pub_soft/ScanNet
3
0
Fork 0
mirror of https://github.com/jertubiana/ScanNet.git synced 2026-06-04 13:44:22 +08:00
Code Issues Packages Projects Releases Wiki Activity
Files
main
ScanNet/preprocessing/protein_chemistry.py
Jérôme Tubiana 8cb616a6ee Basic support for phosphorylated residues
2021-10-25 12:32:14 +03:00

595 lines
13 KiB
Python
Raw Permalink Blame History

import numpy as np
from numba import types
from numba.typed import List,Dict
list_atoms_types = ['C', 'O', 'N', 'S'] # H
VanDerWaalsRadii = np.array([1.70, 1.52, 1.55, 1.80]) # 1.20
atom_mass = np.array(
[
12, # C
16, # O
14, # N
32 # S
]
)
atom_type_to_index = dict([(list_atoms_types[i], i)
for i in range(len(list_atoms_types))])
list_atoms = ['C', 'CA', 'CB', 'CD', 'CD1', 'CD2', 'CE', 'CE1', 'CE2', 'CE3',
'CG', 'CG1', 'CG2', 'CH2', 'CZ', 'CZ2', 'CZ3', 'N', 'ND1', 'ND2',
'NE', 'NE1', 'NE2', 'NH1', 'NH2', 'NZ', 'O', 'OD1', 'OD2', 'OE1',
'OE2', 'OG', 'OG1', 'OH', 'OXT', 'SD', 'SE', 'SG']
atom_to_index = dict([(list_atoms[i], i) for i in range(len(list_atoms))])
atom_to_index['OT1'] = atom_to_index['O']
atom_to_index['OT2'] = atom_to_index['OXT']
index_to_type = np.zeros(38,dtype=np.int)
for atom,index in atom_to_index.items():
index_to_type[index] = list_atoms_types.index(atom[0])
atom_type_mass = np.zeros( 38 )
for atom,index in atom_to_index.items():
atom_type_mass[index] = atom_mass[index_to_type[index]]
'''
No exotic amino acids supported yet.
'''
list_aa = [
'A',
'C',
'D',
'E',
'F',
'G',
'H',
'I',
'K',
'L',
'M',
'N',
'P',
'Q',
'R',
'S',
'T',
'V',
'W',
'Y'
]
residue_dictionary = {'CYS': 'C', 'ASP': 'D', 'SER': 'S', 'GLN': 'Q', 'LYS': 'K',
'ILE': 'I', 'PRO': 'P', 'THR': 'T', 'PHE': 'F', 'ASN': 'N',
'GLY': 'G', 'HIS': 'H', 'HSD':'H','HSE':'H',
'LEU': 'L', 'ARG': 'R', 'TRP': 'W',
'ALA': 'A', 'VAL': 'V', 'GLU': 'E', 'TYR': 'Y', 'MET': 'M',
'MSE': 'M',
'PTR':'Y',
'TYS':'Y',
'SEP':'S',
'TPO':'T',
'HIP':'H',
}
hetresidue_field = [' '] + ['H_%s'%name for name in residue_dictionary.keys()]
aa_to_index = dict([(list_aa[i],i) for i in range(20)])
'''
!!!! Non-exhaustive, only included the first two bonds.
