以下代码均为个人原创,如有疑问,欢迎交流。新浪微博:拾毅者

本节内容:

  • pssm生成
  • pssm简化
  • 标准的pssm构建
  • 滑动pssm生成

在基于蛋白质序列的相关预測中。使用PSSM打分矩阵会得将预測效果大大提高,同一时候,假设使用滑动的PSSM,效果又会进一步提高。这里主要以分享代码为主,以下介绍下PSSM从生成到处理的全过程。

1.PSSM的生成

PSSM的生成有多种方式,这里使用的psiblast软件。ncbi-blast-2.2.28+/bin/psiblast。下载地址:http://blast.ncbi.nlm.nih.gov/Blast.cgi?CMD=Web&PAGE_TYPE=BlastNews#1 用法。输入一个序列,加上相关參数,直接输出PSSM文件

代码

#一个命令函数,依据pdb文件。使用blast生成pssm文件
def command_pssm(content, output_file,pssm_file):
os.system('/ifs/share/lib/blast/ncbi-blast-2.2.28+/bin/psiblast \
-query %s \
-db /ifs/data/database/blast_data/nr \
-num_iterations 3 \
-out %s \
-out_ascii_pssm %s &' %(content, output_file,pssm_file))

上面是运行的命令,封装成函数,以下为实际代码:

#对每一个序列进行PSSM打分
def pssm(proseq,outdir):
inputfile = open(proseq,'r')
content = ''
input_file = ''
output_file = ''
pssm_file = ''
chain_name = []
for eachline in inputfile:
if '>' in eachline:
if len(content):
temp_file = open(outdir + '/fasta/' + chain_name,'w')
temp_file.write(content)
input_file = outdir + '/fasta/' + chain_name
output_file = outdir + '/' + chain_name + '.out'
pssm_file = outdir + '/' + chain_name + '.pssm'
command_pssm(input_file, output_file,pssm_file)
temp_file.close
content = ''
chain_name = eachline[1:5] + eachline[6:7]
content += ''.join(eachline)
#print content
#print chain_name
if len(content):
temp_file = open(outdir + '/fasta/' + chain_name,'w')
temp_file.write(content)
input_file = outdir + '/fasta/' + chain_name
output_file = outdir + '/' + chain_name + '.out'
pssm_file = outdir + '/' + chain_name + '.pssm'
command_pssm(input_file, output_file,pssm_file)
temp_file.close
inputfile.close()

測试用例:

'''
#生成pssm文件,迭代次数为3
proseq = '/ifs/home/liudiwei/experiment/step2/data/protein.seq'
outdir = '/ifs/home/liudiwei/experiment/step2/pssm'
pssm(proseq,outdir)
'''

PSSM输出例子:

2.简化PSSM数据

通常我们须要的仅仅是前面的20列

以下通过代码来实现上面的功能:

#格式化pssm每行数据
def formateachline(eachline):
col = eachline[0:5].strip()
col += '\t' + eachline[5:8].strip()
begin = 9
end = begin +3
for i in range(20):
begin = begin
end = begin + 3
col += '\t' + eachline[begin:end].strip()
begin = end
col += '\n'
return col

简化pssm。仅仅要得到前面的20个氨基酸的打分值

def simplifypssm(pssmdir,newdir):
listfile = os.listdir(pssmdir)
for eachfile in listfile:
with open(pssmdir + '/' + eachfile,'r') as inputpssm:
with open(newdir + '/' + eachfile,'w') as outfile:
count = 0
for eachline in inputpssm:
count +=1
if count <= 3:
continue
if not len(eachline.strip()):
break
oneline = formateachline(eachline)
outfile.write(''.join(oneline))
''' Test example
pssmdir = '/ifs/home/liudiwei/experiment/step2/pssm/oldpssm'
newdir = '/ifs/home/liudiwei/experiment/step2/pssm/newpssm'
simplifypssm(pssmdir, newdir)
'''

