思途智旅游网站开发,如何做网站购物车,德州网站建设 绮畅,哪个平台买东西最便宜PDB文件解析
PDB文件设计得非常好#xff0c;能够比较完整地记录实验测定数据
读懂蛋白质PDB文件-腾讯云开发者社区-腾讯云 (tencent.com)
科学网—PDB文件格式说明 - 李继存的博文 (sciencenet.cn)
从蛋白质结构来看#xff0c;首先它会有多种不同的测定模型#xff0c…PDB文件解析
PDB文件设计得非常好能够比较完整地记录实验测定数据
读懂蛋白质PDB文件-腾讯云开发者社区-腾讯云 (tencent.com)
科学网—PDB文件格式说明 - 李继存的博文 (sciencenet.cn)
从蛋白质结构来看首先它会有多种不同的测定模型然后每个模型中包含多条链每条连上包含若干个残基每个残基包含若干个原子
在biopython.PDB包中可以找到这些概念对应的模块model、chain、residue、atom
Bio.PDB软件包 — Biopython 1.79 文档 (osgeo.cn)
首先用PDBParser读取文件获得structure
struct parser.get_structure(0,pdbfilepath)
model struct.get_models().__next__()
struct内部的一层结构是model我们只取第一个model
然后就可以用循环遍历chains、residues、atoms
for chain in model.get_chains():for residue in chain.get_residues():for atom in residue.get_atoms():
虽然也可以直接从structure中获取atom序列、residue序列、chain序列
但是这样就失去了一些从属关系
另外还可以通过查询的方式获得残基中的某个原子
例如使用residue[CA]就可以获取残基residue中名字为‘CA’的原子氨基酸α碳原子
所以我们只需要枚举残基给每个残基的Cα原子进行编号就可以了
一般的PDB文件中都包含原子坐标数据可以用它来作为这个氨基酸的一个特征
另外为了获得序列我们还需要把氨基酸的三字母缩写转化为一字母缩写下面是一个转换矩阵。
three2one {VAL:V, ILE:I, LEU:L, GLU:E, GLN:Q,ASP:D, ASN:N, HIS:H, TRP:W, PHE:F, TYR:Y, ARG:R, LYS:K, SER:S, THR:T, MET:M, ALA:A, GLY:G, PRO:P, CYS:C
} 使用DGL对蛋白质建图
DGL库接口解析dgl — DGL 2.1.0 documentation
建图的方法就很多了得看个人的设计有只根据Cα原子之间的距离进行建图的有使用所有原子来建图的也有用肽链原子残基Cβ原子二硫键建图的只能说是五花八门不过这些都只是多写几个if 的问题。
特征构造的方式就更多了
简单的边不加特征氨基酸作为点用独热向量作为特征
复杂的就多了去了有加化学键长度的有对化学键加入类别的有加入残基直径的还有加入原子数、分子量、氨基酸电性的氨基酸特征向量还可以用一些序列比对的特征值例如blosumpamcIndex of /blast/matrices (nih.gov) 总之想法很多但真正有用的就那么几个。
DGL添加点第一个参数是点的个数后面是一个dict里面写这个点的特征向量tensor但必须行数相同
graph.add_nodes(1, {pos: pos_feature, res: residue_feature})
DGL添加边必须用两个tensor来表示两个端点的编号后面的dict同样是边的特征向量
值得注意的是DGL只会添加单向边所以无向边需要加两次
ps在网上看到许多写法都是graphdgl.add_edges(graph,……)但graph.adde_edges()也是可以用的
graph.add_edges(torch.tensor([atom_num-1]), torch.tensor([atom_num]), {feat: Peptide_bond_feature})
这里我使用的是只根据肽键和Cα原子进行建图以Cα原子代替氨基酸作为点边为两个氨基酸之间是否存在肽键点特征为氨基酸的blosum80特征和坐标特征边特征为独热向量方便以后加入其他类型的边。
import Bio.PDB.PDBParser
import os
import numpy
import torch
import dglparser Bio.PDB.PDBParser()
# 连接Cα的肽键的边特征向量
Peptide_bond_feature torch.tensor([1.0,0.0])
# 连接Cα的二硫键的边特征向量
S_S_bond_feature torch.tensor([0.0,1.0])three2one {VAL:V, ILE:I, LEU:L, GLU:E, GLN:Q,ASP:D, ASN:N, HIS:H, TRP:W, PHE:F, TYR:Y, ARG:R, LYS:K, SER:S, THR:T, MET:M, ALA:A, GLY:G, PRO:P, CYS:C
}
# 氨基酸的特征
AA_feature_blosum80 {
A : torch.tensor([ 7, -3, -3, -3, -1, -2, -2, 0, -3, -3, -3, -1, -2, -4, -1, 2, 0, -5, -4, -1, -3, -2, -1]),
R : torch.tensor([-3, 9, -1, -3, -6, 1, -1, -4, 0, -5, -4, 3, -3, -5, -3, -2, -2, -5, -4, -4, -2, 0, -2]),
N : torch.tensor([-3, -1, 9, 2, -5, 0, -1, -1, 1, -6, -6, 0, -4, -6, -4, 1, 0, -7, -4, -5, 5, -1, -2]),
D : torch.tensor([-3, -3, 2, 10, -7, -1, 2, -3, -2, -7, -7, -2, -6, -6, -3, -1, -2, -8, -6, -6, 6, 1, -3]),
C : torch.tensor([-1, -6, -5, -7, 13, -5, -7, -6, -7, -2, -3, -6, -3, -4, -6, -2, -2, -5, -5, -2, -6, -7, -4]),
Q : torch.tensor([-2, 1, 0, -1, -5, 9, 3, -4, 1, -5, -4, 2, -1, -5, -3, -1, -1, -4, -3, -4, -1, 5, -2]),
