数据预处理-PDB文件，数据预处理-pdb

数据预处理-PDB文件，数据预处理-pdb

以下代码为个人原创，python实现，是处理PDB文件的部分常用代码，仅供参考！

1.下载PDB文件

下面是一个下载PDB文件的函数，传入的参数是一个写有pdb名字的namefile文件，函数的核心部分是三个系统命令，先通过wget下载，然后解压，最后替换名字。

def downloadpdb(namefile):
    inputfile = open(namefile, 'r')
    for eachline in inputfile:
        pdbname = eachline.lower().strip()
        os.system("wget http://ftp.wwpdb.org/pub/pdb/data/structures/all/pdb/pdb" + pdbname + ".ent.gz")
        os.system("gzip -d pdb" + pdbname + '.ent.gz')
        os.system("mv pdb" + pdbname + ".ent " + pdbname.upper() + '.pdb')

测试用例

os.chdir('/ifs/home/liudiwei/datasets/RPdatas')
downloadpdb('protein.name')

2.PDB转DSSP

将下载的PDB文件转成DSSP文件

# 处理一行dssp数据
def formatdsspline(dsspline):
    eachline  = dsspline
    col = '\t' + eachline[0:5]
    col += '\t' + eachline[5:10]
    col += '\t' + eachline[10:12]
    col += '\t' + eachline[12:15]
    col += '\t' + eachline[15:25]
    col += '\t' + eachline[25:39]
    col += '\t' + eachline[29:34]
    col += '\t' + eachline[34:38]
    col += '\t' + eachline[38:50]
    col += '\t' + eachline[50:61]
    col += '\t' + eachline[61:72]
    col += '\t' + eachline[72:83]
    col += '\t' + eachline[83:92]
    col += '\t' + eachline[92:97]
    col += '\t' + eachline[97:103]
    col += '\t' + eachline[103:109]
    col += '\t' + eachline[109:115]
    col += '\t' + eachline[115:122]
    col += '\t' + eachline[122:129]
    col += '\t' + eachline[129:136]
    return col

PDB转DSSP格式，需要DSSP软件

参数：

• pdbdir: pdb文件目录

• dsspdir: 生成的dssp文件目录（需创建）

def pdbToDSSP(pdbnamefile,pdbdir, dsspdir):    
    pdbfiles = os.listdir(pdbdir)
    #对于每个pdb文件，生成对应的dssp文件，并保存在dssp目录下
    for pdb_file in pdbfiles:
        pdb_name = pdb_file.split('.')[0].upper()
        command = 'DSSPCMBI.EXE -x ' + pdbdir +'/'+ pdb_file + '  '+ dsspdir +"/"+ pdb_name +'.dssp'
        os.system(command) 

    dsspfiles = os.listdir(dsspdir)

    if os.path.exists(dsspdir + "/DSSP"):      #判断DSSP文件是否存在，存在则删除
        dsspfiles.remove("DSSP")
    output=open(dsspdir + '/DSSP','w')
    #循环读取dssp文件，将其合并成一个整的DSSP
    with open(pdbnamefile, 'r') as namefile:
        for eachline in namefile:
            pdb_name = eachline.strip() 
            dssp_file = pdb_name + '.dssp'
        #for dssp_file in dsspfiles:
            #pdb_name = dssp_file.split('.')[0]
            with open(dsspdir + '/' + dssp_file,"r") as f:
                if not os.path.isdir(dsspdir + '/format'):
                    os.mkdir(dsspdir + '/format')
                with open(dsspdir + '/format/' + pdb_name + '.dssp.format','w') as singleOut:
                    count = 0; preRes=[]
                    sets = set('');content=''   
                    for eachline in f.readlines():
                        list1=[];oneline=[]
                        count+=1
                        list1.append(pdb_name)                             
                        if count >= 29:
                            eachline = formatdsspline(eachline)
                            oneline = e