我可以把cmd的指令遍历一次，这样就不需要愁拖稿了hhh
我们来看下蛋白质的中的结构比较
在结构比较中，你可以很方便的使用align对两个object进行比较
这里的object你可以简单的理解为蛋白
1.你可以很方便的pymol自带的工具对两个或者多个蛋白进行align
步骤如下，3nss-->Action-->align-->to molecule-->5nwe
2. 当align不能满足的时候，你也可以使用pymol的插件alignment选择一个比对方式，来进行比较
这里我们先来看下比较方式的不同定义：
align:首先进行序列对齐，然后进行结构叠加，随后循环几个周期来进行优化，以便拒绝掉在拟合期间发现的异常值。在序列相似度较高的蛋白中align效果会比较好(序列>30%)，如果序列相似度比较低的话，super或者cealign会比较好。
super:对齐选择的结构，他执行的是基于结构的动态规划对齐(不依赖于序列)，随后进行循环优化来提高拟合度，对于低序列相似性的蛋白来说，super比align更为鲁棒。
cealign：使用CE算法来对齐两个蛋白。对于几乎没有序列相似性的蛋白质（twilight zone），它是非常鲁棒的。对于结构比较相似的蛋白，请使用super首选命令，对于序列比较相似的蛋白，则align为首选命令，因为这些命令比cealign快得多
fit：将第一选择中的模型叠加到第二个模型中，在两个选择中，只要匹配的院子才会被用于fit
晕了的话我们就来看看例子
借用我最近看的算法图解的书来说，我们都是视觉型学习者
align：
官方给的例子是1oky, 1t46
在pymol进行align比较，rmsd = 1.306
我们来看看他的序列相似度
虽然，我有时候并不喜欢做图，但是，我们可以比较容易的从图中获得其序列相对而言比较保守的信息
然后我们在看看看super，官方给的案例是
1F9J，1YX5，rmsd = 0.717
两者的序列相似度，部分链相似
我使用了align方法，对齐比较了一下，rmsd = 13.697
然后，我们来看cealign，官方给的案例：1c0mB，1bco，rmsd = 4.958
序列相似度
最后，我们看来看下fit
所用的比较部分为1a00的a链和c链，rmsd =0.564，当然这个需要的对比条件比较严格，
object的id必须要严格保持一致，比如segi, chain，如果不一致那么需要手动整
到这里，基本上和python没什么用
但是，强制有用
举个例子，假设，我有10个蛋白需要比较，计算rmsd
此处，以aligh为例
蛋白为：6BHT,4WYM,6OBH,6ECN,5HGL,2PWM,2PWO,6ECO,6OMT,3J3Y
开始
代码语言：javascript复制# 启动pymol
In [1]: import pymol
Feature has expired.
Feature: PYMOL_MAIN
Expire date: 01-nov-2020
License path: /Users/sujiaqi/.pymol/license.lic:
FlexNet Licensing error:-10,32
For further information, refer to the FlexNet Licensing documentation,
available at "www.flexerasoftware.com".
# 将pdb id号存储为list
In [2]: pdb_list = ['6BHT','4WYM','6OBH','6ECN','5HGL','2PWM','2PWO','6ECO','6OM
...: T','3J3Y']
# 获取蛋白
In [5]: for i in pdb_list:
...: pymol.cmd.fetch(i)
...:
PyMOL not running, entering library mode (experimental)
ExecutiveLoad-Detail: Detected mmCIF
ExecutiveLoad-Detail: Detected mmCIF
ExecutiveLoad-Detail: Detected mmCIF
ExecutiveLoad-Detail: Detected mmCIF
ExecutiveLoad-Detail: Detected mmCIF
ExecutiveLoad-Detail: Detected mmCIF
ExecutiveLoad-Detail: Detected mmCIF
ExecutiveLoad-Detail: Detected mmCIF
ExecutiveLoad-Detail: Detected mmCIF
ExecutiveLoad-Detail: Detected mmCIF
# 查看object名单
In [6]: pymol.cmd.get_object_list()
Out[6]:
['6BHT',
'4WYM',
'6OBH',
'6ECN',
'5HGL',
'2PWM',
'2PWO',
'6ECO',
'6OMT',
'3J3Y']
# 两两比较rmsd
# 构建两两组合表
In [7]: import itertools
In [8]: combinations = list(itertools.combinations(pdb_list, 2))
In [9]: combinations
Out[9]:
[('6BHT', '4WYM'),
('6BHT', '6OBH'),
('6BHT', '6ECN'),
('6BHT', '5HGL'),
('6BHT', '2PWM'),
('6BHT', '2PWO'),
('6BHT', '6ECO'),
('6BHT', '6OMT'),
('6BHT', '3J3Y'),
('4WYM', '6OBH'),
('4WYM', '6ECN'),
('4WYM', '5HGL'),
('4WYM', '2PWM'),
('4WYM', '2PWO'),
('4WYM', '6ECO'),
('4WYM', '6OMT'),
('4WYM', '3J3Y'),
('6OBH', '6ECN'),
('6OBH', '5HGL'),
('6OBH', '2PWM'),
('6OBH', '2PWO'),
('6OBH', '6ECO'),
('6OBH', '6OMT'),
('6OBH', '3J3Y'),
('6ECN', '5HGL'),
('6ECN', '2PWM'),
('6ECN', '2PWO'),
('6ECN', '6ECO'),
('6ECN', '6OMT'),
('6ECN', '3J3Y'),
('5HGL', '2PWM'),
('5HGL', '2PWO'),
('5HGL', '6ECO'),
('5HGL', '6OMT'),
('5HGL', '3J3Y'),
('2PWM', '2PWO'),
('2PWM', '6ECO'),
('2PWM', '6OMT'),
('2PWM', '3J3Y'),
('2PWO', '6ECO'),
('2PWO', '6OMT'),
('2PWO', '3J3Y'),
('6ECO', '6OMT'),
('6ECO', '3J3Y'),
('6OMT', '3J3Y')]
# 使用align进行比较,然后计算一下时间
In [7]: import time
...: a = time.time()
...: print(pymol.cmd.align(combinations[0][0],combinations[0][1]))
...: b = time.time()
...: b - a
(0.797596275806427, 17935, 5, 1.2639384269714355, 19167, 14602.0, 2772)
Out[7]: 3.0302011966705322输出的7个值为
This returns a list with 7 items:
1.RMSD after refinement
2.Number of aligned atoms after refinement
3.Number of refinement cycles
4.RMSD before refinement
5.Number of aligned atoms before refinement
6.Raw alignment score
7.Number of residues aligned
简而言之，选择第一个就够用
