parsePDB.py

#!/usr/bin/env  python
# -*- coding:utf8 -*-

"""
Auteur : Arthur ROBIEUX - Julien ROZIERE
E-mail : arthur.robieux@gmail.com, julien.roziere@u-psud.fr
Date : 11/04/2017
Objectif : Fonction permettant de parser une protéine au format .pdb afin
de pouvoir l'utiliser dans des sripts Python.
"""

import math, string


def parsePDBfile(infile):
    """
    Permet de parser un fichier PDB.
    Input : Fichier pdb représentant une protéine.
    Output : Protéine parsée, lisible par Python.
    """

    # lecture du fichier PDB
    f = open(infile, "r")
    lines = f.readlines()
    f.close()

    # var init
    chaine = True
    firstline = True
    prevres = None
    dPDB = {}
    dPDB["reslist"] = []
    dPDB["chains"] = []

    # parcoure le PDB
    for line in lines:
        if line[0:4] == "ATOM":
            chain = line[21]
            if not chain in dPDB["chains"]:
                dPDB["chains"].append(chain)
                dPDB[chain] = {}
                dPDB[chain]["reslist"] = []
            curres = "%s" % (line[22:27]).strip()
            if not curres in dPDB[chain]["reslist"]:
                dPDB[chain]["reslist"].append(curres)
                dPDB[chain][curres] = {}
                dPDB[chain][curres]["resname"] = string.strip(line[17:20])
                dPDB[chain][curres]["atomlist"] = []
            atomtype = string.strip(line[12:16])
            dPDB[chain][curres]["atomlist"].append(atomtype)
            dPDB[chain][curres][atomtype] = {}
            # print "cures ", curres
            # print dPDB[chain][curres]

            dPDB[chain][curres][atomtype]["x"] = float(line[30:38])
            dPDB[chain][curres][atomtype]["y"] = float(line[38:46])
            dPDB[chain][curres][atomtype]["z"] = float(line[46:54])
            dPDB[chain][curres][atomtype]["domain"] = line[72:74].strip()

    return dPDB


def parsePDBstring(lines):
    """
    Permet de parser une chaine de caractère contenant le contenu d'un fichier pdb.
    Input : Chaine de caractère contenant une protéine au format pdb.
    Output : Protéine parsée, lisible par Python.
    """

    # var init
    chaine = True
    firstline = True
    prevres = None
    dPDB = {}
    dPDB["reslist"] = []
    dPDB["chains"] = []

    # parcoure le PDB
    for line in lines:
        if line[0:4] == "ATOM":
            chain = line[21]
            if not chain in dPDB["chains"]:
                dPDB["chains"].append(chain)
                dPDB[chain] = {}
                dPDB[chain]["reslist"] = []
            curres = "%s" % (line[22:27]).strip()
            if not curres in dPDB[chain]["reslist"]:
                dPDB[chain]["reslist"].append(curres)
                dPDB[chain][curres] = {}
                dPDB[chain][curres]["resname"] = string.strip(line[17:20])
                dPDB[chain][curres]["atomlist"] = []
            atomtype = string.strip(line[12:16])
            dPDB[chain][curres]["atomlist"].append(atomtype)
            dPDB[chain][curres][atomtype] = {}
            # print "cures ", curres
            # print dPDB[chain][curres]

            dPDB[chain][curres][atomtype]["x"] = float(line[30:38])
            dPDB[chain][curres][atomtype]["y"] = float(line[38:46])
            dPDB[chain][curres][atomtype]["z"] = float(line[46:54])
            dPDB[chain][curres][atomtype]["domain"] = line[72:74].strip()

    return dPDB


def parsePDBmulti(infile):
    """
    Permet à partir d'un fichier contenant plusieurs proteines au format pdb, de parser chacune d'entre elles.
    Input : Fichier contenant plusieurs protéines au format pdb.
    Output : Dictionnaire contenant chaque protéine (clé) et son format parsé (lisible par Python).
    """
    frames = open(infile, "r")
    lines = frames.readlines()
    frames.close()

