从uniprot网站上爬取蛋白质家族信息

2023-10-13 02:20

本文主要是介绍从uniprot网站上爬取蛋白质家族信息,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

原始数据:
在这里插入图片描述
逼话少说,上代码

import requests
import pandas as pd
from bs4 import BeautifulSoup
import time
from multiprocessing import Pool"""
类说明:从uniprot网站下获取蛋白的家族信息
Parameters:无
Returns:无
Modify:2020-01-09
"""class Downloader():def __init__(self):self.server = 'https://www.uniprot.org/uniprot/'self.file = r"D:\SMALL_MOLECULAR_AIDS\chembl\outcome\10uM(less)\uniprots(2806).csv"self.url = 'https://www.uniprot.org/uniprot/XXX#family_and_domains'self.uniprots = []self.headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:71.0) Gecko/20100101 Firefox/71.0','Upgrade-Insecure-Requests': '1'}self.outpath_txt(r"C:\Users\86177\Desktop\families.txt")"""函数说明:获取uniprotParameters:无Returns:无Modify:2020-01-07"""    def get_uni(self):        df = pd.read_csv(self.file)self.uniprots.extend(df['Uniprots'])"""函数说明:获取uniprot号的蛋白质家族信息Parameters:uniprotReturns:fam (protein's(uniprot's) family info)Modify:2020-01-09"""  def get_contents(self, uniprot):target = self.url.replace('XXX',uniprot)s = requests.session() rep = s.get(url = target,verify = False,headers = self.headers,timeout=30)rep.raise_for_status()soup = BeautifulSoup(rep.text,'html.parser')families = soup.select('#family_and_domains > div.annotation > a')fam = [i.get_text() for i in families]if fam != []:fam.extend([uniprot])else:families = soup.select('#family_and_domains > span > a ')fam = [i.get_text() for i in families]fam.extend([uniprot])print(fam)return fam"""函数说明:输出数据Parameters:family(protein's(uniprot's) family info)Returns:无Modify:2020-01-07"""     def write_txt(self,family):with open(self.outpath_txt, 'a') as f:f.write(str(family) + '\n')"""函数说明:将爬虫结果映射进原来的csv表格中Parameters:无Returns:无Modify:2020-01-09"""def trans_csv(self):df = pd.read_csv(self.file)families = {}with open (self.outpath_txt,'r') as f:text = f.readlines()for f_u in text:f_u = f_u.replace('\n','').split(',')families.update({f_u[len(f_u)-1]:'|'.join(f_u[0:(len(f_u)-1)])})uni_left = [uni for uni in list(df['Uniprots']) if uni not in families.keys()]for u in uni_left:families.update({u:None})df['Family'] = df['Uniprots'].map(lambda x:families[x])df.to_csv(self.file)if __name__ == "__main__":dl = Downloader()dl.get_uni()pool = Pool(processes = 8)for uniprot in dl.uniprots:try:pool.apply_async(func = dl.write_txt,args = (dl.get_contents(uniprot),))            print("uniprot:"+uniprot+"info download finished")time.sleep(0.5)except:print(uniprot+"download fail")pool.close()pool.join()dl.trans_csv()

输出结果:
在这里插入图片描述

可以看到还有一些uniprot没对应到家族,应该是网站结构改变没爬到,再探!!

这篇关于从uniprot网站上爬取蛋白质家族信息的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/200086

相关文章

C#读取本地网络配置信息全攻略分享

《C#读取本地网络配置信息全攻略分享》在当今数字化时代,网络已深度融入我们生活与工作的方方面面,对于软件开发而言,掌握本地计算机的网络配置信息显得尤为关键,而在C#编程的世界里,我们又该如何巧妙地读取... 目录一、引言二、C# 读取本地网络配置信息的基础准备2.1 引入关键命名空间2.2 理解核心类与方法