'''
dictionary_covalent_bonds = {
'A':{
'C': ['CA', 'N'],
'CA': ['N', 'C'],
'N': ['C', 'CA'],
'O': ['C', None],
'OXT':['C',None],
'CB': ['CA', None]
},
'C':{
'C': ['CA', 'N'],
'CA': ['N', 'C'],
'N': ['C', 'CA'],
'O': ['C', None],
'OXT': ['C', None],
'CB': ['CA', 'SG'],
'SG': ['CB', None]
},
'D':{
'C': ['CA', 'N'],
'CA': ['N', 'C'],
'N': ['C', 'CA'],
'O': ['C', None],
'OXT': ['C', None],
'CB': ['CA', 'CG'],
'CG': ['CB', 'OD1'],
'OD1': ['CG', None],
'OD2': ['CG', None],
},
'E':{
'C': ['CA', 'N'],
'CA': ['N', 'C'],
'N': ['C', 'CA'],
'O': ['C', None],
'OXT': ['C', None],
'CB': ['CA', 'CG'],
'CG': ['CB', 'CD'],
'CD': ['CG', 'OE1'],
'OE1': ['CD', None],
'OE2': ['CD', None]
},
'F':{
'C': ['CA', 'N'],
'CA': ['N', 'C'],
'N': ['C', 'CA'],
'O': ['C', None],
'OXT': ['C', None],
'CB': ['CA', 'CG'],
'CG': ['CB', 'CD1'],
'CD1': ['CG', 'CE1'],
'CE1': ['CD1', 'CZ'],
'CZ': ['CE1', 'CE2'],
'CE2': ['CD2', 'CZ'],
'CD2': ['CG', 'CE2']
},
'G':{
'C': ['CA', 'N'],
'CA': ['N', 'C'],
'N': ['C', 'CA'],
'O': ['C', None],
'OXT': ['C', None],
},
'H':{
'C': ['CA', 'N'],
'CA': ['N', 'C'],
'N': ['C', 'CA'],
'O': ['C', None],
'OXT': ['C', None],
'CB': ['CA', 'CG'],
'CG': ['CB', 'ND1'],
'ND1': ['CG', 'CE1'],
'CE1': ['ND1', 'NE2'],
'NE2': ['CE1', 'CD2'],
'CD2': ['NE2', 'CG']
},
'I':{
'C': ['CA', 'N'],
'CA': ['N', 'C'],
'N': ['C', 'CA'],
'O': ['C', None],
'OXT': ['C', None],
'CB': ['CA', 'CG1'],
'CG1': ['CB', 'CD1'],
'CG2': ['CB', None],
'CD1':['CG1',None]
},
'K':{
'C': ['CA', 'N'],
'CA': ['N', 'C'],
'N': ['C', 'CA'],
'O': ['C', None],
'OXT': ['C', None],
'CB': ['CA', 'CG'],
'CG': ['CB', 'CD'],
'CD': ['CG', 'CE'],
'CE': ['CD', 'NZ'],
'NZ': ['CE', None],
},
'L':{
'C': ['CA', 'N'],
'CA': ['N', 'C'],
'N': ['C', 'CA'],
'O': ['C', None],
'OXT': ['C', None],
'CB': ['CA', 'CG'],
'CG': ['CB', 'CD1'],
'CD1': ['CG', None],
'CD2': ['CG', None]
},
'M':{
'C': ['CA', 'N'],
'CA': ['N', 'C'],
'N': ['C', 'CA'],
'O': ['C', None],
'OXT': ['C', None],
'CB': ['CA', 'CG'],
'CG': ['CB', 'SD'],
'SD': ['CG', 'CE'],
'CE':['SD',None]
},
'N':{
'C': ['CA', 'N'],
'CA': ['N', 'C'],
'N': ['C', 'CA'],
'O': ['C', None],
'OXT': ['C', None],
'CB': ['CA', 'CG'],
'CG': ['CB', 'OD1'],
'OD1': ['CG', None],
'ND2': ['CG', None]
},
'P':{
'C': ['CA', 'N'],
'CA': ['N', 'C'],
'N': ['C', 'CA'],
'O': ['C', None],
'OXT': ['C', None],
'CB': ['CA', 'CG'],
'CG': ['CB', 'CD'],
'CD': ['CG', 'N']
},
'Q':{
'C': ['CA', 'N'],
'CA': ['N', 'C'],
'N': ['C', 'CA'],
'O': ['C', None],
'OXT': ['C', None],
'CB': ['CA', 'CG'],
'CG': ['CB', 'CD'],
'CD': ['CG', 'OE1'],
'OE1': ['CD', None],
'NE2': ['CD', None]
},
'R':{
'C': ['CA', 'N'],
'CA': ['N', 'C'],
'N': ['C', 'CA'],