3.得到标准的PSSM

通过上面抽取出来的PSSM,以下通过代码来获得一个滑动的PSSM

#标准的pssm,直接依据标准的pssm滑动
def standardPSSM(window_size,pssmdir,outdir):
listfile = os.listdir(pssmdir)
for eachfile in listfile:
outfile = open(outdir + '/' + eachfile, 'w')
with open(pssmdir + '/' + eachfile, 'r') as inputf:
inputfile = inputf.readlines()
for linenum in range(len(inputfile)):
content = []
first = [];second = [];third=[];last=[]
if linenum < window_size/2:
for i in range((window_size/2 - linenum)*20):
second.append('\t0')
if window_size/2 - linenum > 0:
countline = window_size - (window_size/2 - linenum)
else:
countline = window_size #get needed line count linetemp = 0
for eachline in inputfile:
if linetemp < linenum-window_size/2:
linetemp += 1
continue
if linetemp == linenum:
thisline = eachline.split('\t')
for j in range(0,2):
if j>0:
first.append('\t')
first.append(thisline[j].strip())
if countline > 0:
oneline = eachline.split('\t')
for j in range(2,len(oneline)):
third.append('\t' + oneline[j].strip())
countline -=1
else:
break
linetemp += 1
while countline:
for i in range(20):
last.append('\t0')
countline -=1
content += first + second + third + last
outfile.write(''.join(content) + '\n')
outfile.close() '''Test example
pssmdir = '/ifs/home/liudiwei/experiment/step2/pssm/newpssm'
newdir = '/ifs/home/liudiwei/experiment/step2/pssm/standardpssm'
window_size = 5
standardPSSM(window_size,pssmdir, newdir)
'''

4.依据滑动窗体求出滑动的PSSM

#依据窗体大小,计算出滑动后的20个氨基酸打分值
def computedPSSM(window_size,pssmdir,outdir):
listfile = os.listdir(pssmdir)
for eachfile in listfile:
outfile = open(outdir + '/' + eachfile, 'w')
with open(pssmdir + '/' + eachfile, 'r') as inputf:
inputfile = inputf.readlines()
for linenum in range(len(inputfile)):
content = []
first = [];second = []
if window_size/2 - linenum > 0:
countline = window_size - (window_size/2 - linenum)
else:
countline = window_size #get needed line count linetemp = 0
for eachline in inputfile:
if linetemp < linenum-window_size/2:
linetemp += 1
continue
if linetemp == linenum:
thisline = eachline.split('\t')
for j in range(0,2):
if j>0:first.append('\t')
first.append(thisline[j].strip())
if countline > 0:
oneline = eachline.split('\t')[2:len(eachline)]
tline = []
for i in range(len(oneline)):
tline.append(int(oneline[i]))
if len(second)==0:
second += tline
else:
second = list(map(lambda x: x[0]+x[1], zip(second, tline)))
countline -=1
else:
break
linetemp += 1
format_second = []
for i in range(len(second)):
format_second.append('\t' + str(second[i]))
content += first + format_second
outfile.write(''.join(content) + '\n')
outfile.close()
'''
pssmdir = '/ifs/home/liudiwei/experiment/step2/pssm/newpssm'
newdir = '/ifs/home/liudiwei/experiment/step2/pssm/computedpssm'
window_size = 5
computedPSSM(window_size,pssmdir, newdir)
'''

平滑的PSSM,仅仅是pssmdir不同,直接调用standardPSSM函数

def smoothedPSSM(window_size,pssmdir,outdir):
standardPSSM(window_size,pssmdir, outdir) '''Test example
pssmdir = '/ifs/home/liudiwei/experiment/step2/pssm/computedpssm'
newdir = '/ifs/home/liudiwei/experiment/step2/pssm/smoothedpssm'
window_size = 5
smoothedPSSM(window_size,pssmdir,newdir)
'''

最后得到的是一个滑动的PSSM矩阵,特征的维数随窗体的大小逐渐增减。


本栏目python代码分享持续更新中,欢迎关注:Dream_Angel_Z博客 新浪微博:拾毅者


PSSM特征-从生成到处理的更多相关文章

  1. iOS二维码生成、识别、扫描等

    二维码扫描 前言: 最近的项目中使用到了二维码,二维码这个模块功能也完成:觉得还是有必要总结一下用来做记录.好长时间没有写二维码了都忘记在差不多了,重新拾起来还是挻快的. 二维码使用场景: 生活中有很 ...

  2. weka数据挖掘拾遗(三)----再谈如果何生成arff

    前一阵子写过一个arff的随笔,但是写完后发现有些啰嗦.其实如果使用weka自带的api,生成arff文件将变成一件很简单的事儿. 首先,可以先把特征文件生成csv格式的.csv格式就是每列数据都用逗 ...

  3. NLP+VS=>Image Caption︱自动生成图像标题技术论文+相关项目

    读聪明人的笔记,是不是也能变聪明呢? Image Caption是一个融合计算机视觉.自然语言处理和机器学习的综合问题,它类似于翻译一副图片为一段描述文字. Image Caption问题可以定义为二 ...

