PSSM特征-从生成到处理

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测中,使用PSSM打分矩阵会得将预测效果大大提高,同时,如果使用滑动的PSSM,效果又会进一步提高。这里主要以分享代码为主,下面介绍下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 使用方法,输入一个序列,加上相关参数,直接输出PSSM文件

代码

#一个命令函数,根据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))

上面是执行的命令,封装成函数,下面为实际代码:

#对每个序列进行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()       

测试用例:

'''            
#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输出样例:

2.简化PSSM数据

通常我们需要的只是前面的20列

下面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,只要得到前面的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,下面通过代码来获得一个滑动的PSSM

#标准的pssm,直接根据标准的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.根据滑动窗口求出滑动的PSSM

#根据窗口大小,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,只是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,特征的维数随窗口的大小逐渐增减。



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


  • 7
    点赞
  • 50
    收藏
    觉得还不错? 一键收藏
  • 9
    评论
提供的源码资源涵盖了Java应用等多个领域,每个领域都包含了丰富的实例和项目。这些源码都是基于各自平台的最新技术和标准编写,确保了在对应环境下能够无缝运行。同时,源码中配备了详细的注释和文档,帮助用户快速理解代码结构和实现逻辑。 适用人群: 适合毕业设计、课程设计作业。这些源码资源特别适合大学生群体。无论你是计算机相关专业的学生,还是对其他领域编程感兴趣的学生,这些资源都能为你提供宝贵的学习和实践机会。通过学习和运行这些源码,你可以掌握各平台开发的基础知识,提升编程能力和项目实战经验。 使用场景及目标: 在学习阶段,你可以利用这些源码资源进行课程实践、课外项目或毕业设计。通过分析和运行源码,你将深入了解各平台开发的技术细节和最佳实践,逐步培养起自己的项目开发和问题解决能力。此外,在求职或创业过程中,具备跨平台开发能力的大学生将更具竞争力。 其他说明: 为了确保源码资源的可运行性和易用性,特别注意了以下几点:首先,每份源码都提供了详细的运行环境和依赖说明,确保用户能够轻松搭建起开发环境;其次,源码中的注释和文档都非常完善,方便用户快速上手和理解代码;最后,我会定期更新这些源码资源,以适应各平台技术的最新发展和市场需求。 所有源码均经过严格测试,可以直接运行,可以放心下载使用。有任何使用问题欢迎随时与博主沟通,第一时间进行解答!
提供的源码资源涵盖了小程序应用等多个领域,每个领域都包含了丰富的实例和项目。这些源码都是基于各自平台的最新技术和标准编写,确保了在对应环境下能够无缝运行。同时,源码中配备了详细的注释和文档,帮助用户快速理解代码结构和实现逻辑。 适用人群: 适合毕业设计、课程设计作业。这些源码资源特别适合大学生群体。无论你是计算机相关专业的学生,还是对其他领域编程感兴趣的学生,这些资源都能为你提供宝贵的学习和实践机会。通过学习和运行这些源码,你可以掌握各平台开发的基础知识,提升编程能力和项目实战经验。 使用场景及目标: 在学习阶段,你可以利用这些源码资源进行课程实践、课外项目或毕业设计。通过分析和运行源码,你将深入了解各平台开发的技术细节和最佳实践,逐步培养起自己的项目开发和问题解决能力。此外,在求职或创业过程中,具备跨平台开发能力的大学生将更具竞争力。 其他说明: 为了确保源码资源的可运行性和易用性,特别注意了以下几点:首先,每份源码都提供了详细的运行环境和依赖说明,确保用户能够轻松搭建起开发环境;其次,源码中的注释和文档都非常完善,方便用户快速上手和理解代码;最后,我会定期更新这些源码资源,以适应各平台技术的最新发展和市场需求。 所有源码均经过严格测试,可以直接运行,可以放心下载使用。有任何使用问题欢迎随时与博主沟通,第一时间进行解答!
提供的源码资源涵盖了Java应用等多个领域,每个领域都包含了丰富的实例和项目。这些源码都是基于各自平台的最新技术和标准编写,确保了在对应环境下能够无缝运行。同时,源码中配备了详细的注释和文档,帮助用户快速理解代码结构和实现逻辑。 适用人群: 适合毕业设计、课程设计作业。这些源码资源特别适合大学生群体。无论你是计算机相关专业的学生,还是对其他领域编程感兴趣的学生,这些资源都能为你提供宝贵的学习和实践机会。通过学习和运行这些源码,你可以掌握各平台开发的基础知识,提升编程能力和项目实战经验。 使用场景及目标: 在学习阶段,你可以利用这些源码资源进行课程实践、课外项目或毕业设计。通过分析和运行源码,你将深入了解各平台开发的技术细节和最佳实践,逐步培养起自己的项目开发和问题解决能力。此外,在求职或创业过程中,具备跨平台开发能力的大学生将更具竞争力。 其他说明: 为了确保源码资源的可运行性和易用性,特别注意了以下几点:首先,每份源码都提供了详细的运行环境和依赖说明,确保用户能够轻松搭建起开发环境;其次,源码中的注释和文档都非常完善,方便用户快速上手和理解代码;最后,我会定期更新这些源码资源,以适应各平台技术的最新发展和市场需求。 所有源码均经过严格测试,可以直接运行,可以放心下载使用。有任何使用问题欢迎随时与博主沟通,第一时间进行解答!

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 9
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值