根据能量对生物分子进行分类

Question

我有一个文件，里面有7000个分子，以及它们的名字和能量。每个分子从关键字模型1开始，第二线有能量(下面的例子是-9.102，第一分子)，第七条线有该分子的名称(下面的例子是第一分子，S3670头孢苏林(钠).cdx)。我想根据所有分子的能量对它们进行排序，这样最低的(最负的)分子将是产生的文本文件中的第一个分子以及分子的名字。能量和名字可以是相同的，也可以是不同的。我想使用grep进行解析，但没有根据句子中嵌入的值进行排序的经验。有人能帮忙吗。谢谢。

MODEL 1
REMARK VINA RESULT:    -9.102      0.000      0.000
REMARK INTER + INTRA:         -13.194
REMARK INTER:                 -12.767
REMARK INTRA:                  -0.427
REMARK UNBOUND:                 0.165
REMARK  Name = S3670 Cefsulodin (sodium).cdx
REMARK  8 active torsions:
REMARK  status: ('A' for Active; 'I' for Inactive)
REMARK    1  A    between atoms: CA_3  and  C_8
REMARK    2  A    between atoms: CA_5  and  N_10
REMARK    3  A    between atoms: C_7  and  C_12
REMARK    4  A    between atoms: C_12  and  N_16
REMARK    5  A    between atoms: C_15  and  C_17
REMARK    6  A    between atoms: C_17  and  C_21
REMARK    7  A    between atoms: C_17  and  S_22
REMARK    8  A    between atoms: C_30  and  C_33
REMARK                            x       y       z     vdW  Elec       q    Type
REMARK                         _______ _______ _______ _____ _____    ______ ____
ROOT
ATOM      1  N   UNL     1      92.970 106.706  73.996  0.00  0.00    +0.000 N
ATOM      2  C   UNL     1      93.751 107.062  75.160  0.00  0.00    +0.000 C
MODEL 1
REMARK VINA RESULT:    -6.812      0.000      0.000
REMARK INTER + INTRA:         -12.561
REMARK INTER:                 -11.387
REMARK INTRA:                  -1.175
REMARK UNBOUND:                -1.767
REMARK  Name = S3836 6-Gingerol.cdx
REMARK  10 active torsions:
REMARK  status: ('A' for Active; 'I' for Inactive)
REMARK    1  A    between atoms: C_1  and  C_2
REMARK    2  A    between atoms: C_1  and  C_12
REMARK    3  A    between atoms: C_2  and  C_3
REMARK    4  A    between atoms: C_3  and  C_4
REMARK    5  A    between atoms: C_4  and  C_5
REMARK    6  A    between atoms: C_5  and  C_6
REMARK    7  A    between atoms: C_6  and  C_7
REMARK    8  A    between atoms: C_7  and  C_8
REMARK    9  A    between atoms: C_8  and  C_9
REMARK   10  A    between atoms: C_14  and  O_18
REMARK                            x       y       z     vdW  Elec       q    Type
REMARK                         _______ _______ _______ _____ _____    ______ ____
ROOT
ATOM      1  C   UNL     1      89.880 102.122  75.634  0.00  0.00    +0.000 C
ENDROOT

Answer 1

您必须执行以下步骤：

ENERGY MODEL_NAME

• Apply

• 将文件拆分到at "MODEL 1"，这样每个文件就可以得到一个模型

• 编写了一个接收单个模型数据的函数或脚本，并打印出一个可排序的字符串，如将函数从2打印到每个文件，以获得每一行都是分子能量的结果，并将

• 排序为

。

所有这些在其他地方都有详细的解释，但是这里有一些您可以使用的通用Unix命令：

1. grep，sed，awk和许多其他人可以做How do I split a string on a delimiter in Bash?
2. head/tail/cut或sed Getting n-th line of text output和Bash + sed/awk/cut to delete nth character
3. xargs或parallel https://savannah.gnu.org/projects/parallel/
4. sort https://en.wikipedia.org/wiki/Sort_(Unix)

尽管如此，这是一个很好的例子，说明在Bash中完成任务是非常痛苦的，但是在Python这样的更好的语言中，这是一件轻而易举的事情。只需从STDIN、.split("MODEL 1").splitlines()读取文件，并使用基本Python /list切片/索引来提取数据。您也可以在Python中进行排序。