实验课8 R蛋白 R代码整理¶

对应材料：

实验/课件/实验课8-R蛋白-更新.pptx
回放/生物信息学（协和班）第16周星期4第8,9节_笔记.txt
老师板书整理

说明¶

这份整理以老师板书为主，结合课件和第16周实验课回放做了必要补全。
这节实验课主要分成两块：
Task1 蛋白质序列特征分析
Task2 蛋白质结构分析与三维结构可视化
老师在回放里明确说，这节课整体是“最容易的一堂实验课”之一，但不代表可以不复习；它对应的是蛋白序列和结构分析的常用基础方法。

一、老师对这节实验课的相关要求¶

老师在回放里强调了几件很关键的事：

八堂实验课学过的步骤、流程、代码思路都要特别熟。
不只是会跑代码，还要会：
画流程图
用语言描述完整步骤
解释每一步输入、处理和输出
这节课的代码本身不算难，重点是理解“一个蛋白序列读进来之后，可以做哪些常见特征分析”和“拿到 PDB 后可以怎样做结构分析和可视化”。

老师对这节课的定位大致是：

很实用
偏基础
适合做批处理
适合作为实验课方法题、流程题或应用题素材

另外老师还特别讲了两点：

1. 为什么还要写代码，不直接用在线工具¶

老师回放里明确说：

如果只分析一两条蛋白序列，在线工具也能做
但代码的优势是方便批处理
如果以后要处理成百上千甚至更多序列，写代码更实用

2. 这节课的重点不是“背全所有高级特征名”¶

老师说得很清楚：

课上列的是常用例子
真正做研究时，序列特征可以扩展出上千、上万种
所以考试和复习更重要的是知道：
先读序列
再看组成
再看理化性质
再看高级描述符
再进入结构分析和 3D 可视化

二、实验所需包：老师板书和课件附录¶

老师板书最上面写了这些包，课件附录也对应列出来了：

library(Biostrings)
library(Peptides)
library(protr)
library(bio3d)
library(r3dmol)
library(magrittr)
library(rstudioapi)

课件附录还专门提醒：

readAAStringSet() 来自 Biostrings
%>% 来自 magrittr
pdb_6zsl 是 r3dmol 的内置示例数据，不需要自己下载

三、Task1：蛋白质序列特征分析¶

1. 板书整理后的主干 R 代码¶

library(Biostrings)
library(Peptides)
library(protr)

protein_file <- "uniprotkb_accession_Q7W...fasta"

protein_sequence <- readAAStringSet(protein_file)
sequence_choose <- as.character(protein_sequence[[1]])

hydrophobicity(
  sequence_choose,
  scale = "KyteDoolittle"
)

mw(sequence_choose)

aIndex(sequence_choose)

pI(
  sequence_choose,
  pKscale = "EMBOSS"
)

extractAAC(sequence_choose)

dc <- extractDC(sequence_choose)
head(dc, n = 5)

data(AAdata)

autoCorrelation(
  sequence = sequence_choose,
  lag = 1,
  property = AAdata$Hydrophobicity$KyteDoolittle
)

protFP(sequence_choose)

blosumIndices(sequence_choose)

mswhimScores(sequence_choose)

vhseScales(sequence_choose)

四、Task1 代码对应老师板书的哪几块¶

1. 先读蛋白序列，再选一条序列出来¶

对应第一张板书左上：

protein_file <- "uniprotkb_accession_...fasta"
protein_sequence <- readAAStringSet(protein_file)
sequence_choose <- as.character(protein_sequence[[1]])

老师回放里讲得很清楚：

第一步就是把序列读进去
然后选一条出来分析

也就是说，这节课最前面的输入非常简单：

一个蛋白质 fasta 文件
读入后取其中一条序列做演示

2. 常见理化性质¶

对应第一张板书左下：

hydrophobicity(sequence_choose, scale = "KyteDoolittle")
mw(sequence_choose)
aIndex(sequence_choose)
pI(sequence_choose, pKscale = "EMBOSS")

这些分别对应老师回放里提到的常见指标：

疏水性指数
分子量 MW
脂肪指数 A index
等电点 pI

这部分是最基础、最容易理解的一块。

3. 氨基酸组成和二肽组成¶

对应第一张板书右上：

extractAAC(sequence_choose)

dc <- extractDC(sequence_choose)
head(dc, n = 5)

这里的逻辑是：

extractAAC()：氨基酸组成
extractDC()：二肽组成

老师回放里说得很直接：

先看组成
再看理化性质

这块很适合出“某类函数是干什么的”这种基础题。

4. 更高级一点的描述符¶

对应第一张板书中下和右下：

data(AAdata)

autoCorrelation(
  sequence = sequence_choose,
  lag = 1,
  property = AAdata$Hydrophobicity$KyteDoolittle
)

protFP(sequence_choose)
blosumIndices(sequence_choose)
mswhimScores(sequence_choose)
vhseScales(sequence_choose)

老师回放里对这部分的定位是：

这只是举例
真正做研究时，高级特征远不止这些
课上主要是让大家知道“蛋白序列特征可以往很深很广扩展”

