Question

我有一个看起来像这样的文件：

ATOM   7748  CG2 ILE A 999      53.647  54.338  82.768  1.00 82.10           C  
ATOM   7749  CD1 ILE A 999      51.224  54.016  84.367  1.00 83.16           C  
ATOM   7750  N   ASN A1000      55.338  57.542  83.643  1.00 80.67           N  
ATOM   7751  CA  ASN A1000      56.604  58.163  83.297  1.00 80.45           C  
ATOM   7752  C   ASN A1000      57.517  58.266  84.501  1.00 80.30           C

正如您所看到的，“”在第4列和第5列之间消失（从0开始计数）。因此下面的代码失败了。我是python的新手（总共现在整整3天！）并且想知道处理这个问题的最佳方法是什么。只要有空格，line.split（）就可以工作。我是否必须进行字符计数，然后使用绝对引用解析字符串？

import string
visited = {}
outputfile = open(file_output_location, "w")
for line in open(file_input_location, "r"):
    list = line.split()
    id = list[0]
    if id == "ATOM":
        type = list[2]
        if type == "CA":
            residue = list[3]
            if len(residue) == 4:
                residue = residue[1:]
            type_of_chain = list[4]
            atom_count = int(list[5])
            position = list[6:9]
            if(atom_count >= 1):
                if atom_count not in visited and type_of_chain == chain_required:
                    visited[atom_count] = 1
                    result_line = " ".join([residue,str(atom_count),type_of_chain," ".join(position)])
                    print result_line
                    print >>outputfile, result_line
outputfile.close()

Answer 1

使用字符串切片：

print '0123456789'[3:6]
345

那里存在不对称性 - 第一个数字是您需要的第一个字符的从0开始的索引。第二个数字是您不再需要的第一个字符的从0开始的索引。

Answer 2

PDB文件似乎是固定的列宽文件，而不是空格分隔。因此，如果您必须手动解析它们（而不是使用像pdb-tools这样的现有工具），您需要使用更多类似的东西来修改它们：

id = line[0:4]
type = line[4:9].strip()
# ad nausium

Answer 3

可能值得安装Biopython，因为它有一个解析PDB的模块。

我在您的示例数据上使用了以下代码：

from Bio.PDB.PDBParser import PDBParser

pdb_reader = PDBParser(PERMISSIVE=1)
structure_id="Test"
filename="Test.pdb" # Enter file name here or path to file.
structure = pdb_reader.get_structure(structure_id, filename)

model = structure[0]

for chain in model: # This will loop over every chain in Model
    for residue in chain:
        for atom in residue:
            if atom.get_name() == 'CA': # get_name strips spaces, use this over get_fullname() or get_id()
                print atom.get_id(), residue.get_resname(), residue.get_id()[1], chain.get_id(), atom.get_coord() 
                # Prints Atom Name, Residue Name, Residue number, Chain Name, Atom Co-Ordinates

打印出来：

CA ASN 1000 A [ 56.60400009  58.1629982   83.29699707]

然后我尝试了一种含有14条链（1aon.pdb）的较大蛋白质，它运行良好。

解析格式更改的pdb文件

3 个答案: