本文是《Brenda应用(2) - 构建(酶, 物质, 关系) 0-1表格用于NBI推断新关系》的第一篇：数据获取。

目标

提取Brenda的底物、产物表内容，构建(酶, 物质, 关系)0-1表格用于NBI推断新关系。

输出

得到的文件均放在文件夹里，文件夹是一个二级的文件夹(如下图)：
【Product】/【Substrate】-【3.1.1.3】（EC号命名的文件夹）

产出三个表：

[Chemicals.tsv]

Cj name

[Enzymes.tsv]

Ei EC name

[ECIs.tsv]

Ei Cj [num]
[num] 表示关系在数据库中的计数

希望实现的效果是，在各级EC等级，如EC3, EC3.1, EC3.1.1, EC3.1.1.3上可以用统一的接口整理出三个表。

def genECI(EC, brenda, table, path):'''EC = '3', '3.1', '3.1.1', '3.1.1.3' 等，table = 'Substrate', 'Product'等，在os.path.join(path, table)路径下新建名为*EC*的文件夹，其中包含了Chemicals.tsv, Enzymes.tsv 和 ECIs.tsv 文件。(暂不实现：并且返回对象Chemicals, Enzymes 和 ECIs.)'''pass

实现

数据来源

Substrate表

Substrate
{   'reactionPartners': "1-(4'-fluorophenyl)ethanol + NAD+ = 1-(4'-fluorophenyl)ethanone + NADH + H+", 'substrate': "1-(4'-fluorophenyl)ethanol", 'organism': 'Thermus thermophilus', 'ecNumber': '1.1.1.1', 'ligandStructureId': 210894
}

Product表

Product
{   'organism': 'Leifsonia sp.', 'product': '1-(3-chlorophenyl)ethanol', 'reactionPartners': "3'-chloroacetophenone + NADH + H+ = 1-(3-chlorophenyl)ethanol + NAD+", 'ecNumber': '1.1.1.1', 'ligandStructureId': 134094
}

同样的，还有 NaturalSubstrate 和 NaturalProduct 表，内容类似。
从这个表里提取信息并整理的方法是简单的，下面是伪代码：

def genECI(EC, brenda, table, path):ECs = EC_candidate(EC, brenda, table) # 根据输入的EC str 返回ECs list.results = _genECI(brenda, table, ECs) # 根据ECs从Brenda中整理相应信息,返回results dict. writeFiles(results, path)  # 将 results 保存到 path 所指定的文件夹中

那么是不是也需要一个文件读入接口呢？
(未实现)

def readFile(EC, path):_path = _pathjoin(EC, path)results = _readFile(_path)return results

那么有必要规定一下results的格式了。既然如此，何不使用python中现有的图工具包来做呢？
（未实现）

问题

需要维护一个合理的tables的取值范围，并且维护提取信息的键名称。如下：

TABLE_SCHEMA = {'Product':('product','ecNumber','organism'),'Substrate':('substrate', 'ecNumber','organism'),'NaturalProduct':('naturalProduct', 'ecNumber','organism'),'NaturalSubstrate':('naturalSubstrate', 'ecNumber','organism'),
}

利用OrderedDict来同时实现Set和List的功能：

import collections'==略=='results = {}results['Chemicals'] = collections.OrderedDict()results['Enzymes'] = collections.OrderedDict()results['ECIs'] = collections.OrderedDict()

应用/测试

针对于感兴趣的十种酶进行数据生成

酶名称	主要EC号	命名	主要类型
P450酶	[‘1.1.1.B57’, ‘1.11.2’, ‘1.13’, ‘1.14’]	P450	氧化还原酶类
卤化酶	[‘1.14.19’]	O2->2 Water, oxidoreductase	氧化还原酶类
单萜合酶	[‘4.2.3.118’]	2-methylisoborneol synthase	裂合酶类
甲基化酶	[‘2.1.1’]	methyltransferase	转移酶类
异戊烯基转移酶	[‘2.5.1.112’, ‘2.5.1.27’, ‘2.5.1.75’, ‘2.5.1.8’]	isopentenyltransferase	转移酶类
环化酶	[‘4.2.1’, ‘4.2.3’]	Hydro-lyases; or Acting on phosphate, C-O lyases	裂合酶类
C-糖基转移酶	[‘2.4.1’]	hexosyltransferases	转移酶类
β-氨基酸合成酶	[‘4.3.1’]	ammonia lyase	裂合酶类
氨基转移酶(酰胺水解酶)	[‘3.5.1’]	linear amides hydrolases	水解酶类
延胡索酸酶	[‘4.2.1.2’]	fumarate hydratase	裂合酶类
漆酶	[‘1.10.3.2’]	laccase	氧化还原酶类
脂肪酶	[‘3.1.1’, ‘3.1.1.3’]	carboxylic-ester hydrolases	水解酶类

代码

## 设定用户名，路径 ##
brenda = brenda_soap.Brenda(EMAIL, PASSWORD, PATH)
path_eci = os.path.join(PATH,'ECI')
tables = ['Product', 'Substrate']
ECs = ['1.1.1.B57', '1.11.2', '1.13', '1.14', '1.14.19','4.2.3.118','2.1.1','2.5.1.112', '2.5.1.27', '2.5.1.75', '2.5.1.8','4.2.1', '4.2.3', '2.4.1','4.3.1','4.2.1.2','1.10.3.2','3.1.1','3.1.1.3',
]
for table in ['Product']:for EC in ECs:genECI(EC, brenda, table, path_eci)