E : torch.tensor([-2, -1, -1, 2, -7, 3, 8, -4, 0, -6, -6, 1, -4, -6, -2, -1, -2, -6, -5, -4, 1, 6, -2]),
G : torch.tensor([ 0, -4, -1, -3, -6, -4, -4, 9, -4, -7, -7, -3, -5, -6, -5, -1, -3, -6, -6, -6, -2, -4, -3]),
H : torch.tensor([-3, 0, 1, -2, -7, 1, 0, -4, 12, -6, -5, -1, -4, -2, -4, -2, -3, -4, 3, -5, -1, 0, -2]),
I : torch.tensor([-3, -5, -6, -7, -2, -5, -6, -7, -6, 7, 2, -5, 2, -1, -5, -4, -2, -5, -3, 4, -6, -6, -2]),
L : torch.tensor([-3, -4, -6, -7, -3, -4, -6, -7, -5, 2, 6, -4, 3, 0, -5, -4, -3, -4, -2, 1, -7, -5, -2]),
K : torch.tensor([-1, 3, 0, -2, -6, 2, 1, -3, -1, -5, -4, 8, -3, -5, -2, -1, -1, -6, -4, -4, -1, 1, -2]),
M : torch.tensor([-2, -3, -4, -6, -3, -1, -4, -5, -4, 2, 3, -3, 9, 0, -4, -3, -1, -3, -3, 1, -5, -3, -2]),
F : torch.tensor([-4, -5, -6, -6, -4, -5, -6, -6, -2, -1, 0, -5, 0, 10, -6, -4, -4, 0, 4, -2, -6, -6, -3]),
P : torch.tensor([-1, -3, -4, -3, -6, -3, -2, -5, -4, -5, -5, -2, -4, -6, 12, -2, -3, -7, -6, -4, -4, -2, -3]),
S : torch.tensor([ 2, -2, 1, -1, -2, -1, -1, -1, -2, -4, -4, -1, -3, -4, -2, 7, 2, -6, -3, -3, 0, -1, -1]),
T : torch.tensor([ 0, -2, 0, -2, -2, -1, -2, -3, -3, -2, -3, -1, -1, -4, -3, 2, 8, -5, -3, 0, -1, -2, -1]),
W : torch.tensor([-5, -5, -7, -8, -5, -4, -6, -6, -4, -5, -4, -6, -3, 0, -7, -6, -5, 16, 3, -5, -8, -5, -5]),
Y : torch.tensor([-4, -4, -4, -6, -5, -3, -5, -6, 3, -3, -2, -4, -3, 4, -6, -3, -3, 3, 11, -3, -5, -4, -3]),
V : torch.tensor([-1, -4, -5, -6, -2, -4, -4, -6, -5, 4, 1, -4, 1, -2, -4, -3, 0, -5, -3, 7, -6, -4, -2]),
B : torch.tensor([-3, -2, 5, 6, -6, -1, 1, -2, -1, -6, -7, -1, -5, -6, -4, 0, -1, -8, -5, -6, 6, 0, -3]),
Z : torch.tensor([-2, 0, -1, 1, -7, 5, 6, -4, 0, -6, -5, 1, -3, -6, -2, -1, -2, -5, -4, -4, 0, 6, -1]),
X : torch.tensor([-1, -2, -2, -3, -4, -2, -2, -3, -2, -2, -2, -2, -2, -3, -3, -1, -1, -5, -3, -2, -3, -1, -2]),
}def get_seq_graph_info(pdbfilepath):struct parser.get_structure(0,pdbfilepath)model struct.get_models().__next__()seq []graph dgl.DGLGraph()residue_num 0for chain in model.get_chains():residues chain.get_residues()# print(chain)chain_start_flag 1for residue in residues:res_name three2one[residue.get_resname()]seq.append(res_name)pos_feature torch.from_numpy(residue[CA].get_coord()).unsqueeze(0)residue_feature AA_feature_blosum80[res_name].unsqueeze(0)graph.add_nodes(1, {pos: pos_feature, res: residue_feature})if chain_start_flag 0 :graph.add_edges(torch.tensor([residue_num-1]), torch.tensor([residue_num]), {feat: Peptide_bond_feature})graph.add_edges(torch.tensor([residue_num]), torch.tensor([residue_num-1]), {feat: Peptide_bond_feature})residue_num 1chain_start_flag 0return seq,graphpdb_data_dir D:\PVT\data
file_list [os.path.join(pdb_data_dir, file) for file in os.listdir(pdb_data_dir)]
for file in file_list:if file.endswith(.pdb):print(processing file)seq,graph get_seq_graph_info(file)print(seq)print(graph)print(finished!)
运行结果 点数61边数120
可以看出这个蛋白质只是一条肽链
这样我们就从PDB文件中得到了 氨基酸序列和蛋白质的图
接下来就可以愉快地使用GNN之类的东西提取特征啦
