从序列到结构：肽和 DNA 的 SMILES、分子式与质量，附免费工具

关键术语，一句话解释

从肽序列到结构

每形成一个肽键就释放一分子水。因此线性肽的分子式等于各残基分子式之和，再加上两个游离末端对应的一分子 H₂O。

计算示例，GGG：甘氨酸为 C₂H₅NO₂。三个甘氨酸合计 C₆H₁₅N₃O₆。两个肽键去掉 2 H₂O。结果：C₆H₁₁N₃O₄，单同位素质量 189.0750 Da。

顺序很重要。Asp-Phe（DF）的游离 NH₂ 在天冬氨酸上，而 Phe-Asp（FD）的游离氨基在苯丙氨酸上。它们分子式相同，但是不同的分子。

每个 α-碳都是 L 型。按 CIP 规则，除半胱氨酸外所有标准残基都是 S 构型；半胱氨酸是 R 构型，因为硫的优先级高于羧基。甘氨酸没有手性中心。异亮氨酸为 (2S,3S)，苏氨酸为 (2S,3R)。

端基会改变分子式：

• N 端乙酰基：+ C₂H₂O，+42.0106 Da。
• C 端酰胺：−OH 变为 −NH₂，−0.9840 Da。
• 首尾环化：多一个肽键，−H₂O，−18.0106 Da。
• 二硫键：每个 S–S 键 −2 H，−2.0157 Da。

pI、电荷和摩尔吸光系数

肽的净电荷是所有可电离基团电荷之和。碱性基团贡献 +1 / (1 + 10^{pH − pKa})。酸性基团贡献 −1 / (1 + 10^{pKa − pH})。等电点（pI）是净电荷为零时的 pH。

该工具使用 EMBOSS pKa 数据集：N 端 8.6、C 端 3.6、Asp 3.9、Glu 4.1、His 6.5、Cys 8.5、Tyr 10.1、Lys 10.8、Arg 12.5。GGG 只有两个末端基团，所以 pI = (3.6 + 8.6) / 2 = 6.10。

280 nm 处的摩尔消光系数来自 Trp、Tyr 和胱氨酸：ε₂₈₀ = 5500 × n(Trp) + 1490 × n(Tyr) + 125 × n(cystine) M⁻¹ cm⁻¹（Pace 等，1995）。不含 Trp、Tyr 或 Cys 的肽在 280 nm 处没有吸收。

从 DNA 或 RNA 序列到结构

每个核苷酸的碱基都连在糖的 1′ 位碳上：腺嘌呤和鸟嘌呤通过 N9 连接，胞嘧啶、胸腺嘧啶和尿嘧啶通过 N1 连接。所有的糖都是 β-D 型。磷酸基团把一个核苷酸的 3′-氧与下一个核苷酸的 5′-氧连接起来，所以每条链都有一个 5′ 端和一个 3′ 端。

计算示例，5′-ATGC-3′：四种脱氧核苷分别为 dA C₁₀H₁₃N₅O₃、dT C₁₀H₁₄N₂O₅、dG C₁₀H₁₃N₅O₄ 和 dC C₉H₁₃N₃O₄，合计 C₃₉H₅₃N₁₅O₁₆。3 个磷酸二酯键各加上 H₃PO₄ 并去掉 2 H₂O，净增 PO₂ 减一个 H。结果：C₃₉H₅₀N₁₅O₂₂P₃，1173.82 g/mol。5′-磷酸再加上 HPO₃（+79.9663 Da）。

RNA 的每个核糖上都有 2′-OH，即每个核苷酸多一个氧原子，并且用 U 代替 T。

• GC 含量：(G + C) / N × 100 %。
• 互补序列：A 与 T（RNA 中为 U）配对，G 与 C 配对，从 3′ 读到 5′。
• 反向互补序列：按 5′ 到 3′ 书写的互补序列。
• T_m，Wallace 规则（少于 14 nt）：2 × (A + T) + 4 × (G + C) °C。
• T_m，基本 GC 公式（14 nt 及以上）：64.9 + 41 × (G + C − 16.4) / N °C。

如何使用 MolDraw 序列转结构工具

1. 打开肽和 DNA 序列转结构页面，选择肽或 DNA 或 RNA。
2. 输入或粘贴序列。空格、数字、短横线和 FASTA 标题行都会被忽略。输入格式会自动识别单字母或三字母代码。
3. 对于肽，根据需要勾选 N 端乙酰基（Ac-）、C 端酰胺（-NH₂）、首尾环化或二硫键（Cys 1–2、3–4…）。对于 DNA 或 RNA，如果 5′ 端被磷酸化，勾选 5′-磷酸。
4. 点击生成结构。输入时结果会实时更新。
5. 使用复制 SMILES、下载 MOL、下载 SDF或在 MolDraw 编辑器中打开。最多绘制 30 个残基或核苷酸。更长的序列（最多 2000 个）仍会给出分子式、质量和 SMILES。

例题

例 1：用于质谱分析的血管紧张素 II

DRVYIHPF 得到 C₅₀H₇₁N₁₃O₁₂。单同位素质量 1045.5345 Da，[M+H]⁺ 1046.5418，[M+2H]²⁺ 523.7745。pI 7.54，pH 7 时电荷为 +0.22。一个 Tyr 给出 ε₂₈₀ = 1490 M⁻¹ cm⁻¹。

例 2：含二硫键和酰胺的催产素

输入 CYIQNPCLG，勾选 C 端酰胺和二硫键。Cys1 与 Cys6 相连，闭合成一个 20 元环。结果：C₄₃H₆₆N₁₂O₁₂S₂，1007.19 g/mol，单同位素质量 1006.4365 Da。

例 3：M13 正向测序引物

5′-GTAAAACGACGGCCAGT-3′ 有 17 nt，其中 9 个是 G 或 C，所以 GC = 52.9 %。14 nt 及以上适用基本 GC 公式：T_m = 64.9 + 41 × (9 − 16.4) / 17 = 47.1 °C。反向互补序列为 5′-ACTGGCCGTCGTTTTAC-3′。

例 4：EcoRI 位点

5′-GAATTC-3′ 的反向互补序列就是它本身，限制性酶切位点通常都是这样。GC = 33.3 %，Wallace T_m = 2 × 4 + 4 × 2 = 16 °C。作为带游离末端的单链，它是 C₅₉H₇₅N₂₂O₃₄P₅，1791.22 g/mol。

汇总表

常见错误

• 从错误的一端书写肽。YGGFL 是亮氨酸脑啡肽，LFGGY 则是另一个肽。
• 每个残基都加一分子水。线性链总共只加一分子 H₂O，而不是每个残基加一分子。环肽则不加。
• 用平均质量对应质谱峰。高分辨质谱峰对应的是单同位素质量。
• 忘记二硫键。每个 S–S 键为 −2.016 Da。
• 混淆 T 和 U。T 用于 DNA，U 用于 RNA。
• 按普通互补序列订购引物。寡核苷酸是从 5′ 到 3′ 合成的，所以你通常需要的是反向互补序列。
• 对长引物使用 Wallace 规则。超过约 14 nt 时，它会高估 T_m。

相关工具

相关指南