hydrocluster 0.2.0

水力聚类-生物模拟工具

简短说明

程序HydroCluster用于确定疏水性物质的位置、大小和含量， 蛋白质分子中的亲水团簇和带电团簇。程序基于dbscan算法。

关键词：分子模拟，生物信息学，蛋白质结构， 疏水核，疏水团簇，dbscan

安装

pip install --upgrade hydrocluster

（或默认Python2版本的Distributive中的pip3）

用户界面

命令行

使用命令"hydrocluster"调用程序，然后 参数：

hydrocluster [-h][-i INPUT][-emin EMIN][-emax EMAX][-es ESTEP][-smin SMIN][-smax SMAX][-g {tkgui,cli,testlist}][-o OUTPUT][-c CHAINS][-rl RESLIST][-pt{hydropathy,menv,fuzzyoildrop,nanodroplet,aliphatic_core,hydrophilic,positive,negative}][-pH PH][-sc {si_score,calinski,dbcv}][-nf][-na][-eps EPS][-min_samples MIN_SAMPLES]

参数：

-h，--帮助 显示帮助信息并退出

-i输入，--input输入 输入文件名（pdb，cif，ent，.hjson）-pdb文件名，cif文件名， testlist的个人id pdb或hjson配置文件名

-emin emin，--emin emin
最小每股收益值（_）。默认值=3.0

-emax emax，--emax emax
最大每股收益值（_）。默认值=15.0

-es estep，--estep estep
每股收益（_）。默认值=0.1

-smin smin，--smin smin
最小最小样本数。默认值=3

-smax smax，--smax smax
最大最小样本数。默认值=50

-g{tkgui，cli，testlist}，--gui
用户界面模式。默认值为'tkgui'（tkgui-图形界面，cli-命令 行，testlist-使用testlist模块进行数据处理（参见-i filename.txt和数据库的-o文件名）。

-o输出，--输出 输出目录名/文件名或数据库名

-c链，--链链
选定的链。默认值=无

-rl reslist，--reslist reslist
选定氨基酸残基。默认值=无

-pt{水疗，menv，fuzzyoildrop，纳米液滴，脂肪核，亲水，正，负}，-可接受
用于加权的属性表。默认为"水疗"

-ph值
计算部分电荷（正电荷或负电荷）的pH值。默认值=7.0

-sc{si_score，calinski，dbcv}，-score{si_score，calinski，dbcv}
得分系数。默认值='calinski'

-nf，--噪声滤波器 启动计分功能的噪音过滤器（不推荐！！！！）。

-na，--noauto
无自动模式。

-eps每股收益 每股收益值（_）。默认值=3.0

-最小样本最小样本 最小采样值。默认值=3

在没有任何参数的情况下启动氢群集时，程序将打开 带图形界面。

示例：

hydrocluster -i 1atg.pdb -g cli -o 1atg

通过命令行界面和文件名处理file_name.pdb 返回时的文件夹

file_name文件夹由file_name.py文件组成，用于处理 Pymol，二进制文件（.dat），保存会话状态，文件名.log文件 保存日志数据和两个带图片的PNG文件。

hydrocluster -g testlist -i defaultt.hjson

读取配置文件default.json并由testlis处理。配置文件的示例（带有参数注释）可以在https://github.com/alashkov83/hydrocluster/blob/master/pdb-lists/default.hjson" rel="nofollow">https://github.com/alashkov83/hydrocluster/blob/master/pdb-lists/default.hjson上找到。将返回project_name.db文件和project_name_数据文件夹，该文件夹由具有数据文件的树结构组成。

图形用户界面

gui是用tkinter实现的。它由一个面板组成，用于选择 操作模式，聚类的图形表示窗口 结果聚类分析，以及显示日志文件的窗口。

在开始使用图形界面时， 必须选择所需的疏水性/亲水性表 在模式选择窗口的子窗口中，选择m方法用于 在"度量"窗口中对群集进行评分，并手动运行（手动模式->； 启动）或自动操作模式（自动模式->；启动） 底层窗口。在自动模式下，最佳参数 通过枚举在给定的 边界和给定的步骤。工程完工后 自动模式，单击"选项"->；"解决方案分析"->；"自动调整颜色映射"时，可以 对选择最优值的过程进行图形解释 值即依赖于min_samples（eps）和min_samples（eps 3）。 与最佳参数对应的点标记在 颜色：

