怎么使用python服务器批处理得到PSSM矩阵

今天小编给大家分享一下怎么使用python服务器批处理得到PSSM矩阵的相关知识点,内容详细,逻辑清晰,相信大部分人都还太了解这方面的知识,所以分享这篇文章给大家参考一下,希望大家阅读完这篇文章后有所收获,下面我们一起来了解一下吧。

1. 在linux上安装psiblast

***新建一个python环境,因为我发现conda安装blast默认的是python==3.6.11,可能会不小心把你的python版本改掉…然后你写好的代码全die了……

conda create -n blast python==3.6.11
source activate blast
conda install -c bioconda blast
2.下载并编译用于比对的大型蛋白质数据库

nr和uniprot是比较通用的数据库:

ftp://ftp.ncbi.nlm.nih.gov/blast/db/https://www.uniprot.org/downloads

1)nr是ncbi收集的目前所有微生物的蛋白序列,是用来计算氨基酸一般情况下的频率的,160G

2)uniprot90根据相似性做了一个去冗余,所以比nr要小很多,56G

# 以uniprot90为例
wget ftp://ftp.uniprot.org/pub/databases/uniprot/uniref/uniref90/uniref90.fasta.gz # 下载
gzip -d uniref90.fasta.gz # 解压
makeblastdb -in uniref90.fasta -parse_seqids -hash_index -dbtype prot # 编译

解析完成后的样子:

文件是这个样子:(只截取了一部分)

3. 获取PSSM矩阵

我的初始文件是:

P00269.fasta是对单条蛋白质处理,里面的格式是:

testset.fasta是对蛋白质集合批处理,里面的格式是(也可以单独蛋白质存为.fasta文件,由于blast只能处理单条蛋白糊,把这个集合知识归总的意思,第一步还是要生成单条蛋白质的.fasta文件,所以这个文件看个人意愿):

1)单条蛋白质序列的处理方法
import os
os.system('psiblast -query dataset/P00269.fasta -db /PSSM/uniref90.fasta -num_iterations 3 -out_ascii_pssm /dataset/P00269.pssm')##这个蛋白质好慢呀
2)批处理获取的方法
import os
 
file_name='/dataset/testset.fasta'
Protein_id=[]
with open(file_name,'r') as fp:
    i=0
    for line in fp:
 
        if i%2==0:
            # Protein_id.append(line[1:-1])
            id=line[0:-1]
            p=line[1:-1]
            with open ('/dataset/'+str(p)+'.fasta','a') as protein:
                protein.write(id)
                # protein.write()
        if i%2==1:
            seq=line[0:-1]
            with open ('/dataset/'+str(p)+'.fasta','a') as protein:
                protein.write('\n')
                protein.write(seq)
        i=i+1
 
        os.system('psiblast -query '+'/dataset/'+str(p)+'.fasta -db /PSSM/uniref90.fasta -num_iterations 3 -out_ascii_pssm /dataset/'+str(p)+'.pssm')

##PSSM真是太慢了,下面是只生成一个后的截图

以上就是“怎么使用python服务器批处理得到PSSM矩阵”这篇文章的所有内容,感谢各位的阅读!相信大家阅读完这篇文章都有很大的收获,小编每天都会为大家更新不同的知识,如果还想学习更多的知识,请关注***行业资讯频道。

229人参与, 0条评论 登录后显示评论回复

你需要登录后才能评论 登录/ 注册