    parse_frames = {}  # Dico contenant les sorties du parseur pour chaque conformations (clé : n°MODEL, valeur : sortie parsePDB())
    nb_frames = 0  # Contient le nombre de conformations

    conformations = []  # Contient le contenu du .pdb pour un seul model
    model = ""  # Numéro du modèle (temps T de l'observation)

    for line in lines:

        if "MODEL" in line:  # Si on commence une nouvelle conformations
            if model != "":  # On parse la conformation actuelle
                parse_frames[model] = parsePDBstring(conformations)

            conformations = []  # On supprime la conformation après l'avoir parsé
            model = line[10:14].strip()  # Determination du nouveau "MODEL"
            nb_frames += 1

        else:
            conformations.append(line)  # Sinon on ajoute les lignes correspondant à la conformation

    parse_frames[model] = parsePDBstring(conformations)  # Dernière conformation

    return parse_frames




### Parseur utilisé pour l'interface
### (modification de la hiérarchie => Domaine plus haut).



def parsePDBstringInt(lines):
    """
    Permet de parser une chaine de caractère contenant le contenu d'un fichier pdb.
    Input : Chaine de caractère contenant une protéine au format pdb.
    Output : Protéine parsée, lisible par Python.

    """

    # var init
    chaine = True
    firstline = True
    prevres = None
    dPDB = {}
    dPDB["reslist"] = []
    dPDB["chains"] = []

    # parcoure le PDB
    for line in lines:
        if line[0:4] == "ATOM":
            chain = line[21]
            if not chain in dPDB["chains"]:
                dPDB["chains"].append(chain)
                dPDB[chain] = {}

            domain = "%s" % (line[72:74].strip())
            if not domain in dPDB[chain].keys():
                dPDB[chain][domain] = {}
                dPDB[chain][domain]["reslist"] = []

            curres = "%s" % (line[22:27]).strip()
            if not curres in dPDB[chain][domain]["reslist"]:
                dPDB[chain][domain]["reslist"].append(curres)
                dPDB[chain][domain][curres] = {}
                dPDB[chain][domain][curres]["resname"] = string.strip(line[17:20])
                dPDB[chain][domain][curres]["atomlist"] = []
            atomtype = string.strip(line[12:16])
            dPDB[chain][domain][curres]["atomlist"].append(atomtype)
            dPDB[chain][domain][curres][atomtype] = {}
            # print "cures ", curres
            # print dPDB[chain][curres]

            dPDB[chain][domain][curres][atomtype]["x"] = float(line[30:38])
            dPDB[chain][domain][curres][atomtype]["y"] = float(line[38:46])
            dPDB[chain][domain][curres][atomtype]["z"] = float(line[46:54])
            dPDB[chain][domain][curres][atomtype]["domain"] = line[72:74].strip()

    return dPDB




def parsePDBmultiInt(infile):
    """
    Permet à partir d'un fichier contenant plusieurs proteines au format pdb, de parser chacune d'entre elles.
    Input : Fichier contenant plusieurs protéines au format pdb.
    Output : Dictionnaire contenant chaque protéine (clé) et son format parsé (lisible par Python).
    """

    frames = open(infile, "r")
    lines = frames.readlines()
    frames.close()

    parse_frames = {}  # Dico contenant les sorties du parseur pour chaque conformations (clé : n°MODEL, valeur : sortie parsePDB())
    nb_frames = 0  # Contient le nombre de conformations

    conformations = []  # Contient le contenu du .pdb pour un seul model
    model = ""  # Numéro du modèle (temps T de l'observation)

    for line in lines:

        if "MODEL" in line:  # Si on commence une nouvelle conformations
            if model != "":  # On parse la conformation actuelle
                parse_frames[model] = parsePDBstringInt(conformations)

            conformations = []  # On supprime la conformation après l'avoir parsé
            model = line[10:14].strip()  # Determination du nouveau "MODEL"
            nb_frames += 1

        else:
            conformations.append(line)  # Sinon on ajoute les lignes correspondant à la conformation

    parse_frames[model] = parsePDBstringInt(conformations)  # Dernière conformation

    return parse_frames