如何基于uniq-compounds提取指定文件夹out.pdbqt中的化合物名称

嘿，我来给你分享两个实用的方案，帮你快速完成这个筛选和提取的任务——不管你更习惯用Shell脚本还是Python，都能轻松搞定：

Bash 脚本方案 #

如果你平时经常用命令行，这个脚本会很顺手，直接在终端就能跑：

#!/bin/bash

# 假设uniq-compounds文件和sidra目录都在当前工作目录下
while read -r ligand_dir; do
    # 拼接出目标out.pdbqt的完整路径
    pdbqt_file="./sidra/${ligand_dir}/out.pdbqt"
    
    # 先检查文件是否存在，避免报错
    if [ -f "$pdbqt_file" ]; then
        # 提取第3行，再截取REMARK里"Name = "后面的化合物名称
        compound_name=$(sed -n '3p' "$pdbqt_file" | sed 's/^REMARK.*Name = //')
        # 将结果写入compound_names.txt，格式为「文件夹名: 化合物名称」
        echo "${ligand_dir}: ${compound_name}" >> compound_names.txt
    else
        # 输出警告，提示找不到文件，方便排查
        echo "⚠️  警告：$pdbqt_file 文件不存在" >&2
    fi
done < uniq-compounds

脚本说明： #

• read -r ligand_dir 逐行读取uniq-compounds里的每个文件夹名
• sed -n '3p' 精准提取out.pdbqt的第3行内容
• 第二个sed命令负责去掉行首的REMARK前缀，只保留Name = 后面的化合物名称
• 最终结果会追加到compound_names.txt文件中，同时终端会打印缺失文件的警告

Python 脚本方案 #

如果你更熟悉Python，这个脚本可读性更强，也更容易调整逻辑：

# 读取uniq-compounds里的文件夹列表，去掉空行和多余空格
with open('uniq-compounds', 'r') as f:
    ligand_dirs = [line.strip() for line in f if line.strip()]

compound_list = []

for ligand_dir in ligand_dirs:
    pdbqt_path = f"./sidra/{ligand_dir}/out.pdbqt"
    try:
        with open(pdbqt_path, 'r') as pdbqt_file:
            lines = pdbqt_file.readlines()
            # 确保文件至少有3行
            if len(lines) >= 3:
                third_line = lines[2]  # Python索引从0开始，第3行对应索引2
                if 'Name = ' in third_line:
                    # 截取"Name = "后面的内容并去除首尾空格
                    compound_name = third_line.split('Name = ')[1].strip()
                    compound_list.append(f"{ligand_dir}: {compound_name}")
                else:
                    print(f"⚠️  警告：{pdbqt_path}的第3行没有找到Name字段")
            else:
                print(f"⚠️  警告：{pdbqt_path}的行数不足3行")
    except FileNotFoundError:
        print(f"⚠️  警告：{pdbqt_path}文件不存在")

# 将结果写入compound_names.txt
with open('compound_names.txt', 'w') as out_file:
    out_file.write('\n'.join(compound_list))

脚本说明： #

• 用列表推导式读取并整理文件夹列表，自动过滤空行
• 用try-except捕获文件不存在的异常，避免脚本中途崩溃
• 先判断文件行数是否足够，再检查是否有Name字段，逻辑更严谨
• 最终结果同样保存到compound_names.txt中，同时在终端输出异常提示

小提示： #

1. 如果uniq-compounds或sidra不在当前目录，记得修改脚本里的路径（比如把./sidra改成绝对路径/home/xxx/sidra）
2. 可以根据需求调整输出格式，比如只保留化合物名称，或者把结果导入到Excel里
3. 两种方案都会自动跳过无效文件，不会因为个别缺失文件影响整体任务

内容的提问来源于stack exchange，提问作者Sidra Rafi