価陰イオン（−1）: S1P, T1P, Y1P

  • リン酸化 His（phosaa19SB）: H1D（0）、H2D（−1）、H1E（0）、H2E（−1）

システイン変異体：

  • CYX（0、ジスルフィド）、CSD（−1、スルフィン酸）

  • OCS（−1、システイン酸）、CYM（−1、脱プロトン化 Cys）

リシン変異体/カルボキシル化：

  • MLY（+1）、KCX（−1、Nz-カルボン酸）

D-アミノ酸（19 残基）：

  • DAL, DAR, DSG, DAS, DCY, DGN, DGL, DHI, DIL, DLE, DLY, MED, DPN, DPR, DSN, DTH, DTR, DTY, DVA

その他の修飾残基：

  • CGU（−2、γ-カルボキシグルタミン酸）、CGA（−1）、PCA（0、ピログルタミン酸）、MSE（0、セレノメチオニン）、OMT（0、メチオニンスルホン）、HYP（0、ヒドロキシプロリン）

  • その他（いずれも 0）: ASA, CIR, FOR, MVA, IIL, AIB, HTN, SAR, NMC, PFF, NFA, ALY, AZF, CNX, CYF

N 末端変異体（接頭辞 N）: NALA（+1）、NARG（+2）、NASP（0）、NGLU（0）、NLYS（+2）など、および ACE（0）、NTER（+1、汎用）

C 末端変異体（接頭辞 C）: CALA（−1）、CARG（0）、CASP（−2）、CGLU（−2）、CLYS（0）など、および NHE（0）、NME（0）、CTER（−1、汎用）

接頭辞 N・C の Amber の名前は標準の残基として読み（NALA → ALA）、末端の電荷は、モデルに N 末端の H1〜H3（プロリンは H2 と H3）か OXT が残るときだけ数えます。

主鎖の原子

アミノ酸の主鎖として扱う原子名です。--exclude-backbone では、ペプチド結合でつながった -c のアミノ酸どうしの間を除き、これらの原子を除きます。

N, C, O, CA, OXT, H, H1, H2, H3, HN, HA, HA2, HA3

イオン

イオンとして扱う残基名と、その形式電荷です。

電荷

残基名

+1

LI, NA, K, RB, CS, TL, AG, CU1, K+, NA+, NH4, H3O+, H3O, HE+, HZ+

+2

MG, CA, SR, BA, MN, FE2, CO, NI, CU, ZN, CD, HG, PB, BE, PD, PT, SN, RA, YB2, V2+

+3

FE, AU3, AL, GA, IN, CE, CR, DY, EU, EU3, ER, GD3, LA, LU, ND, PR, SM, TB, TM, Y, PU

+4

U4+, TH, HF, ZR

−1

F, CL, BR, I, CL-, IOD

水

水として扱う残基名です。デフォルトで入り（--include-h2o）、電荷は 0 です。

HOH, WAT, H2O, DOD, TIP, TIP3, SOL