'O': ['C', None],
'OXT': ['C', None],
'CB': ['CA', 'CG'],
'CG': ['CB', 'CD'],
'CD': ['CG', 'NE'],
'NE': ['CD', 'CZ'],
'CZ': ['NE', 'NH1'],
'NH1': ['CZ', None],
'NH2': ['CZ', None]
},
'S':{
'C': ['CA', 'N'],
'CA': ['N', 'C'],
'N': ['C', 'CA'],
'O': ['C', None],
'OXT': ['C', None],
'CB': ['CA', 'OG'],
'OG': ['CB', None],
},
'T':{
'C': ['CA', 'N'],
'CA': ['N', 'C'],
'N': ['C', 'CA'],
'O': ['C', None],
'OXT': ['C', None],
'CB': ['CA', 'OG1'],
'OG1': ['CB', None],
'CG2': ['CB', None]
},
'V':{
'C': ['CA', 'N'],
'CA': ['N', 'C'],
'N': ['C', 'CA'],
'O': ['C', None],
'OXT': ['C', None],
'CB': ['CA', 'CG1'],
'CG1': ['CB', None],
'CG2': ['CB', None],
},
'W':{
'C': ['CA', 'N'],
'CA': ['N', 'C'],
'N': ['C', 'CA'],
'O': ['C', None],
'OXT': ['C', None],
'CB': ['CA', 'CG'],
'CG': ['CB', 'CD1'],
'CD1': ['CG', 'NE1'],
'NE1': ['CD1', 'CE2'],
'CD2': ['CG', 'CE2'],
'CE2': ['CD2', 'CZ2'],
'CZ2': ['CE2', 'CH2'],
'CH2': ['CZ2', 'CZ3'],
'CZ3': ['CH2', 'CE3'],
'CE3': ['CZ3', 'CD2']
},
'Y':{
'C': ['CA', 'N'],
'CA': ['N', 'C'],
'N': ['C', 'CA'],
'O': ['C', None],
'OXT': ['C', None],
'CB': ['CA', 'CG'],
'CG': ['CB', 'CD1'],
'CD1': ['CG', 'CE1'],
'CE1': ['CD1', 'CZ'],
'CZ': ['CE1', 'CE2'],
'CE2': ['CD2', 'CZ'],
'CD2': ['CG', 'CE2'],
'OH': ['CZ', None]
}
}
dictionary_covalent_bonds_numba = Dict.empty(
key_type=types.unicode_type,
value_type=types.int32[:],
)
for aa,atom_covalent_bonds in dictionary_covalent_bonds.items():
for atom,bonds in atom_covalent_bonds.items():
bonds_num = -1 * np.ones(3,dtype=np.int32)
for l,bond in enumerate(bonds):
if bond is not None:
bonds_num[l] = atom_to_index[bond]
dictionary_covalent_bonds_numba['%s_%s'%(aa, atom_to_index[atom] )] = bonds_num
list_atom_valencies = [
'C',
'CH',
'CH2',
'CH3',
'CPi',
'O',
'OH',
'N',
'NH',
'NH2',
'S',
'SH'
]
dictionary_atom_valencies = {
'A': {
'C': 'C',
'CA': 'CH',
'CB': 'CH3',
'O': 'O',
'OXT': 'OH',
'N': 'NH'
},
'C': {
'C': 'C',
'CA': 'CH',
'CB': 'CH2',
'O': 'O',
'OXT': 'OH',
'N': 'NH',
'SG': 'SH'
},
'D': {
'C': 'C',
'CA': 'CH',
'CB': 'CH2',
'CG': 'C',
'O': 'O',
'OD1': 'O',
'OD2': 'OH',
'OXT': 'OH',
'N': 'NH',
},
'E': {
'C': 'C',
'CA': 'CH',
'CB': 'CH2',
'CG': 'CH',
'CD': 'C',
'O': 'O',
'OE1': 'O',
'OE2': 'OH',
'OXT': 'OH',
'N': 'NH',
},
'F': {
'C': 'C',
'CA': 'CH',
'CB': 'CH2',
'CG': 'CPi',
'CD1': 'CPi',
'CD2': 'CPi',
'CE1': 'CPi',
'CE2': 'CPi',
'CZ': 'CPi',
'N': 'NH',
'O': 'O',
'OXT': 'OH',
},
'G': {
'C': 'C',
'CA': 'CH2',
'N': 'NH',
'O': 'O',
'OXT': 'OH'
},
'H': {
'C': 'C',
'CA': 'CH',
'CB': 'CH2',
'CG': 'CPi',
'CE1': 'CPi',
'CD2': 'CPi',
'N': 'NH',
'ND1': 'N',
'ND2': 'NH2', # Supprimer cette ligne pour la prochaine mise a jour.