使用Python检查CPU型号并弹出警告信息

《使用Python检查CPU型号并弹出警告信息》本教程将指导你如何编写一个Python程序,该程序能够在启动时检查计算机的CPU型号,如果检测到CPU型号包含“I3”,则会弹出一个警告窗口,感兴趣的小... 目录教程目标方法一所需库步骤一:安装所需库步骤二:编写python程序步骤三:运行程序注意事项方法二

PostgreSQL如何查询表结构和索引信息

《PostgreSQL如何查询表结构和索引信息》文章介绍了在PostgreSQL中查询表结构和索引信息的几种方法,包括使用`d`元命令、系统数据字典查询以及使用可视化工具DBeaver... 目录前言使用\d元命令查看表字段信息和索引信息通过系统数据字典查询表结构通过系统数据字典查询索引信息查询所有的表名可

业务中14个需要进行A/B测试的时刻[信息图]

在本指南中,我们将全面了解有关 A/B测试 的所有内容。 我们将介绍不同类型的A/B测试,如何有效地规划和启动测试,如何评估测试是否成功,您应该关注哪些指标,多年来我们发现的常见错误等等。 什么是A/B测试? A/B测试(有时称为“分割测试”)是一种实验类型,其中您创建两种或多种内容变体——如登录页面、电子邮件或广告——并将它们显示给不同的受众群体,以查看哪一种效果最好。 本质上,A/B测

【北交大信息所AI-Max2】使用方法

BJTU信息所集群AI_MAX2使用方法 使用的前提是预约到相应的算力卡,拥有登录权限的账号密码,一般为导师组共用一个。 有浏览器、ssh工具就可以。 1.新建集群Terminal 浏览器登陆10.126.62.75 (如果是1集群把75改成66) 交互式开发 执行器选Terminal 密码随便设一个(需记住) 工作空间:私有数据、全部文件 加速器选GeForce_RTX_2080_Ti

速盾高防cdn是怎么解决网站攻击的?

速盾高防CDN是一种基于云计算技术的网络安全解决方案,可以有效地保护网站免受各种网络攻击的威胁。它通过在全球多个节点部署服务器,将网站内容缓存到这些服务器上,并通过智能路由技术将用户的请求引导到最近的服务器上,以提供更快的访问速度和更好的网络性能。 速盾高防CDN主要采用以下几种方式来解决网站攻击: 分布式拒绝服务攻击(DDoS)防护:DDoS攻击是一种常见的网络攻击手段,攻击者通过向目标网

49个权威的网上学习资源网站

艺术与音乐 Dave Conservatoire — 一个完全免费的音乐学习网站,口号是“让每一个人都可以接受世界级的音乐教育”,有视频,有练习。 Drawspace — 如果你想学习绘画,或者提高自己的绘画技能,就来Drawspace吧。 Justin Guitar — 超过800节免费的吉他课程,有自己的app,还有电子书、DVD等实用内容。 数学,数据科学与工程 Codecad

BT天堂网站挂马事件后续:“大灰狼”远控木马分析及幕后真凶调查

9月初安全团队披露bt天堂网站挂马事件,该网站被利用IE神洞CVE-2014-6332挂马,如果用户没有打补丁或开启安全软件防护,电脑会自动下载执行大灰狼远控木马程序。 鉴于bt天堂电影下载网站访问量巨大,此次挂马事件受害者甚众,安全团队专门针对该木马进行严密监控,并对其幕后真凶进行了深入调查。 一、“大灰狼”的伪装 以下是10月30日一天内大灰狼远控的木马样本截图,可以看到该木马变种数量不

PHP抓取网站图片脚本

方法一: <?phpheader("Content-type:image/jpeg"); class download_image{function read_url($str) { $file=fopen($str,"r");$result = ''; while(!feof($file)) { $result.=fgets($file,9999); } fclose($file); re

Linux命令(11):系统信息查看命令

系统 # uname -a # 查看内核/操作系统/CPU信息# head -n 1 /etc/issue # 查看操作系统版本# cat /proc/cpuinfo # 查看CPU信息# hostname # 查看计算机名# lspci -tv # 列出所有PCI设备# lsusb -tv