DNA-Sequence-alignment

基于modeller官网脚本进行开发的序列比对脚本

前期准备：脚本文件model_mult.py(多模板文件用于拼接)、脚本文件 compareScripts4_0.py(用于产生用于拼接所用的ali文件)、脚本文件add_A.py（用于给pdb文件加氢）、EGFP-LINKER-SPYCATCHER.B99990001.pdb、model1.pdb、model2.pdb等pdb文件、序列（一大段字符串。）

序列内容为：MKTASAAACAAPWSSSSVYTGGKTASHNGHNWTAKWWTQNETPGRSDVWADADIDIMVSKGEELFTGVVPILVELDGDVNGHKFSVSGEGEGDATYGKLTLKFICTTGKLPVPWPTLVTTLTYGVQCFSRYPDHMKQHDFFKSAMPEGYVQERTIFFKDDGNYKTRAEVKFEGDTLVNRIELKGIDFKEDGNILGHKLEYNYNSHNVYIMADKQKNGIKVNFKIRHNIEDGSVQLADHYQQNTPIGDGPVLLPDNHYLSTQSALSKDPNEKRDHMVLLEFVTAAGITLGMDELYKGSSLVPRGSGGGGSSDPGSEFGGGGSGGGGSGAMVDTLSGLSSEQGQSGDMTIEEDSATHIKFSKRDEDGKELAGATMELRDSSGKTISTWISDGQVKDFYLYPGKYTFVETAAPDGYEVATAITFTVNEQGQVTVNGKATKGDAHIAAALEHHHHHH

(所需文件如上)

使用方法

1、进行序列比对（用于获取xxx-mult.ali文件）

获取以上文件之后，我们需要进行序列比对。这是进行多模板拼接的必要前提。多模板拼接需要有xxx-mult.ali文件等一系列有效的pdb文件。

首先我们先编写csv文件，用于作为compareScripts4_0.py脚本文件的输入。创建xlsx文件

打开新建的xlsx文件，开始编写

首先在第一行按照图上输入modelname与sequence

之后在第二行输入序列名称（不知道叫啥？那你就随便命名了）、与序列

输入后呈现这样。

然后我们pdb文件有三个，我们首先在之后的行数，第一列、输入我们的pdb文件名称（注意末尾需要带.pdb），第二列就固定输入none

输入前：

输入后(输入的pdb文件其实是有先后顺序的，但是我们一开始是不知道顺序是什么，所以先不按顺序填写)：

写完后另存为csv格式文件：

保存之后，目前你的文件夹应该是这样的(当然这个xlsx文件和csv文件是你随便命名的)：在这里，我命名为test

接下来我们进行初步的序列比对，使用compareScripts4_0.py脚本。调用cmd窗口

输入这个命令：python compareScripts4_0.py test.csv

命令的语法是：python compareScripts4_0.py [csv文件]

弹出以下信息：

我们注意到，实际上，这个命令是运行不成功的，它报错了。报错内容是：

Traceback (most recent call last): File "compareScripts4_0.py", line 158, in initial_num = sequence_search(sequence, object_sequence) File "compareScripts4_0.py", line 83, in sequence_search return initial UnboundLocalError: local variable 'initial' referenced before assignment

这里的意思就是，我们输入的pdb文件，转化的序列是与我们输入的序列是对不上号的。

接下来我们开始修复这个错误：

我们首先来看这个错误报告，我的脚本是会打印出pdb文件的序列出来的，以图为例：

可以看到，脚本输出有以上信息，由于脚本报错内容是序列对不上号，所以我们首先整理以一下序列，看看哪里对不上号了。可能会有小朋友问了，这里不是只有2个pdb文件吗？那我们的model1.pdb去哪了？

答：由于脚本到某个步骤报错了，脚本自然是会因此中断了，model1.pdb文件自然是看不见。

接下来，我们查看model1.pdb的序列，首先在我们的csv文件上改动一下。原来的csv文件：

改动后的csv文件：

可以看到，这里的顺序更改了，因为脚本必然会读csv文件最后一行的pdb文件序列，所以我们这样做，就是要看看model1.pdb文件的序列长什么样子。

保存csv文件后再次运行脚本：得到：

在这里我们可以看到model1.pdb的序列了

之后我们就将这些pdb文件的序列整理一下，整理到txt文件里面，也就是复制粘贴序列到txt文件里面，对比一下，到底哪里序列对不上号。

这里排查的方法就按个人喜好来做

在这里我创建一个空的txt文件，使用editplus打开，然后整理成这样：

好了，接下来我们检查下哪里对不上号的。对不上号的意思就是某个pdb的序列，不能完全包含在全序列里面。

首先，我们排查model2.pdb:

