QuantumPDB技术附录

QuantumPDB完整模块架构

1. qp.structure：结构修复与标准化

功能：从本地或PDB服务器获取结构文件，执行初始结构修复

图3：qp.structure和qp.protonate子包的架构概述。绿色和蓝色分别表示qp.structure和qp.protonate模块，橙色框表示函数，黑色圆圈表示结构文件输入输出，黑色方框表示其他非结构文件。

关键特性：

• 缺失残基建模：get_residues函数识别缺失残基和重原子，基于序列信息重建
• 结构补全：用Modeller补全缺失残基、loop和重原子；氢原子添加主要由后续qp.protonate中的Protoss完成
• 非标准残基处理：保留HETATM记录中的辅因子、配体等

对于金属酶，工作流采用启发式修正策略：重新定向组氨酸咪唑环、为Protoss不识别的非标准残基补氢，并去质子化金属配位残基。

2. qp.protonate：质子化状态分配

功能：用Protoss添加氢原子、枚举互变异构体并优化氢键网络，同时处理原子占有率和构象冲突

核心算法：

• Protoss反馈循环：调用Protoss添加氢原子并分配质子化状态；若Protoss因空间冲突删除残基，QuantumPDB会回到Modeller步骤删除冲突残基、重建并重新提交。
• 部分占有率处理：clean_occupancy不会做坐标加权平均，而是根据中心残基优先、标准氨基酸优先、占有率更高和解析原子更多等规则，选择一套自洽构象。
• 金属中心特殊处理：adjust_activesites会重定向可能误配的组氨酸咪唑环、为Protoss不识别的非标准残基补氢，并去质子化金属配位残基；可变氧化态和自旋态仍需用户输入。

输入要求：用户需提供可变金属的氧化态和体系自旋多重度，因为这些电子性质无法仅从结构数据唯一确定。

3. qp.cluster：基于Voronoi的簇构建

Dummy原子正则化的作用：

在配体结合口袋、蛋白-蛋白界面或溶剂暴露表面等低密度区域，Voronoi细胞几何形状会因某些方向缺乏邻近原子而变得高度各向异性和拉长，导致后续簇模型边界不规则。fill_dummy通过在蛋白周围3D网格上均匀放置dummy原子，提高镶嵌分辨率，确保形成致密、各向同性、几何规则的Voronoi细胞。

4. qp.manager：QM计算管理

功能：为TeraChem和ORCA创建输入文件、提交计算并监控作业状态；如果用户已有自己的调度接口，也可以关闭内置作业创建或提交步骤

图5：qp.cluster和qp.manager子包的架构概述。紫色和灰色分别表示qp.cluster和qp.manager模块，橙色框表示函数，黑色圆圈表示结构文件输入输出，黑色方框表示其他非结构文件。

支持的软件包：

• GPU加速：TeraChem
• CPU计算：ORCA
• 作业调度：SLURM和SGE；其他量子化学程序可通过绕过内置qp.manager或扩展模板接入

计算设置：

• 用户可配置项：方法、基组、介电常数等由YAML和模板写入QM输入文件。
• 本文大规模算例：使用GPU加速的ωPBEh-D3(BJ)/LACVP*单点能计算，而不是B3LYP-D3/def2-SVP。
• 嵌入方案：可生成MM点电荷文件，默认从ff14SB兼容字典或用户JSON读取电荷；非标准残基、糖和辅因子若不在字典中会被排除并给出警告。
• 点电荷范围：默认保留QM簇质心20.0 Å内的MM残基电荷，并移除距离QM原子0.5 Å内的MM原子以避免重复计数。

5. qp.analysis：电子性质分析

功能：从QM输出中提取和计算电子性质

关键分析：

• 部分电荷：Hirshfeld、Mulliken、CM5等Multiwfn支持的电荷方案
• 偶极矩：底物在酶环境和孤立状态下的偶极矩对比
• 电荷转移：酶-底物复合物中的电荷流动
• 比较分析：酶环境 vs 隐式水溶剂对底物电子结构的影响

灵活的中心定义策略

QuantumPDB支持三种中心选择模式，适应不同化学场景：

1. 高度特异性：[残基名]_[链ID][残基编号]格式，指定精确的残基实例，例如SIN_A200
2. 通用类型：仅基于残基类型（如FE、CU），适用于多实例扫描
3. HETATM记录：限于非标准残基（底物、辅因子），避免为每个氨基酸生成簇

复杂场景处理：

• 多金属中心：merge_cutoff_distance参数将多个金属原子合并为单一中心
• 多残基配体：可将整个寡糖、多肽药物定义为簇中心
• 翻译后修饰：GFP发色团（Ser65-Tyr66-Gly67三聚体）可整体定义为中心

