山东大学2019级软件工程应用与实践——基于人工智能的多肽药物分析问题（三）

2021SC@SDUSC

基于人工智能的多肽药物分析问题

主题：肽与HLA分子结合预测研究（3）

代码分析

代码结构
核心代码

接上回deephlapan_main()方法的后半部分

deephlapan_main.py

    result = np.average(predScores, axis=0)
    result1 = np.average(predScores1, axis=0)
    with open(WD + '/' + fname + '_predicted_result.csv','w') as f:
        f.write('Annotation,HLA,Peptide,binding score,immunogenic score\n')
        if (opt.file):
            for i in range(len(result)):
                result[i]=("%.4f" % result[i])
                result1[i]=("%.4f" % result1[i])
                f.write(str(df.Annotation[i]) + ',' + str(df.HLA[i]) + ',' + str(df.peptide[i]) + ',' + str(result[i]) + ',' + str(result1[i]) + '\n')
        else:
            f.write('single peptide,' + str(hla) + ',' + str(peptide) + ',' + str(result[0]) + ',' + str(result1[0]) + '\n')
    f.close()
    if (opt.file):
        command = 'perl ' + curDir + '/model/rank.pl ' + WD + '/' + fname + '_predicted_result.csv'
        os.system(command)
    j = datetime.datetime.now()
    print (str(j) + ' Prediction end\n')

result 存放 predScores 的平均值

下面是这段代码未分析的前半部分

deephlapan_main.py

os.environ['CUDA_VISIBLE_DEVICES']='-1'
curDir=os.path.dirname(os.path.realpath(__file__))+'/'
HLA_seq=pd.read_csv(curDir+ 'model/MHC_pseudo.dat',sep = '\t')
seqs={}
for i in range(len(HLA_seq)):
    seqs[HLA_seq.HLA[i]]=HLA_seq.sequence[i]
    
predScores=[]
predScores1=[]
aa_idx = {'A':1, 'C':2, 'D':3, 'E':4, 'F':5, 'G':6, 'H':7, 'I':8, 'K':9, 'L':10, 'M':11, 'N':12, 'P':13, 'Q':14, 'R':15, 'S':16, 'T':17, 'V':18, 'W':19, 'Y':20, 'X':21}   

os.path.realpath(__file __)：获取包含py文件名的完整路径

os.path.dirname()：去掉脚本的文件名，返回目录

接下来读取此目录下的model/MHC_pseudo.dat文件，存入变量 HLA_seq

model/MHC_pseudo.dat文件用excel打开内容如下：

然后将 HLA_seq 中内容一条条存入 seqs

设置数组 predScores=[] 和 predScores1=[]，后面会用到

def run_model(i,X_test):
    score = np.zeros((5, len(X_test)))
    with CustomObjectScope({'Attention': Attention}):
        model=load_model(curDir+ 'model/binding_model' + str(i+1)+ '.hdf5')
        score[i,:] =np.squeeze(model.predict_proba(X_test))
    return score[i,:]

def run_model1(i,X_test):
    score1 = np.zeros((5, len(X_test)))
    with CustomObjectScope({'Attention': Attention}):
        model1=load_model(curDir+ 'model/immunogenicity_model' + str(i+1)+ '.hdf5')
        score1[i,:]=np.squeeze(model1.predict_proba(X_test))
    return score1[i,:]       

加载自定义的模型，使用自定义对象作用域

model.predict_proba(X_test)：返回的预测值为获得所有结果的概率

np.squeeze()：从数组的形状中删除单维条目，即把shape中为1的维度去掉，存入score数组

def collect_result(result):
    global predScores
    predScores.append(result)

def collect_result1(result1):
    global predScores1
    predScores1.append(result1)

将结果加入 predScores 数组

def transform(HLA, peptide): 
    data=HLA+peptide
    seq=data+'X'*(49-len(data))
    seq=[aa_idx[x] for x in seq]
    return seq

利用之前定义的 aa_idx 将数据进行转换

def read_and_prepare(file):
    data=pd.read_csv(file)
    data['cost_cents'] = data.apply(
            lambda row: transform(
                    HLA=seqs[row['HLA']],
                    peptide=row['peptide']),
                    axis=1)
    return np.vstack(data.cost_cents)
    
def read_and_prepare_single(peptide,hla):
    complex=np.full((1, 49),21, int)
    seq=[aa_idx[x] for x in list(seqs[hla] + peptide)]
    for i in range(len(seq)):
        complex[0,i]=seq[i]
    return complex

利用前面的 transform(HLA, peptide) 函数将数据存入data

对于单条数据，直接在方法中进行transform