在蛋白质结构研究里，比较不同蛋白质结构之间的相似性是一个核心任务，尤其是在结构预测、同源建模和结构功能关系研究中。以下是一些常用到的衡量蛋白结构间相似性的指标：

  • RMSD（均方根偏差）：该值是衡量两种蛋白质三维结构之间原子位置差异的标准度量。较小的 RMSD 值意味着两个结构相似度较高，RMSD 值对大分子在全局对齐时的大小和形状变化非常敏感。
  • TM-score：相较于 RMSD，TM-score 更加关注结构的全局相似性，且对于蛋白质的尺寸和形状变化具有更高的鲁棒性。TM-score 的值介于 0 到 1 之间，值越接近 1，表示两个结构越相似。

本文将介绍如何使用 US-align 对两个蛋白结构进行 align（对齐）并计算其 RMSD 及 TM-score。

US-align

US-align github page：

https://github.com/pylelab/USalign

该软件的研究团队也同样是 TM-align 的开发者。相比其他的计算工具，US-align 有以下优点：

  • 支持比对除蛋白质以外的生物大分子及其复合物（例如 DNA / RNA 等）。
  • 通过改进的计算方法从而实现高效及准确的比对过程。

下文介绍的为其本地部署的使用方式，如果你没有在本地大量运行的需求，也可以使用网页版：

https://zhanggroup.org/US-align/

安装

推荐通过 conda 安装 US-align：

1
conda install -c bioconda usalign

在安装后，可通过 USalign -h 查看是否能正常工作：

1
2
3
4
5
6
7
8
9
10
11
12
13
$ USalign -h

 ********************************************************************
 * US-align (Version 20240730)                                      *
 * Universal Structure Alignment of Proteins and Nucleic Acids      *
 * Reference: C Zhang, M Shine, AM Pyle, Y Zhang. (2022) Nat Methods*
 *            C Zhang, AM Pyle (2022) iScience.                     *
 * Please email comments and suggestions to [email protected]    *
 ********************************************************************

Usage: USalign PDB1.pdb PDB2.pdb [Options]

......

参数

这里仅对其最重要的几个参数进行介绍，介绍完后将提供部分运行示例。

  • -mm：该参数为比对选项，其默认值为 0，对应两个单体结构（monomer）的比对。

    • 将 -mm 设置为 1 时，对应两个寡聚体结构（oligomer）的比对。如果结构文件中涉及到多条链，使用该参数以正常工作（如果未设置，则默认取第一条链进行比对）。
    • 其余 -mm 的设置对应的应用场景较特殊，例如 -mm 2 将单条链与寡聚体结构进行比对（适用于确定单个蛋白链在寡聚化的构象变化）、-mm 6 为半非连续比对（允许有限的重排）。

  • -ter：该参数指定比对的链数量，其默认值为 2，对应仅比对第一条链。

    • 当 -mm 设置为 1 或 2 时，-ter 仅可选择 0 或 1。其中 0 适用于比对不对称单元，1 适用于比对生物学单元（例如血红蛋白四聚体）。这一部分的概念介绍可见此处。
    • -ter 设置为 3 时可选择性地仅比对第一条链的其中一部分（将该部分标记为 'TER' 以进行识别）。

此外，US-align 也提供了批量比对的功能以及其他调整比对行为的参数，详细请通过 USalign -h 查看。本文不再对此进行更多延申。

运行示例

本文以两个 PDB 上的结构 2PGH 和 3GOU 作为示例进行比对：

1
2
3
4
5
6
# 数据下载
wget https://files.rcsb.org/download/2PGH.cif
wget https://files.rcsb.org/download/3GOU.cif

# 比对
USalign -mm 1 -ter 1 ./2PGH.cif ./3GOU.cif -o HEMOGLOBIN
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
 ********************************************************************
 * US-align (Version 20240730)                                      *
 * Universal Structure Alignment of Proteins and Nucleic Acids      *
 * Reference: C Zhang, M Shine, AM Pyle, Y Zhang. (2022) Nat Methods*
 *            C Zhang, AM Pyle (2022) iScience.                     *
 * Please email comments and suggestions to [email protected]    *
 ********************************************************************

Name of Structure_1: ./2PGH.cif:A:B:C:D (to be superimposed onto Structure_2)
Name of Structure_2: ./3GOU.cif:C:D:A:B
Length of Structure_1: 574 residues
Length of Structure_2: 574 residues

Aligned length= 574, RMSD=   1.03, Seq_ID=n_identical/n_aligned= 0.815
TM-score= 0.98690 (normalized by length of Structure_1: L=574, d0=8.41)
TM-score= 0.98690 (normalized by length of Structure_2: L=574, d0=8.41)
(You should use TM-score normalized by length of the reference structure)

