做网站公司选哪家,seo优化的网站,建投能源公司简介,中国建设工程质量协会网站实验篇——亚细胞定位 文章目录 前言一、亚细胞定位的在线网站1. UniProt2. WoLFPSORT3. BUSCA4. TargetP-2.0 二、代码实现1. 基于UniProt#xff08;不会#xff09;2. 基于WoLFPSORT后续#xff08;已完善#xff0c;有关代码放置于[python爬虫学习#xff08;一#… 实验篇——亚细胞定位 文章目录 前言一、亚细胞定位的在线网站1. UniProt2. WoLFPSORT3. BUSCA4. TargetP-2.0 二、代码实现1. 基于UniProt不会2. 基于WoLFPSORT后续已完善有关代码放置于[python爬虫学习一](https://blog.csdn.net/2301_78630677/article/details/132241087) 总结 前言
有关亚细胞定位的详细信息请参考另一篇文章 理化性质与亚细胞定位 一、亚细胞定位的在线网站
1. UniProt 网址https://www.uniprot.org/ 在这个网站中有一个关键的概念——ID映射若AA序列文件不是在该官网中下载的而是从外界导入的那么要先将AA序列的ID转变为UniProt ID) 注意首先要清楚待转换的AA序列的ID标识符来源于哪个数据库 我输入了“sp|Q9FIK7.1|AACT1_ARATH”这是某个AA序列的ID得到如下结果可知道它对应的UniProt ID 为 “Q8S4Y1” 然后在搜索栏中输入该名称得到 2. WoLFPSORT 网址https://wolfpsort.hgc.jp/ 这个网站可以批量处理小量的AA序列允许的大小200K根据实际情况一般可以容纳几百到几千个氨基酸序列。 结果查看 示例 LaggChr1G00000010.1 details chlo: 5, nucl: 3.5, mito: 3, cyto_nucl: 3, cyto: 1.5, cysk: 1 LaggChr1G00000010.1这个蛋白质的亚细胞定位信息如下
叶绿体chlo得分5 细胞核nucl得分3.5 线粒体mito得分3 细胞质-细胞核cyto-nucl得分3 细胞质cyto得分1.5 细胞骨架cysk得分1 这些得分表示蛋白质在各个亚细胞定位的可能性较高的得分表示较高的概率。
他们是按得分排列的故取第一个就行。
3. BUSCA url http://busca.biocomp.unibo.it/ 最多可以输入500个序列 可以下载结果表格还挺方便 结果查看
4. TargetP-2.0 TargetP-2.0 url http://www.cbs.dtu.dk/services/TargetP/ 我看了一下它介绍中说能处理5000个AA序列但是要得到结果文件是要下载这个软件在网页上看不到结果我没下载因为下载它好像要填一些信息什么的 二、代码实现
1. 基于UniProt不会 推荐这是一篇有关于用R语言实现“根据uniprot ID 批量检测基因的亚细胞定位“ 这篇文章是在已知道Uniprot ID的情况下实现的爬取 我最开始也是看的这篇文章所以想要基于uniProt官网来通过爬虫爬取。但是我弄了好久才有点搞懂这个网站它的功能太多了太繁杂。最主要是那个ID映射我完全卡在这第一步了因为我并不知道我的AA序列的ID来自哪个数据库 而且全是英文就相当于我用之前还要了解好多数据库。我也看了许多关于这个官网介绍的教程也是有点…
2. 基于WoLFPSORT 主要是对结果的整理 从前文可知它返回的结果是一堆的要想从中提取出来蛋白质的亚细胞定位可以用代码实现 import requests
url https://wolfpsort.hgc.jp/results/pLAcbca22a5a0ccf7d913a9fc0fb140c3f4.html
r requests.get(url)
print(r.status_code)
# print(r.encoding)
text r.text
# print(text)
lines text.split(BR)
AA_ID_list []
yaxibao_list []
for i in lines:if details in i:AA_ID i.split(A)[0].strip().split()[-1]yaxibao i.split(details)[1].strip().split()[1][:-1]AA_ID_list.append(AA_ID)yaxibao_list.append(yaxibao)
with open(yaxibao.csv,w,encodingutf-8) as f:f.write(AA_ID, yaxibao\n) # 写入列名for j in range(len(AA_ID_list)):f.write(f{AA_ID_list[j]}, {yaxibao_list[j]}\n)text
yaxibao.csv 后续已完善有关代码放置于python爬虫学习一 因为在WoLF PSORT官网中一次提交的数据大小最多200kb,那 我可以试着将原来几万kb大小的AA序列的大文件分为小文件之前说错了之前的那个划分文件的函数是根据文件的行数划分的而不是AA序列的ID数。我要将大的AA序列文件划分为小的AA序列文件是要根据AA序列的ID划分不然就会导致AA的ID 与AA的序列不连贯这种情况。故我又重新修改了一下。 所以根据估算这个WoLF PSORT官网中一次提交的AA序列最多也是差不多500左右。与那个BUSCA网站的差不多。 若是一定要批量处理大量的AA序列可以尝试运用爬虫 一个思路其中结果页面的url无法获得