# 'NE2': 'NH2', # Mettre cette ligne pour la prochaine mise a jour.
'O': 'O',
'OXT': 'OH',
},
'I': {
'C': 'C',
'CA': 'CH',
'CB': 'CH',
'CG1': 'CH2',
'CG2': 'CH3',
'CD1': 'CH3',
'N': 'NH',
'O': 'O',
'OXT': 'OH'
},
'K': {
'C': 'C',
'CA': 'CH',
'N': 'NH',
'O': 'O',
'OXT': 'OH',
'CB': 'CH2',
'CG': 'CH2',
'CD': 'CH2',
'CE': 'CH2',
'NZ': 'NH2'
},
'L': {
'C': 'C',
'CA': 'CH',
'N': 'NH',
'O': 'O',
'OXT': 'OH',
'CB': 'CH2',
'CG': 'CH',
'CD1': 'CH3',
'CD2': 'CH3',
},
'M': {
'C': 'C',
'CA': 'CH',
'N': 'NH',
'O': 'O',
'OXT': 'OH',
'CB': 'CH2',
'CG': 'CH2',
'SD': 'S',
'CE': 'CH3'
},
'N': {
'C': 'C',
'CA': 'CH',
'N': 'NH',
'O': 'O',
'OXT': 'OH',
'CB': 'CH2',
'CG': 'C',
'OD1': 'O',
'ND2': 'NH2'
},
'P': {
'C': 'C',
'CA': 'CH',
'N': 'N',
'O': 'O',
'OXT': 'OH',
'CB': 'CH2',
'CG': 'CH2',
'CD': 'CH2'
},
'Q': {
'C': 'C',
'CA': 'CH',
'N': 'NH',
'O': 'O',
'OXT': 'OH',
'CB': 'CH2',
'CG': 'CH2',
'CD': 'C',
'OE1': 'O',
'NE2': 'NH2'
},
'R': {
'C': 'C',
'CA': 'CH',
'N': 'NH',
'O': 'O',
'OXT': 'OH',
'CB': 'CH2',
'CG': 'CH2',
'CD': 'CH2',
'NE': 'NH',
'CZ': 'C',
'NH1': 'NH',
'NH2': 'NH2'
},
'S': {
'C': 'C',
'CA': 'CH',
'N': 'NH',
'O': 'O',
'OXT': 'OH',
'CB': 'CH2',
'OG': 'OH',
},
'T': {
'C': 'C',
'CA': 'CH',
'N': 'NH',
'O': 'O',
'OXT': 'OH',
'CB': 'CH',
'OG1': 'OH',
'CG2': 'CH3'
},
'V': {
'C': 'C',
'CA': 'CH',
'N': 'NH',
'O': 'O',
'OXT': 'OH',
'CB': 'CH',
'CG1': 'CH3',
'CG2': 'CH3',
},
'W': {
'C': 'C',
'CA': 'CH',
'N': 'NH',
'O': 'O',
'OXT': 'OH',
'CB': 'CH2',
'CG': 'CPi',
'CD1': 'CPi',
'NE1': 'NH',
'CD2': 'CPi',
'CE2': 'CPi',
'CZ2': 'CPi',
'CH2': 'CPi',
'CZ3': 'CPi',
'CE3': 'CPi'
},
'Y': {
'C': 'C',
'CA': 'CH',
'N': 'NH',
'O': 'O',
'OXT': 'OH',
'CB': 'CH2',
'CG': 'CPi',
'CD1': 'CPi',
'CE1': 'CPi',
'CZ': 'CPi',
'CE2': 'CPi',
'CD2': 'CPi',
'OH': 'OH'
}
}
index_to_valency = np.zeros([20, 38], dtype=np.int)
for k, aa in enumerate(list_aa):
for key, value in dictionary_atom_valencies[aa].items():
i = list_atoms.index(key)
j = list_atom_valencies.index(value)
index_to_valency[k, i] = j
Reference in New Issue View Git Blame Copy Permalink