用python将PDB转化成FASTA

很多时候我们都需要读取PDB的序列文件，虽然这个很容易，很多软件也可以做到，但是了解一些机理总归是好的，有幸在github碰到写的pdb2fasta，所以想和大家一起分享学习一下。我们首先来看一下PDB文件结构：

可以发现所有的残基序列都含有ATOM标签，第4列主要是残基编号，第5列为链，第六列为链序号。那么我们首先先匹配ATOM,只有匹配ATOM的内容才会被继续分析，然后匹配第5列，如果之前的一行与后一行数值相同，那么那一行也要跳过，这样就可以每个氨基酸残基唯一获取一次了。而分隔符pdb文件默认为\t。
我们以1b8p为例进行分析，首先打开文件:

然后写核心的读取循环组件。

相比代码大家都非常容易理解，我们用一个for循环来确定是否为空行，若为空行，则continue继续下一个循环，toks[0]!='ATOM',查看是否为'ATOM'开头，不是则continue，如果第5列为不是重复值的话，则打印出来，然后将新的toks[5]赋值给变量。结果如下:

非常完美,模块化的话有人已经做了，可以在末尾下载，使用方法为python 脚本名称 pdb文件> 新命令的.fasta文件，非常简单，完整代码如下:

代码来源:https://github.com/dongshuyan/pdb2fasta/blob/master/pdb2fasta.py
更多原创精彩内容敬请关注生信杂谈：