图7：QuantumPDB生成的多残基中心系统QM簇模型。（左上）C型凝集素Langerin（CD207，PDB ID: 3P5F），钙离子和结合的甘露寡糖合并为中心；（右上）环孢素A结合的亲环蛋白（PDB ID: 1CWA），整个11残基环肽定义为中心；（左下）绿色荧光蛋白（GFP，PDB ID: 1EMA），由Ser65-Tyr66-Gly67形成的翻译后修饰发色团CRO定义为中心；（右下）木聚糖酶XynII（PDB ID: 4HK8），多糖底物中两个中心木糖单元定义为中心，使模型聚焦在待切割糖苷键附近。

金属酶的自动处理

金属酶是QM建模的难点和重点。QuantumPDB针对常见金属酶类型内置启发式修正规则（图6）：

• 双核金属中心：甲烷单加氧酶（MMO，PDB ID: 1FYZ）的两个铁原子可通过merge_cutoff_distance合并为单一中心
• 长程双铜中心：肽基甘氨酸α-羟化单加氧酶（PHM，PDB ID: 1PHM）的两个远距离铜原子可合并
• 血红素复合物：氧合肌红蛋白（PDB ID: 1MBO）的铁-卟啉-O₂和远端组氨酸可合并为中心。
• 腈水合酶：NHase（PDB ID: 3A8O）的铁中心由主链酰胺、非标准CSO/CSD残基等配位，adjust_activesites会自动处理3.0 Å内金属配位主链氮的去质子化。

图6：QuantumPDB生成的代表性金属酶QM簇模型。（左上）甲烷单加氧酶（MMO，PDB ID: 1FYZ）的双铁中心通过合并两个铁原子定义；（右上）肽基甘氨酸α-羟化单加氧酶（PHM，PDB ID: 1PHM）的长程双铜中心通过合并两个铜原子定义；（左下）氧合肌红蛋白（PDB ID: 1MBO）的铁、卟啉和结合的O₂分子定义为中心；（右下）腈水合酶（NHase，PDB ID: 3A8O）的铁中心及其主链酰胺和非标准CSO/CSD配位环境。第一、第二、第三球层分别为灰色、浅蓝色和紫色；中心原子外描黑框，配位键用紫色虚线表示。

技术挑战与解决方案

挑战1：部分占有率处理

晶体结构中常有alternate conformation（AltLoc），即同一残基有多个构象选项，各带有占有率。

QuantumPDB策略：

• 单一构象选择：在质子化之前必须选定一套自洽坐标，而不是保留多构象或做占有率加权平均。
• 优先级规则：优先保留用户指定的中心活性位点残基，其次是标准氨基酸和其他残基类型；同一优先级下选择平均占有率更高、解析原子更多的构象。
• 冲突处理：对有alternate conformation的残基建立队列，逐个检查与邻近残基的重叠，并保留优先级更高的一方。

挑战2：金属中心电子结构推断

金属的氧化态和自旋态无法仅从结构确定。

QuantumPDB策略：

• 用户输入：要求用户在CSV中提供可变金属的氧化态和体系自旋多重度。
• 自动处理范围：ligand_prop可处理简单离子和NO、O₂等预定义自由基物种，但不自动判定可变金属的氧化态和自旋态。
• 结构启发式修正：对金属配位组氨酸、半胱氨酸、酪氨酸、非标准CSO/CSD残基和主链酰胺执行几何与质子化修正。

挑战3：簇边界加帽

切断的共价键需用氢原子或保护基封闭，避免悬空键。

QuantumPDB策略：

• 肽键切断：用氢原子（N-H）或N-甲基乙酰胺/乙酰基封闭
• C-N键：build_hydrogen（氢帽）或build_heavy（NME/ACE帽）
• 金属-配体键：通常保留在簇内，不切断

数据集详细构建流程

为验证QuantumPDB的通用性和鲁棒性，作者构建了一个高质量的holo-酶数据集：

数据集构建流程：

1. PDB检索：2024年8月6日通过PDB REST API检索7个主要EC类别，得到101,633个蛋白结构。
2. UniProt注释：成功识别100,300个结构对应的蛋白及底物注释。
3. 结构质量过滤：排除疑似apo结构，仅保留X-ray结构、分辨率小于3.0 Å、带DOI，并去除原子数异常大的体系，得到57,580个候选结构。
4. Rhea/ChEBI底物核对：用ChEBI标识符和Rhea反应参与者确认晶体结构中配体是否为原生反应底物。
5. 最终数据集：989个holo-enzyme，覆盖6个主要EC类别（translocases，EC 7除外）。

DFT计算规模：

• 1,673个多球层QM簇模型（来自842个酶）
• 计算设置：ωPBEh-D3(BJ)/LACVP* DFT单点能计算，QM区包含第一和第二相互作用球层，并加入MM点电荷嵌入。
• 对照体系：底物单独置于介电常数$\varepsilon = 80$的隐式水溶剂中。
• 分析性质：Multiwfn实空间部分电荷、底物片段偶极矩和酶-底物电荷转移量。