所以考试复习时，这块不一定要求你死背每一个名字，但要会说：

这类函数是在提取更高级的数值化特征
后续可用于机器学习、聚类、分类或批量分析

五、Task1 最该掌握什么¶

如果按考试思路复习，这部分最该抓的是这条主线：

读入蛋白序列
-> 选一条序列
-> 看氨基酸组成
-> 看理化性质
-> 看高级描述符
-> 输出一组可以继续分析的数值特征

老师回放里实际上强调的是：

输入一个蛋白序列
不同函数只是从不同角度提取特征
这些特征以后可以批量算

六、Task2：蛋白质结构分析¶

1. 板书整理后的主干 R 代码¶

library(bio3d)

pdb <- read.pdb("1hel")

print(pdb)

modes <- nma(pdb)
plot(modes)

plot(
  modes,
  sse = pdb
)

plot.bio3d(
  pdb$atom$b[pdb$calpha],
  sse = pdb,
  typ = "l",
  ylab = "B-factor"
)

七、Task2 代码对应老师板书的哪几块¶

1. 读入 PDB 结构¶

对应第二张板书左上：

pdb <- read.pdb("1hel")
print(pdb)

老师回放里说得很清楚：

结构分析一般需要一个 PDB 文件
如果知道 PDB ID，可以直接读入

这里的 1hel 就是老师举的示例。

2. 正常模态分析¶

对应第二张板书左中：

modes <- nma(pdb)
plot(modes)
plot(modes, sse = pdb)

这部分是结构层面的分析：

nma() 做正常模态分析
再通过 plot() 看结果

老师这节课没有把这一块讲得特别深，更多是在展示“PDB 读进来以后可以做什么分析”。

3. B-factor 波动图¶

对应第二张板书左下：

plot.bio3d(
  pdb$atom$b[pdb$calpha],
  sse = pdb,
  typ = "l",
  ylab = "B-factor"
)

老师回放里明确点了这个：

结构分析部分要看一个典型的 B-Factor 波动图

所以这块最该会解释的是：

B-Factor 反映局部原子/残基的波动或柔性
曲线不同位置高低不同，说明不同区域稳定性不同

八、Task3：蛋白质三维结构可视化¶

1. 板书整理后的主干 R 代码¶

library(r3dmol)
library(magrittr)

data(
  pdb_6zsl,
  package = "r3dmol"
)

r3dmol() %>%
  m_add_model(
    data = pdb_6zsl,
    format = "pdb"
  ) %>%
  m_zoom_to() %>%
  m_set_style(
    style = m_style_cartoon(
      color = "spectrum"
    )
  )

九、Task3 代码对应老师板书的哪几块¶

对应第二张板书右侧：

data(
  pdb_6zsl,
  package = "r3dmol"
)

r3dmol() %>%
  m_add_model(data = pdb_6zsl, format = "pdb") %>%
  m_zoom_to() %>%
  m_set_style(style = m_style_cartoon(color = "spectrum"))

这块逻辑很直观：

先加载内置 PDB 数据
创建 3D 可视化对象
加入模型
缩放到合适视角
用 cartoon 样式和 spectrum 配色显示

老师回放里提到：

R 里可以直接做 3D 可视化
还能用鼠标拖动、缩放、旋转
但如果做更专业的结构展示，他自己更常用 PyMOL

所以这节课对考试最重要的，不是 3D 界面怎么操作，而是你要知道：

PDB 结构读进来后可以在 R 里直接做基础三维展示

十、老师回放里对考试最有价值的提醒¶

1. 实验课所有流程都要特别熟¶

老师这节回放里其实是在最后总复习，所以他说得很直接：

八堂实验课的步骤、流程、代码思路都要熟
不只是会写，还要会讲
也要会画流程图

2. 应用题很可能要求“文字描述 + 流程图”¶

老师明确说：

应用题里要写完整描述性的语言
还要画标准流程图

所以这节课如果出应用题，最稳妥的写法就是：

输入什么
先做什么
再做什么
最后输出什么结果

3. 这节课代码很适合说明“为什么实验课用代码”¶

老师强调：

单条序列在线做也行
但写代码适合批处理

这其实很适合写进应用题答案里，因为它能解释“为什么不用网站，而要写 R”。

十一、这节实验课最该怎么复习¶

1. 蛋白序列特征分析¶

最该背的不是所有函数名，而是这条主线：

读入蛋白序列
-> 选定一条序列
-> 分析氨基酸组成
-> 分析理化性质
-> 提取高级描述符

2. 蛋白结构分析¶

最该背的是：

读入PDB
-> 做结构分析
-> 画B-factor等结构图
-> 进行三维可视化

3. 这节课和考试的关系¶

这节课本身不一定是最核心的大题来源，但它和老师总复习要求高度一致的地方在于：

实验课代码思路
输入到输出的完整流程
用语言描述每一步
流程图规范表达

十二、如果考试让你写流程图或伪代码，最稳妥的写法¶

1. 蛋白序列特征分析¶

输入：蛋白质fasta序列

1. 读取蛋白质序列
2. 选取需要分析的目标序列
3. 计算氨基酸组成与二肽组成
4. 计算理化性质，如疏水性、分子量、脂肪指数、等电点
5. 进一步提取高级描述符
6. 输出一组蛋白质序列特征

2. 蛋白质结构分析与三维可视化¶

输入：PDB文件或PDB编号

1. 读取蛋白质三维结构
2. 对结构做基础分析
3. 计算或展示B-factor等结构特征
4. 构建三维可视化对象
5. 设置显示样式并进行可视化
6. 输出结构分析结果和三维图像

十三、一句提醒¶

这节实验课最重要的不是把所有特征名都背全，而是你要会解释：

蛋白序列读进来后可以提取哪些常见特征
为什么写代码比在线工具更适合批处理
PDB 文件能支持哪些基础结构分析
B-factor 图和三维可视化各自在看什么