问题

本地记录不全

发现在本地跑的时候，'4.2.1’出了问题，翻阅日志，发现是之前下载Brenda数据的时候，有中间断网的情况，所以对于某几个表，本地数据是不全的。对于Product，3.4.23.20之后的数据不在本地；Substrate/NaturalProduct/NaturalSubstrate的数据是全的。日志文件的记录如下：

对于 table = Product，有如下ECs并未被加入表中：
ecs = [‘2.1.1.B114’,‘2.3.1.97’,‘3.4.23.20’, (略), ‘7.6.2.B1’]
对于 table = RecommendedName，有如下ECs并未被加入表中：
ecs = [‘6.3.2.13’, (略), ‘7.6.2.B1’]
对于 table = Substrate，有如下ECs并未被加入表中：
ecs = [‘2.1.1.B114’,‘2.3.1.97’,‘7.6.2.B1’]

通过设置brenda的模式来解决：

if ec > '3.4.23.20' and table == 'Product':brenda.mode = 'soap'## 代码 ##brenda.mode = 'default'

之后可以抽空把Product表补全。

table = 'Product'
ecs = brenda.getEcNumbers(table)
brenda.mode = 'soap'
for ec in ecs:if ec > '3.4.23.20':brenda.getContent(table, ec)

数据清洗

brenda的记录略显粗糙，如之前所述，有些带有计量数的，有些是非常常规的分子，如H2O, more, ? 等。需要对ECI表进行数据清洗以赋予数据意义。

目标

除去无意义物质记录，如 more 和 ?
辨识/除去常见底物，如异戊烯基转移酶产物中的 diphosphate等
频数统计，进行简单分析

实现

在genECI()中加入。

nonsense_chemicals = ['?','more']## 略 ##if chemical in nonsense_chemicals:continue

在外部同样写了一个函数：

def refineByChem(results, chemicals_list):# 删除chemicals_list中的物质和相应关系。

问题

问题在于确定哪些是需要删除的。实际上不是那么明显与好选择。

TODO

网络结构深化

酶空间

类似于DTI中的T空间，之前有从发育学的角度关联的；是否能将其方法引入？

化学空间

类似于DTI中的Drug空间，如何从化学名称出发，对应到【化学物质】，再引入网络关系？

Brenda应用(2.0) - 构建(酶, 物质, 关系)0-1表格用于NBI推断新关系相关推荐

【新手教程】51Sim-One Cloud 2.0 构建标准案例2.0场景
此教学讲述如何编辑出OpenSCENARIO官方案例"两次变道"(DoubleLaneChanger),用户将学会如何创建出符合OpenSCENARIO标准测试场景的全流程.包括标 ...
WR：Tetrasphaera PAO 代谢中的储能物质与微生物多样性及除磷效能之间的关系
点击蓝字关注我们编译:王慧校稿:袁凌论文ID 原名:The storage compounds associated with Tetrasphaera PAO metabolism ...
从0构建AI推荐系统demo（数据准备）
前言推荐系统一直以来都是人工智能领域中较为火热的研究方向之一,最近公司需要构建常见的资讯类推荐系统,本人也从无到有.从0开始构建AI推荐系统demo版.此篇主要讲述最基本的数据准备中,最最最最基本的 ...
NVIDIA DeepStream 5.0构建智能视频分析应用程序
NVIDIA DeepStream 5.0构建智能视频分析应用程序无论是要平衡产品分配和优化流量的仓库,工厂流水线检查还是医院管理,要确保员工和护理人员在照顾病人的同时使用个人保护设备(PPE),就 ...
通过构建城市来解释HTML，CSS和JavaScript之间的关系
by Kevin Kononenko 凯文·科诺年科(Kevin Kononenko) 通过构建城市来解释HTML,CSS和JavaScript之间的关系 (The relationship betw ...
怎样搞定分类表格数据？有人用TF2.0构建了一套神经网络 | 技术头条
作者 | 王树义来源 | 玉树芝兰(ID:nkwangshuyi) 以客户流失数据为例,看 Tensorflow 2.0 版本如何帮助我们快速构建表格(结构化)数据的神经网络分类模型. 变化表格数 ...
探索 vuex 2.0 以及使用 vuejs 2.0 + vuex 2.0 构建记事本应用
前言首先说明这并不是一个教程贴,而记事本应用是网上早有的案例,对于学习 vuex 非常有帮助.我的目的是探索 vuex 2.0 ,然后使用 vue 2.0 + vuex 2.0 重写这个应用,其中最 ...
探索 vuex 2.0 以及使用 vuejs 2.0 + vuex 2.0 构建记事本应用23
前言首先说明这并不是一个教程贴,而记事本应用是网上早有的案例,对于学习 vuex 非常有帮助.我的目的是探索 vuex 2.0 ,然后使用 vuejs 2.0 + vuex 2.0 重写这个应用,其 ...
LINUX 下构建OpenGL ES 3.0
Ubuntu LINUX 下构建OpenGL ES 3.0 Category : OpenGL LINUX 下构建OpenGL ES 3.0 软件:PowerVRSDKSetup-4.0.run-x6 ...

Brenda应用(2.0) - 构建(酶, 物质, 关系)0-1表格用于NBI推断新关系

目录

目标

输出

实现