PVM(同源验证方法)

PVM(同源验证方法)

PVM来自于 Protein Interactions  TWO METHODS FOR ASSESSMENT OF THE RELIABILITY OF HIGH THROUGHPUT OBSERVATIONS这篇论文

 

PVM的计算方式

给你两个蛋白P1和P2，考虑P1和P2的同源蛋白，然后在DIP数据库统计这些同源蛋白相互作用的个数 ,不包括P1和P2。这个数量就是相互作用分数。

上图的P1和P2的分数是2。如果这个分数大于0，就认为是相互作用的。

 

PVM网址

http://dip.doe-mbi.ucla.edu/dip/Services.cgi?SM=2

 

 DIP提供的在线工具，一次只能提交1000对蛋白。他上传文件的格式要求是 DIP codes、YPD codes或者酵母基因代码。

目前 YPD codes或者酵母基因代码不好找。我们的输入可以使用 DIP codes这个比较方便点。

实验

1.下载酵母蛋白数据

首先我们从DIP数据库下载酵母蛋白数据（DIP20160731）

2.提取DIP codes和uniprot codes

我们用EXCEL打开下载的数据可以看到，ID interactor A 包含DIP codes、refseq codes、和uniprot codes。

目前我们需要 DIP codes和 uniprot codes两个数据。

在EXCEL中我们使用两个代码获得 ID interactor A  的 DIP codes和 uniprot codes，同理也可以获得 ID interactor B的 DIP codes和 uniprot codes

1. =RIGHT(C2,6)
2. =MID(C2,1,FIND("N",C2))

然后我们统计出 DIP codes和 uniprot codes一对一的关系。

uid_dip.csv

 

 

 3.获取原论文的数据

Ensemble learning prediction of protein–protein interactions using proteins functional annotations

 

 获取原论文的 uniprot codes列和PVM列

uid.csv

4.获取DIP codes

然后我们根据第2步得到的 DIP codes和 uniprot codes一对一的关系，获取论文数据的 DIP codes

1. # -*- coding: utf-8 -*-
2. """
3. Created on Tue Nov 01 15:32:44 2016
5. @author: sun
6. """
7. import pandas as pd
8. import numpy as np
10. uid_dip=pd.read_csv('uid_dip.csv',header=None,index_col=0)
11. uid=pd.read_csv('uid.csv')
13. dip_a=uid_dip.loc[uid.idA,:]
14. dip_b=uid_dip.loc[uid.idB,:]
15. dip_a.index=np.arange(3006)
16. dip_b.index=np.arange(3006)
18. dip=pd.concat([dip_a,dip_b,uid],axis=1)
19. dip.to_csv('dip_with_na.csv',index=False,header=False)
21. dip_no_na=pd.concat([dip_a,dip_b],axis=1)
22. dip_no_na=dip_no_na.dropna(how='any')#删除有nan值的所有行
23. dip_no_na.to_csv('dip_no_na.txt',index=False,header=False,sep=' ')

最后我们得到两个文件

dip_with_na.csv

   

dip_no_na.txt

 

 

5.获取PVM

然后我们把上面获得dip_no_na.txt文件每1000个样本分成一个文件上传到下面这个网站。获取PVM值。

http://dip.doe-mbi.ucla.edu/dip/Services.cgi?SM=2

最后我们获得pvm分数。

 

 6.结果比较

最终跑出来的数据跟原论文提供的数据不太一样。至于与原因，我想应该是DIP数据库更新引起的。

 总结

1. 首先这个PVM是2002提出的，有点旧。
2. 这个工具只有web端的，没有客户端，而且一次只能处理1000个样本。限制太大，不适合大样本的处理。
3. 上传文件的格式只能是 DIP codes、YPD codes或者酵母基因代码这3类，并没有提供一一对应的关系。操作起来比较复杂。
4. 小样本可以使用这个特征，大样本建议丢弃这个特征。

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

来自为知笔记(Wiz)

附件列表

 

转载于:https://www.cnblogs.com/ahusun/p/cffd8f389bf4acd3c1d0f83683575eb1.html