实现功能：
输入：Uniprot中的accession number
输出：与输入蛋白相关的蛋白交互对（左列是原列表中的蛋白，右侧是查询到的partner）

直接使用代码
https://github.com/JulseJiang/Code_for_blog/blob/main/Python_ExtractPartnerFromIntAct/exTMPnonTMPpiar20201201.py

或者看看处理过程：

数据下载

数据集下载链接：这里下载mitab格式，方便解析
ftp://ftp.ebi.ac.uk/pub/databases/intact/current/psimitab/

下载intact.txt或者intact.zip 自行解压都行

提取IntAct中的全体蛋白对

实现效果

文件中部分蛋白是Uniprot中的，部分蛋白是EBI中的，目前只考虑Uniprot中的

提取到103w对来自uniprot的蛋白，去重之后剩余673577对
20201201 下载的数据，也就是2020 年11月7日发布的数据，里面有673577对的蛋白来自uniprot标注
blog/blob/main/Python_ExtractPartnerFromIntAct/pair_norepeat.txt

输入某个蛋白质accession 列表，查找到8k条相关的蛋白对

相关代码

提取intact.txt中用Uniprot ID表示的蛋白对

def extractPPIFromIntAct(finPair,foutPair):# finPair = r'E:\data\intact\intact.txt'# foutPair = r'E:\data\intact\pair.txt'with open(finPair, 'r', encoding='UTF-8') as fi, open(foutPair, 'w') as fo:line = fi.readline()while (line):line = fi.readline()pair = line.split('\t', maxsplit=2)try:a = pair[0]b = pair[1]if 'uniprotkb:' in a and 'uniprotkb:' in b:a = a.replace('uniprotkb:', '')b = b.replace('uniprotkb:', '')if '-' in a: a = a.split('-')[0]if '-' in b: b = b.split('-')[0]fo.write('%s\t%s\n' % (a, b))fo.flush()print(a, b)else:continueexcept:print(pair)

加载蛋白列表

def readIDlist(filePath,by = '\n'):fo = open(filePath,'r')lines = fo.readlines()# 'P67999\n', 'P0ADV1\n', 'P0A6F5\n',list = []for line in lines:list.append(line.split(by)[0])fo.close()# 'P67999', 'P0ADV1', 'P0A6F5'return list

提取给定蛋白列表相关的蛋白对

def findPartner(finPair,foutPair,finList):# finPair = r'E:\data\intact\pair.txt'# foutPair = r'E:\data\intact\pair_related.txt'# finList = r'E:\githubCode\BioDataCoding\Parsers\ttd\TMP_accession_list.csv'TMPlist = readIDlist(finList)count = 0with open(finPair, 'r', encoding='UTF-8') as fi, open(foutPair, 'w') as fo:line = fi.readline()while (line):pair = line[:-1].split('\t', maxsplit=2)try:a = pair[0]b = pair[1]if a in TMPlist and b in TMPlist:fo.write('%s\t%s\n' % (a, b))else:if a in TMPlist:fo.write('%s\t%s\n' % (a, b))if b in TMPlist:fo.write('%s\t%s\n' % (b, a))fo.flush()count = count + 1print(count)except:print(pair)line = fi.readline()

如果需要更严谨一点的话，需要考虑accession过期的现象

下面这个博客展示了根据accession Id 查询全体accesstion Id的过程，由于涉及到项目内容，这个将来再公开，先把博客地址放在这里
https://blog.csdn.net/Julse/article/details/110521589

编程实现在IntAct数据集上批量查找蛋白交互对相关推荐

DL之DCGNN：基于TF利用DCGAN实现在MNIST数据集上训练生成新样本
DL之DCGNN:基于TF利用DCGAN实现在MNIST数据集上训练生成新样本目录输出结果设计思路实现部分代码说明:所有图片文件丢失输出结果更新-- 设计思路更新-- 实现部分代码更 ...
linux 批量查找关键词,Linux上批量查找文件里面带的关键字(grep 关键字的用法)
grep 功能说明:查找文件里符合条件的字符串(同时能匹配正则表达式) 语法:grep [-abcEFGhHilLnqrsvVwxy][-A][-B][-C][-d][-e][-f][--help][ ...
linux取批量文件的关键字,Linux上批量查找文件里面带的关键字(grep 关键字的用法)-Go语言中文社区...
grep 功能说明:查找文件里符合条件的字符串(同时能匹配正则表达式) 语法:grep [-abcEFGhHilLnqrsvVwxy][-A][-B][-C][-d][-e][-f][--help][ ...
tensorflow（七）实现mnist数据集上图片的训练和测试
本文使用tensorflow实现在mnist数据集上的图片训练和测试过程,使用了简单的两层神经网络,代码中涉及到的内容,均以备注的形式标出. 关于文中的数据集,大家如果没有下载下来,可以到我的网盘去下 ...
如何实现把固定内容自动写入excel_Excel批量查找指定内容并导出
原创: Excel and Python 微 XIN 号: 实用办公编程技能前几天,部门的小李说"年终总结报告总算做完了,幸好是会玩Excel让自己事半功倍!" 什么日报.周报. ...
redis cluster 集群 HA 原理和实操（史上最全、面试必备）
文章很长,建议收藏起来慢慢读!疯狂创客圈总目录语雀版 | 总目录码云版| 总目录博客园版为您奉上珍贵的学习资源 : 免费赠送经典图书:<Java高并发核心编程(卷1)> 面试必备 ...
Pointnet语义分割任务S3DIS数据集上的注意点
前言 Pointnet的网络结构和源码解释,已在之前写了次总结,本次主要针对论文中的数据集以.h5为TensorFlow的输入格式进行解释,记录如何制作H5文件,以提供给TensorFlow,PyTo ...
编程实现在Linux系统中Intel CPU功耗的获取
编程实现在Linux系统中Intel CPU功耗的获取编程实现在Linux系统中Intel CPU功耗的获取资料的获取 X86 MSR寄存器介绍 X86 CPUID介绍 X86 RAPL介绍 Li ...
【偏门技巧】C语言编程实现对IPV4地址的合法性判断（使用正则表达式）
C语言编程实现对IPV4地址的合法性判断(使用正则表达式) 有了解过我的朋友,可能有点印象,我在N年前的博客中,就写了这个主题,当时确实是工作中遇到了这个问题.本想着等工作搞完之后,就把这个问题的解决 ...

编程实现在IntAct数据集上批量查找蛋白交互对

数据下载

提取IntAct中的全体蛋白对

实现效果

相关代码

编程实现在IntAct数据集上批量查找蛋白交互对相关推荐

最新文章

热门文章