(":" denotes residue pairs of d < 5.0 Angstrom, "." denotes other aligned residues)
VLSAADKANVKAAWGKVGGQAGAHGAEALERMFLGFPTTKTYFPHFNLSHGSDQVKAHGQKVADALTKAVGHLDDLPGALSALSDLHAHKLRVDPVNFKLLSHCLLVTLAAHHPDDFNPSVHASLDKFLANVSTVLTSKYR*VHLSAEEKEAVLGLWGKVNVDEVGGEALGRLLVVYPWTQRFFESFGDLSNADAVMGNPKVKAHGKKVLQSFSDGLKHLDNLKGTFAKLSELHCDQLHVDPENFRLLGNVIVVVLARRLGHDFNPDVQAAFQKVVAGVANALAHKYH*VLSAADKANVKAAWGKVGGQAGAHGAEALERMFLGFPTTKTYFPHFNLSHGSDQVKAHGQKVADALTKAVGHLDDLPGALSALSDLHAHKLRVDPVNFKLLSHCLLVTLAAHHPDDFNPSVHASLDKFLANVSTVLTSKYR*VHLSAEEKEAVLGLWGKVNVDEVGGEALGRLLVVYPWTQRFFESFGDLSNADAVMGNPKVKAHGKKVLQSFSDGLKHLDNLKGTFAKLSELHCDQLHVDPENFRLLGNVIVVVLARRLGHDFNPDVQAAFQKVVAGVANALAHKYH*
::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::.*:::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::.*:::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::*:::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::.*
VLSPADKTNIKSTWDKIGGHAGDYGGEALDRTFQSFPTTKTYFPHFDLSPGSAQVKAHGKKVADALTTAVAHLDDLPGALSALSDLHAYKLRVDPVNFKLLSHCLLVTLACHHPTEFTPAVHASLDKFFAAVSTVLTSKYR*VHLTAEEKSLVSGLWGKVNVDEVGGEALGRLLIVYPWTQRFFDSFGDLSTPDAVMSNAKVKAHGKKVLNSFSDGLKNLDNLKGTFAKLSELHCDKLHVDPENFKLLGNVLVCVLAHHFGKEFTPQVQAAYQKVVAGVANALAHKYH*VLSPADKTNIKSTWDKIGGHAGDYGGEALDRTFQSFPTTKTYFPHFDLSPGSAQVKAHGKKVADALTTAVAHLDDLPGALSALSDLHAYKLRVDPVNFKLLSHCLLVTLACHHPTEFTPAVHASLDKFFAAVSTVLTSKYR*VHLTAEEKSLVSGLWGKVNVDEVGGEALGRLLIVYPWTQRFFDSFGDLSTPDAVMSNAKVKAHGKKVLNSFSDGLKNLDNLKGTFAKLSELHCDKLHVDPENFKLLGNVLVCVLAHHFGKEFTPQVQAAYQKVVAGVANALAHKYH*

#Total CPU time is  1.05 seconds

在其屏幕输出中，可以看到比对的详细情况（包括计算得到的 RMSD 以及 TM-score）。该过程里你可以将屏幕输出保存到一个文件中，以便后续查看，此外你也可以通过 -outfmt 2 参数，将其转化为更简洁的形式：

1
2
3
$ USalign -mm 1 -ter 1 ./2PGH.cif ./3GOU.ci2 -outfmt 2 -o HEMOGLOBIN
#PDBchain1      PDBchain2       TM1     TM2     RMSD    ID1     ID2     IDali   L1      L2     Lali
./2PGH.cif:A:B:C:D      ./3GOU.cif:C:D:A:B      0.9869  0.9869  1.03    0.815   0.815   0.815  574      574     574

在运行上述示例后，你可以在运行目录里看到以下新增文件：

  • HEMOGLOBIN.cif：Structure1 的晶体文件，此处各原子的坐标根据比对结果进行了修改。
  • HEMOGLOBIN_*.pml：用于输入给 PyMol 进行比对结果可视化的文件。不同的 pml 文件对应不同的可视化方式。

你可以运行以下命令安装 PyMol 并可视化比对结果：

1
2
3
4
# 安装
conda install schrodinger::pymol
# 可视化
pymol -c -d @HEMOGLOBIN_all_atm.pml -x 3000 -y 3000 -g HEMOGLOBIN_all_atm.png
红色和蓝色分别对应两个比对的结构

如果你想要输出的图片更清晰，也可以手动对 pml 文件进行调节，按照 PyMol 的命令方式对其添加抗锯齿并增大分辨率，修改相关设置后的图片示例可见此处。你也可以将两个结构加载到交互式 PyMol 应用程序中进行调节。

参考材料

  1. Zhang et al. 2022, Nat Methods: US-align: universal structure alignments of proteins, nucleic acids, and macromolecular complexes

  2. 不对称单元与晶胞，生物单元概念解析：https://www.novopro.cn/articles/201904261180.html