  4. 条件随机场之CRF++源码详解-特征

    我在学习条件随机场的时候经常有这样的疑问,crf预测当前节点label如何利用其他节点的信息.crf的训练样本与其他的分类器有什么不同.crf的公式中特征函数是什么以及这些特征函数是如何表示的.在这一 ...

  5. 『计算机视觉』Mask-RCNN_推断网络其三:RPN锚框处理和Proposal生成

    一.RPN锚框信息生成 上文的最后,我们生成了用于计算锚框信息的特征(源代码在inference模式中不进行锚框生成,而是外部生成好feed进网络,training模式下在向前传播时直接生成锚框,不过 ...

  6. weka数据挖掘拾遗(一)---- 生成Arff格式文件

    一.什么是arff格式文件 1.arff是Attribute-Relation File Format缩写,从英文字面也能大概看出什么意思.它是weka数据挖掘开源程序使用的一种文件模式.由于weka ...

  7. SENet(Squeeze-and-Excitation Networks)算法笔记---通过学习的方式来自动获取到每个特征通道的重要程度,然后依照这个重要程度去提升有用的特征并抑制对当前任务用处不大的特征

    Momenta详解ImageNet 2017夺冠架构SENet 转自机器之心专栏 作者:胡杰 本届 CVPR 2017大会上出现了很多值得关注的精彩论文,国内自动驾驶创业公司 Momenta 联合机器 ...

  8. pytorch实现yolov3(2) 配置文件解析及各layer生成

    配置文件 配置文件yolov3.cfg定义了网络的结构 .... [convolutional] batch_normalize=1 filters=64 size=3 stride=2 pad=1 ...

  9. [转]java生成 excel 并导出文件

    原文:https://blog.csdn.net/xunwei0303/article/details/53213130 目前,比较常用的实现Java导入.导出Excel的技术有两种Jakarta P ...

随机推荐

  1. asp.net core 身份认证/权限管理系统简介及简单案例

    如今的网站大多数都离不开账号注册及用户管理,而这些功能就是通常说的身份验证.这些常见功能微软都为我们做了封装,我们只要利用.net core提供的一些工具就可以很方便的搭建适用于大部分应用的权限管理系 ...

  2. 2018 CCPC 湘潭邀请赛 & 2018 JSCPC

    Problem A Problem B Problem C 这题用主席树轻松解决 可以二分答案,每次查询:也可以直接开个全局变量在主席树上二分: 时间复杂度$O(nlog^{2}n)$或$O(nlog ...

  3. String format -1 常规格式化

    常规类型的格式化 String类的format()方法用于创建格式化的字符串以及连接多个字符串对象.熟悉C语言的读者应该记得C语言的sprintf()方法,两者有类似之处.format()方法有两种重 ...

  4. [BZOJ 1037] 生日聚会Party

    Link: BZOJ 1037 传送门 Solution: 由于对任意一段都有要求,于是我们对于所有前缀考虑其后缀不超过$k $即可: 设$dp[i][j][x][y]$为前$i$个人中有$j$个男孩 ...

  5. Unity3D AssetBundles 动态加载游戏资源

    AssetBundles are files which you can export from Unity to contain assets of your choice. These files ...

  6. Dreamweaver CS5个性化设置

    Dreamweaver CS5个性化设置 编辑 --> 转到行 显示工具栏(上面包含“新建.保存.保存全部”等按钮) 查看 --> 工具栏 --> 标准 也可右键单击显示菜单 延伸阅 ...

  7. Nand flash uboot 命令详解

    转:http://blog.chinaunix.net/uid-14833587-id-76513.html nand info & nand device 显示flash的信息: DM365 ...

  8. C++之类成员所占内存大小问题总结

    1.空类所占字节数为1,可见代码如下 #include <iostream> using namespace std; class Parent { }; class Child:publ ...

  9. Http协议三次握手过程

    Http协议三次握手过程   TCP(Transmission Control Protocol) 传输控制协议 TCP是主机对主机层的传输控制协议,提供可靠的连接服务,采用三次握手确认建立一个连接: ...

  10. js获取上传图片的尺寸大小

    当上传图片时,有时候需要控制下上传图片的尺寸大小,需要给个提示 //获取图片的尺寸,控制尺寸大小 var reader = new FileReader(), img = new Image(); / ...