基于人工智能的多肽药物分析问题（一）

2021SC@SDUSC

1、本周工作

分析rosettaFold的源码中前期准备部分

2、源码分析

2.1 Parsing arguments

利用python的argparse模块编写与程序运行相关的命令行选项、参数和子命令解析器。

argparse 模块可以让使用者轻松编写用户友好的命令行接口。程序定义它需要的参数，然后 argparse 将弄清如何从 sys.argv 解析出那些参数。 argparse 模块还会自动生成帮助和使用手册，并在用户给程序传入无效参数时报出错误信息。

	parser = argparse.ArgumentParser(description="Error predictor network with predicted distogram",
                                     epilog="v0.0.1")
    parser.add_argument("distogram",
                        action="store",
                        help="predicted distogram (npz format, key for distogram should be 'dist')")
    parser.add_argument("infolder",
                        action="store",
                        help="input folder name full of decoy pdbs having same sequence or path to a single pdb")
    parser.add_argument("outfolder",
                        action="store", nargs=argparse.REMAINDER,
                        help="output folder name. If a pdb path is passed this needs to be a .npz file. Can also be empty. Default is current folder or pdbname.npz")
    parser.add_argument('-prefix', default=None, help='prefix for input pdbs')
    parser.add_argument('--roll', action="store_true", default=False, help="Roll predicted distogram or not [False], should be added if you use distogram from Trunk")
    parser.add_argument("--pdb",
                        "-pdb",
                        action="store_true",
                        default=False,
                        help="Running on a single pdb file instead of a folder (Default: False)")
    parser.add_argument("--leavetemp",
                        "-lt",
                        action="store_true",
                        default=False,
                        help="leaving temporary files (Default: False)")

argparse 模块使用流程

创建解析器，使用 argparse 的第一步是创建一个 ArgumentParser 对象。

ap= argparse.ArgumentParser(description='Process some integers.')

添加参数

ap.add_argument('integers', metavar='N', type=int, nargs='+', help='an integer for the accumulator')

解析参数

ap.parse_args()

命令行调用py文件

# 例子
import argparse

parser = argparse.ArgumentParser(description='Process some integers.')
parser.add_argument('integers', metavar='N', type=int, nargs='+',
                    help='an integer for the accumulator')
parser.add_argument('--sum', dest='accumulate', action='store_const',
                    const=sum, default=max,
                    help='sum the integers (default: find the max)')

args = parser.parse_args()
print(args.accumulate(args.integers))

命令行调用方式：

python argparseU.py 1 2 3
输出 3 
python argparseU.py --sum 1 2 3
输出 6

经统计，该源码共添加了12个命令行参数，分别是：

distogram 
infolder 
outfolder 
-prefix
--roll 
-pdb 
--leavetemp 
--verbose
--process 
--gpu 
--featurize 
--reprocess

各个参数的作用分别是：

distogram # 使用柱状图模式预测
infolder # 输入pdb数据集所在文件夹
outfolder # 设置输出文件夹的名字若pdb路径，则需要 .npz文件
-prefix # 输入PDBS的前缀
–roll # 在使用Trunk的统计图时，添加Roll预测的统计图
-pdb # 单个pdb
–leavetemp # 删除临时文件默认为False
–verbose # 详细标志
–process # 使用的cpu个数
–gpu # 使用gpu个数
–featurize # 只运行featurization
–reprocess # 重新处理特征文件

以上命令行参数作为前提，有助于后期命令行直接调用模型对蛋白质的结构进行预测

2.2 Checking file availabilities

该部分代码是用于检查文件的可用性

检查 --outfolder 参数所标识的文件的可用性

    if len(args.outfolder)>1:
        print(f"Only one output folder can be specified, but got {args.outfolder}", file=sys.stderr)
        return -1

    if len(args.outfolder)==0:
        args.outfolder = ""
    else:
        args.outfolder = args.outfolder[0]

当输出文件夹数目大于1的时候抛出异常
当文件数目为0的时候则为默认情况
其余情况则采用第一个参数所示的值

检查 infolder参数

    if args.infolder.endswith('.pdb'):
        args.pdb = True
    
    if not args.pdb:
        if not isdir(args.infolder):
            print("Input folder does not exist.", file=sys.stderr)
            return -1
        
        #default is current folder
        if args.outfolder == "":
            args.outfolder='.'
        if not isdir(args.outfolder):
            print("Creating output folder:", args.outfolder)
            os.mkdir(args.outfolder)
    else:
        if not isfile(args.infolder):
            print("Input file does not exist.", file=sys.stderr)
            return -1
        
        #default is output name with extension changed to npz
        if args.outfolder == "":
            args.outfolder = os.path.splitext(args.infolder)[0]+".npz"

        if not(".pdb" in args.infolder and ".npz" in args.outfolder):
            print("Input needs to be in .pdb format, and output needs to be in .npz format.", file=sys.stderr)
            return -1

流程：

判断输入文件格式是否为pdb格式：

? 是：

? 判断文件是否存在，不是则中断执行，是则继续执行

? 若输出文件为空，则为输出文件命名

? 判断输出文件和出入文件的格式是否正确，是则正常执行，否则中断执行

? 不是：

? 判断是否为目录地址是则继续执行，否则执行中断

? 判断是否为当前目录默认为当前目录

    script_dir = os.path.dirname(__file__)
    base = os.path.join(script_dir, "models/")
    modelpath = base + "smTr"
        
    if not isdir(modelpath+"_rep1"):
        print("Model checkpoint does not exist", file=sys.stderr)
        return -1