如何解析.cm蛋白质分子图文件并将其转换为.gr格式图文件
.cm格式解析与转.gr格式方案
一、.cm接触图文件数据规则
存储蛋白质分子图结构的.cm文件为生物信息领域通用的**接触图(Contact Map)**格式,标准规则如下:
- 第1行:整数,代表图的节点总数N(对应蛋白质的残基数量)
- 第2行:整数,代表图的边总数E(对应残基接触对的数量)
- 第3行~第N+2行:共N行,存储每个节点的属性值(可存储整数、残基名称字符串等,文件中的非数字文本均属于这部分内容)
- 第N+3行至文件末尾:共N-1行,为压缩存储的上三角邻接矩阵,用于记录边关系:
- 矩阵内第k行(k从1开始计数)共有
N - k个元素 - 第k行第m列(m从1开始计数)值为1时,代表节点k与节点k+m之间存在边;值为-1代表两个节点无连接
- 矩阵内第k行(k从1开始计数)共有
核心信息提取方法
- 节点数:直接读取第1行整数值
- 边数:可直接读取第2行整数值,也可遍历邻接矩阵统计所有值为1的元素数量完成校验
- 边列表:遍历邻接矩阵,每遇到值为1的元素,生成一条无向边(k, k+m),其中k为矩阵行号,m为元素所在列号
二、.cm转.gr格式实现方案
.gr为标准图存储格式,首行规则为p cep <节点数> <边数>,后续每行存储一条边的两个节点编号(从1开始计数),转换步骤如下:
- 读取.cm文件前2行,提取节点数N、边数E
- 跳过接下来的N行节点属性内容,无需处理内容格式
- 读取后续N-1行邻接矩阵,遍历所有值为1的位置,生成边列表
- 按.gr格式要求写入文件:首行写入
p cep N E,后续逐行写入边的两个节点编号
转换代码示例(Python)
def cm_to_gr(cm_path, gr_path): with open(cm_path, 'r', encoding='utf-8') as f: lines = [line.strip() for line in f if line.strip()] ptr = 0 # 读取元数据 N = int(lines[ptr]) ptr += 1 E = int(lines[ptr]) ptr += 1 # 跳过N行节点属性 ptr += N # 解析邻接矩阵生成边列表 edges = [] for k in range(1, N): row = list(map(int, lines[ptr].split())) ptr += 1 for m in range(len(row)): if row[m] == 1: u = k v = k + m + 1 edges.append((u, v)) # 写入.gr文件 with open(gr_path, 'w', encoding='utf-8') as f: f.write(f"p cep {N} {E}\n") for u, v in edges: f.write(f"{u} {v}\n") # 调用示例 # cm_to_gr("input.cm", "output.gr")
内容的提问来源于stack exchange,提问作者Sachin Agarwal
相关产品推荐
相关产品推荐