import requests
import os
import pandas as pd
from bs4 import BeautifulSoupdef split_gene_file(source_file, output_folder, ids_per_file):os.makedirs(output_folder, exist_okTrue)current_file Nonecount 0with open(source_file, r) as f:for line in f:if line.startswith():count 1if count % ids_per_file 1:if current_file:current_file.close()output_file f{output_folder}/gene_file_{count // ids_per_file 1}.csvcurrent_file open(output_file, w, encodingutf-8)current_file.write(line)else:current_file.write(line)if current_file:current_file.close()split_gene_file(D:\yuceji\Lindera_aggregata.gene.pep, gene1, 500)files os.listdir(D:\python\PycharmProjects\pythonProject1\爬虫\gene1)base_url https://wolfpsort.hgc.jp/
new_url []
for i in range(len(files)):with open(fD:\python\PycharmProjects\pythonProject1\爬虫\gene1\gene_file_{i 1}.csv, r) as f:aa_sequence f.read()# 构建WoLFPSORT请求的数据data {seq: aa_sequence}# 发送POST请求到WoLFPSORT官网response requests.post(base_url, datadata)print(response.status_code)print(response.text)# 检查请求是否成功if response.status_code 200:# 解析结果页面的URLsoup BeautifulSoup(response.content, html.parser)result_links soup.find_all(a, hrefTrue)print(result_links)result_url None# 遍历所有的链接for link in result_links:href link.get(href, )# 判断链接是否包含 resultsif results in href:result_url base_url hrefbreakif result_url:print(result_url)new_url.append(result_url)else:print(无法找到亚细胞定位结果页面的URL)for i in range(len(new_url)):# url https://wolfpsort.hgc.jp/results/pLAcbca22a5a0ccf7d913a9fc0fb140c3f4.htmlr requests.get(new_url[i])print(r.status_code)# print(r.encoding)text r.text# print(text)lines text.split(BR)AA_ID_list []yaxibao_list []for i in lines:if details in i:AA_ID i.split(A)[0].strip().split()[-1]yaxibao i.split(details)[1].strip().split()[1][:-1]AA_ID_list.append(AA_ID)yaxibao_list.append(yaxibao)with open(fyaxiba{i}o.csv, w, encodingutf-8) as f:f.write(AA_ID, yaxibao\n) # 写入列名for j in range(len(AA_ID_list)):f.write(f{AA_ID_list[j]}, {yaxibao_list[j]}\n) 这个爬虫代码中返回的url并不是我要的那种例如https://wolfpsort.hgc.jp/results/pLA2dbb41dafad4afb342b5000abcb263b1.html 而是如图所示 我点进这个链接是这样的 我也不知道为什么只能等我再学学爬虫希望之后能解决这个问题吧当然也希望有大佬能帮忙指教一下 我还看了看结果页面的源代码HTML语言 怎么说呢既然我不能爬取到结果页面的url,那我只能将结果页面url的获得的步骤放在官网中实现而后面的结果整理则用代码实现。 总结
本章详细介绍了许多用于亚细胞定位的网站其中我还是比较推荐 WoLFPSORT这个网站的简单易懂十分好上手。至于后续的代码实现我也是基于这个网站但是因为爬虫学习还不到位无法爬取到结果页面的url)。只能等以后在学习爬虫时再修改。
羌笛何须怨杨柳春风不度玉门关。
–2023-8-12 实验篇