可以看出，model2.pdb的序列可以在全序列上对得上号，这里的model2.pdb没有问题。

接下来我们排查model1.pdb:

可以看出，在这里，model1.pdb可以和全序列对得上号。Model1.pdb没有问题。

接下来我们排查EGFP-LINKER-SPYCATCHER.B99990001.pdb 前两个没有问题，这个必有问题。

果然，我们在对它使用查找的时候，并没有搜索到全序列的一个片段，这时候我们得慢慢对比了，看看哪里有问题。这个得花点时间。

经过一轮对比之后，发现问题出现在前两个字符串，是和整个序列冲突的

当我们删掉这两个字符串之后，整体的序列就能对得上号了。

删除之后就能对得上号了，问题就出在EGFP-LINKER-SPYCATCHER.B99990001.pdb这个pdb文件中。接下来我们直接对pdb文件进行操作。

用Editplus打开这个pdb文件。

首先把这个串串删掉，删掉这个串串对我们没有影响

接下来因为出问题的序列是前两个字符串，因此，我们在pdb中，就删除前两个residue，就看中间那串数字就行：

删除之后长这样，保存，退出

接下来我们要更改csv文件的顺序，在刚刚的序列检查之后，我们要按先后顺序去排列，如图：

在对应的，我们在csv文件上，也要这样头部，身体，尾部这样排列先后顺序原来csv：

排列后的csv：

按照pdb顺序去修改。

接下来我们再次在cmd运行命令：

报错

是新类型的错误，这里的意思就是，三个pdb文件中，有一个文件的文件格式不对。看看原来的文件夹：

可以看到，生成了三个新的pdb文件，其中reset_model1.pdb文件末尾是空的，0kb，因此判断这里必有问题。所以我们用editplus打开原来的pdb文件，也就是model1.pdb，并查看：

可以看到，这里的pdb文件第一行有这个字符串，这个就是出bug的元凶，把它删掉保存，删掉后长这样：

保存后，我们再次运行这个命令：

得到这样的结果：

在这里就大功告成了，没有出现任何的错误报告。第一步的比对完成。这时候我们查看我们的文件夹应该是这样的：

我们可以看到，程序生成了我们所需的一些文件，这些文件是用来做多模板拼接的。

接下来进入多模板拼接

2、进行多模板拼接（用于获取xxx.B99990001pdb文件）

打开我们的cmd窗口，在这里我们输入命令：

python model_mult.py test-mult0 chi_bind_spycatcher 3 reset_model2 reset_EGFP-LINKER-SPYCATCHER.B99990001 reset_model1

要注意的是，reset_*.pdb名字也有顺序的，按头部，身体，尾部的顺序输入。

这里是命令的语法：

python model_mult.py [-mult0.ali文件名] [.ali文件名] [pdb文件数量] [reset_pdb名字1] [reset_pdb名字2] [reset_pdb名字3] .........

输入命令后回车：

在这里，这里也有个错误产生：

意思是reset_EGFP-LINKER-SPYCATCHER.B99990001.pdb这个文件，缺少chain A，所以我们需要用脚本去修复，使用add_A.py脚本

我们接下来在cmd窗口输入python add_A.py reset_EGFP-LINKER-SPYCATCHER.B99990001.pdb

注意：在新版本我将add_A.py换成add_chain_v2.py 所以应该在cmd输入：

python add_chain_v2.py reset_EGFP-LINKER-SPYCATCHER.B99990001.pdb A

回车

这个就是我们修复好的文件了

修复前是长这样的：

修复后是长这样的：

接下来我们把原来的reset_EGFP-LINKER-SPYCATCHER.B99990001.pdb删掉，把我们生成的reset_reset_EGFP-LINKER-SPYCATCHER.B99990001.pdb改名为reset_EGFP-LINKER-SPYCATCHER.B99990001.pdb。

修复好之后，我们调用cmd窗口，继续进行多模板拼接，继续输入命令：回车

弹出一大串东西