生物資訊學研究中,常需將大量 PDB 蛋白結構檔案批次轉換為 DSSP 二級結構標註格式。本文示範如何使用 Python 自動化處理 200+ 檔案。
/ifs/home/fanchao/)dssp2 執行檔(路徑:/ifs/share/lib/dssp/dssp2)#!/usr/bin/env python
# -*- coding: utf-8 -*-
"""
批次將 PDB 檔案轉換為 DSSP 格式
輸入目錄: /ifs/home/fanchao/Manesh_pdb (215 個 .pdb 檔)
輸出目錄: /ifs/home/fanchao/Manesh_dssp
"""
import os
import subprocess
from pathlib import Path
def convert_pdb_to_dssp(
input_dir: str,
output_dir: str,
dssp_bin: str = "/ifs/share/lib/dssp/dssp2"
) -> None:
"""批次轉換主函式"""
in_path = Path(input_dir)
out_path = Path(output_dir)
out_path.mkdir(parents=True, exist_ok=True)
# 取得所有 .pdb 檔案(不分大小寫)
pdb_files = list(in_path.glob("*.pdb")) + list(in_path.glob("*.PDB"))
print(f"發現 {len(pdb_files)} 個 PDB 檔案")
for pdb_file in pdb_files:
# 輸出檔名:同名 .dssp
dssp_file = out_path / f"{pdb_file.stem}.dssp"
# 建構指令:dssp2 -i input.pdb -o output.dssp
cmd = [dssp_bin, "-i", str(pdb_file), "-o", str(dssp_file)]
try:
# 使用 subprocess 替代 os.system,可捕獲錯誤輸出
result = subprocess.run(
cmd,
check=True,
capture_output=True,
text=True,
timeout=30 # 單檔最長 30 秒
)
print(f"✓ {pdb_file.name} → {dssp_file.name}")
except subprocess.CalledProcessError as e:
print(f"✗ {pdb_file.name} 失敗: {e.stderr.strip()}")
except subprocess.TimeoutExpired:
print(f"✗ {pdb_file.name} 超時")
if __name__ == "__main__":
convert_pdb_to_dssp(
input_dir="/ifs/home/fanchao/Manesh_pdb",
output_dir="/ifs/home/fanchao/Manesh_dssp"
)
| 原版寫法 | 改進版 | 優勢 |
|---|---|---|
os.listdir + 索引迴圈 | Path.glob 直接迭代 | 自動過濾副檔名,程式碼更簡潔 |
os.system 字串格式化 | subprocess.run 列表參數 | 避免 Shell 注入風險,可捕獲 stdout/stderr |
| 無錯誤處理 | try/except + timeout | 單檔失敗不影響後續,防止卡死 |
| 硬編碼路徑 | 函式參數化 | 可重複使用,便於測試與部署 |
# 賦予執行權限
chmod +x batch_pdb2dssp.py
# 背景執行並記錄日誌
nohup ./batch_pdb2dssp.py > conversion.log 2>&1 &
# 即時查看進度
tail -f conversion.log
此腳本可輕鬆擴展支援多執行緒並行轉換(使用 concurrent.futures),大幅縮短大批量資料處理時間。