将mol2分子数据库分成N个小集合

Question

我从锌数据库（http://zinc.docking.org/）获取了一大堆分子数据，这些数据是以mol2格式（http://tripos.com/index.php?family=modules,SimplePage,,,&page=sup_mol2&s=0）存储的。我想把这个数据库分成N个小的数据库，随便分成多少个。请问用python、bash或者perl哪种脚本语言最合适呢？我听说过openbabel，但它只能生成单个分子的集合。

如果不行的话，我也可以把mol2格式转换成其他更方便的格式。

谢谢！

Answer 1

在Linux系统中，有一种方法可以做到这一点：

gawk -v RS="@<TRIPOS>MOLECULE" 'NF{ print RS$0 > "zinc"++n".mol2" }' zinc.mol2

Answer 2

csplit 可以把文件分割成一个个独立的分子：

csplit ~/Download/zinc.mol2 '/@<TRIPOS>MOLECULE/' '{*}'

如果你想要更聪明一点的方法，可以把每个分子读入一个列表或数组中，作为字符串，然后根据需要把它们输出到多个文件里。