You need to enable JavaScript to run this app. 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
优惠活动
大模型
产品
解决方案
定价
更多

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

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:

  1. 读取.cm文件前2行,提取节点数N、边数E
  2. 跳过接下来的N行节点属性内容,无需处理内容格式
  3. 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
  4. 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
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.10.19 16:27:03