Bio.SVDSuperimposer软件包

模块内容

使用奇异值分解(SVD)比对将蛋白质结构与另一个蛋白质结构比对。

SVDSuperimposer找到最佳的旋转和平移，将两个点集叠加在一起(最小化RMSD)。这是艾格。对叠加晶体结构很有用。SVD代表奇异值分解，算法中使用了奇异值分解。

class Bio.SVDSuperimposer.SVDSuperimposer

基类：object

类来运行SVD对齐。

SVDSuperimposer找到最佳的旋转和平移，将两个点集叠加在一起(最小化RMSD)。这是艾格。对叠加晶体结构很有用。

SVD代表奇异值分解，用于计算叠加。

参考资料：

矩阵计算，第二版。Golub，G.&Van Loan，参考文献，约翰霍普金斯大学出版社，巴尔的摩，1989

从两个坐标集开始(Nx3数组-浮点)

>>> from Bio.SVDSuperimposer import SVDSuperimposer
>>> from numpy import array, dot, set_printoptions
>>>
>>> x = array([[51.65, -1.90, 50.07],
...      [50.40, -1.23, 50.65],
...      [50.68, -0.04, 51.54],
...      [50.22, -0.02, 52.85]], 'f')
>>>
>>> y = array([[51.30, -2.99, 46.54],
...      [51.09, -1.88, 47.58],
...      [52.36, -1.20, 48.03],
...      [52.71, -1.18, 49.38]], 'f')

开始

>>> sup = SVDSuperimposer()

设置坐标y将在x上旋转和平移

>>> sup.set(x, y)

做LSQ拟合

>>> sup.run()

获取RMSD

>>> rms = sup.get_rms()

获得旋转(右乘！)和翻译

>>> rot, tran = sup.get_rotran()

在x上旋转y

>>> y_on_x1 = dot(y, rot) + tran

同样的事情

>>> y_on_x2 = sup.get_transformed()

>>> set_printoptions(precision=2)
>>> print(y_on_x1)
[[  5.17e+01  -1.90e+00   5.01e+01]
 [  5.04e+01  -1.23e+00   5.06e+01]
 [  5.07e+01  -4.16e-02   5.15e+01]
 [  5.02e+01  -1.94e-02   5.29e+01]]
>>> print(y_on_x2)
[[  5.17e+01  -1.90e+00   5.01e+01]
 [  5.04e+01  -1.23e+00   5.06e+01]
 [  5.07e+01  -4.16e-02   5.15e+01]
 [  5.02e+01  -1.94e-02   5.29e+01]]
>>> print("%.2f" % rms)
0.00

__init__()

初始化类。

set(reference_coords, coords)

设置要叠加的坐标。

坐标将放在参考坐标之上。

• REFERENCE_COORDS：NxDIM数组

• 坐标：NxDIM数组

Dim是点的尺寸，N是要叠加的点数。

run()

叠加坐标集。

get_transformed()

获取变换后的坐标集。

get_rotran()

右乘旋转矩阵和平移。

get_init_rms()

未变换坐标的均方根偏差。

get_rms()

叠加坐标的均方根偏差。