聚类分析窗口显示 程序在蛋白质分子中选择的簇。适当的MTNU 节允许您在图像中创建坐标网格并获得简短的注释 在图片上。

log窗口显示聚类的数值结果，即 链和簇的数量、噪声百分比和最优 超参数（eps，min_samples）的值和使用的度量。 进一步的大分子研究可以用pymol进行。 程序（选项->；openpymol）。

菜单选项：

文件->；

打开文件-打开磁盘上的pdb或mmcif文件
打开id pdb-从rscb pdb数据库中打开id pdb
加载状态-加载程序状态，保存在文件中
保存pymol脚本-保存脚本（.py）以进一步处理pymol
保存状态-将程序的当前状态保存在文件中
保存图片-将聚类结果保存为png格式文件
保存日志-保存当前会话的日志文件
退出-退出程序

选项->；
select clustering solution->；by local max（min）-显示按局部评分极值进行聚类分析的其他解决方案，以便选择其
select clustering solution->；by max（min）values-按评分值显示聚类分析的其他解决方案，以便选择其
解决方案分析->；自动调整颜色映射-显示聚类结果得到的图形 参数选择。标记点对应eps和min_样本的最优值
解决方案分析->；自动调谐三维地图-显示聚类后获得的三维图形 参数选择
解决方案分析-按参数扫描-当第二个参数固定时，按其中一个参数（eps或min_samples）扫描聚类解决方案的某些值
打开Pymol-打开Pymol以进一步显示数据
关于蛋白质-显示有关蛋白质的信息
打印设置->；打印网格-在群集分析窗口中生成坐标网格
绘图设置->；绘图图例-显示图片的简要说明
DMOD（实验，复选框）-修改插值距离，而不是簇化点权重。moddist（u，w）=dist（u，w）/（wu）/2），其中w和u-点的加权系数
清除日志-清除相应窗口中的日志信息

帮助->；
about-显示有关安装在计算机上的程序、其许可证和版本以及scikit learn版本的信息
自述-打开系统Web浏览器并显示本文

理论

疏水核和疏水团簇在 蛋白质的折叠，是重要功能的骨架 酶蛋白的氨基酸残基。在配体的情况下 两亲性，疏水团簇本身包含在 分子的重要功能区。互动 例如，在评估 分子对接解决方案。HydroCluster程序基于 基于密度的噪声应用空间聚类（dbscan）[1]。 氨基酸残基的原子坐标、类型和描述 （A.R.）和化学组[2]从pdb、mmcif格式的文件加载，或直接从 蛋白质数据库。对于相对表中的每个A.R.（或化学组） 计算了非氢原子的疏水质心。作为权重 在聚类分析中，A.R.[3-7]（基团[2]）疏水性的各种表在 使用文献（见表1或表2）。单独，用于群集 带电氨基酸残基的计算功能 边群部分电荷模的加权系数 根据公式，从 Henderson-Hasselbach方程，已实现[8]。替代方案：修改插值距离， 取而代之的是聚集点权重。moddist（u，w）=距离（u，w）/（w u）/2）； 其中w和u-点的加权系数。作为超参数dbscan使用 ε邻域半径（eps）和最小邻域数（最小样本数）。EPS定义为 质量中心之间的最大距离（以埃（_）为单位） 疏水的A.R.（或化学基团），在一个簇中相邻。这个 最小样本/每股收益率与最大分布成正比 疏水性A.R.（或化学基团）的质心密度。 内部聚类验证措施（见表3） 作为聚类分析的质量标准。为了 形状复杂的集群，最好使用轮廓 系数。同时，卡林斯基和哈拉巴斯得分， 元素和星团中心之间的距离， 正确估计密度最高的星团区域。这个 从结构的角度来看，有兴趣的领域 蛋白质的组织。dbscan算法的一个特点是 聚类结果对参数-eps和 最小样本。Hydocluster实现了这些参数的选择 只需在用户定义的边界上迭代它们的值， 然后根据最大化（最小化）准则对结果进行排序 相应估计系数的值。

表1.氨基酸残基的标准化（丙氨酸）疏水重量