python?服務器批處理得到PSSM矩陣得問題

目錄

• 1. 在linux上安裝psiblast
• 2.下載并編譯用于比對得大型蛋白質數據庫
• 3. 獲取PSSM矩陣
• 1）單條蛋白質序列得處理方法
• 2）批處理獲取得方法
• 參考文獻：

1. 在linux上安裝psiblast

最好新建一個python環境，因為我發現conda安裝blast默認得是python==3.6.11，可能會不小心把你得python版本改掉…然后你寫好得代碼全die了……

conda create -n blast python==3.6.11source activate blastconda install -c bioconda blast

2.下載并編譯用于比對得大型蛋白質數據庫

nr和uniprot是比較通用得數據庫：

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

1)nr是ncbi收集得目前所有微生物得蛋白序列，是用來計算氨基酸一般情況下得頻率得，160G

2)uniprot90根據相似性做了一個去冗余，所以比nr要小很多，56G

# 以uniprot90為例wget ftp://ftp.uniprot.org/pub/databases/uniprot/uniref/uniref90/uniref90.fasta.gz # 下載gzip -d uniref90.fasta.gz # 解壓makeblastdb -in uniref90.fasta -parse_seqids -hash_index -dbtype prot # 編譯

解析完成后得樣子：

文件是這個樣子：（只截取了一部分）

3. 獲取PSSM矩陣

我得初始文件是：

P00269.fasta是對單條蛋白質處理，里面得格式是：

testset.fasta是對蛋白質集合批處理，里面得格式是（也可以單獨蛋白質存為.fasta文件，由于blast只能處理單條蛋白糊，把這個集合知識歸總得意思，第一步還是要生成單條蛋白質得.fasta文件，所以這個文件看個人意愿）：

1）單條蛋白質序列得處理方法

import osos.system('psiblast -query dataset/P00269.fasta -db /PSSM/uniref90.fasta -num_iterations 3 -out_ascii_pssm /dataset/P00269.pssm')##這個蛋白質好慢呀

2）批處理獲取得方法

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，下面是只生成一個后得截圖

emmmm，在研究怎么把這個矩陣存入文件方便調用，今天應該會更新……但是他好慢啊，不想用了。

參考文獻：

linux下用psiblast批量生成pssm矩陣

到此這篇關于python服務器批處理得到PSSM矩陣得內容就介紹到這了,更多相關python服務器批處理內容請搜索之家以前得內容或繼續瀏覽下面得相關內容希望大家以后多多支持之家！