用于获取所有可能的 7 个字母组合以在 pymol 中生成肽的 Linux 脚本？

Question

我希望生成一个文件夹，其中包含 7(lengh)个特定氨基酸的每个肽的 pdb 文件。我想首先制作一个简单的 linux 脚本来生成一个包含所有 7 个字母组合的文件，如下所示:

AAAAAAA
AAAAAAB
AAAAABA
AAAABAA
AAABAAA
AABAAAA
ABAAAAA
BAAAAAA
AAAAABB
AAAABAB
...

我认为这个脚本可以工作，但我不确定:

for c1 in {A,D,E,F,G,H,I,K,L,M,N,P,Q,R,S,T,V,W,Y}
do
    for c2 in {A,D,E,F,G,H,I,K,L,M,N,P,Q,R,S,T,V,W,Y}
    do
        for c3 in {A,D,E,F,G,H,I,K,L,M,N,P,Q,R,S,T,V,W,Y}
        do
            for c4 in {A,D,E,F,G,H,I,K,L,M,N,P,Q,R,S,T,V,W,Y}
            do
                for c5 in {A,D,E,F,G,H,I,K,L,M,N,P,Q,R,S,T,V,W,Y}
                do
                    printf "%s\n" "$c1$c2$c3$c4$c5"
                done
            done
        done
    done
done

然后使用和其他简单的脚本，最后一个文件的每一行用这个命令用 pymol 生成一个肽:

for aa in "row1": cmd._alt(string.lower(aa))
save row1.pdb, all

我是编写 Linux 脚本的新手。有人可以帮我吗？谢谢

Answer 1

我看了一下 (ab?)using brace expansion 的想法:

p='{A,D,E,F,G,H,I,K,L,M,N,P,Q,R,S,T,V,W,Y}'
eval echo $p$p$p$p$p$p$p

在 7 个 $p 的一个简单步骤中使用这种直接的方法对于 bash 来说实在是太多了。没有明显的原因，它吃掉了所有内存(随时间的测量显示没有其他内存值增加得这么快)。
对于最多大约 4 个 $p，该命令非常快速且非常简单，仅两行:

p='{A,D,E,F,G,H,I,K,L,M,N,P,Q,R,S,T,V,W,Y}'
eval echo $p$p$p$p

但是，内存使用量增长得相当快。在 6 次 $p 重复的深度，进程消耗了超过 7.80 Gigs 的内存。eval 部分还有助于增加执行时间和内存使用量。

需要一种替代方法。因此，我尝试利用 Jonathan Leffler 使用的概念，独立进行每一步扩展。对于输入中的每一行，写 19 行，每行都有一个额外的字母输出。我发现任何 eval 都是重要的内存消耗(此处未显示)。

bash

一个更简单的 bash 过滤器是:

bashfilter(){
    while read -r line; do
        printf '%s\n' ${line}{A,D,E,F,G,H,I,K,L,M,N,P,Q,R,S,T,V,W,Y}
    done </dev/stdin
}

可用于多个级别的处理:

echo | bashfilter | bashfilter | bashfilter

它只需要重复与每行需要的字母一样多的过滤步骤。

通过这种更简单的方法:内存不再是问题。然而，速度变差了。

莱夫勒SED

只是为了比较，拿它当标尺，我实现了莱弗勒的想法:

# Building Leffler solution:
    leftext="$(<<<"${list}" sed -e 's/,/\n/g')"                 # list into a column.
    leftext="$(<<<"${leftext}" sed -e 's%.%s/$/&/p;s/&$//%')"   # each line ==> s/$/?/p;s/?$//
    # echo -e "This is the leffilter \n$leftext"
leffilter(){ sed -ne "$leftext"; }    # Define a function for easy use.

并且是 leffilter，可以递归地使用它来根据需要在每行中获取尽可能多的字母:

echo | leffilter | leffilter | leffilter

Leffler 解决方案做了一个字母插入和一个字母删除。

---

经济发展

不需要删除一个字母，可以减少工作量。我们可以将原始模式空间存储在“保留空间”中。

然后，只需将第一行复制到保留空间 (h)，并继续恢复它 (g) 并只插入一个字母。

# Building a sed solution:
    sedtext="$(<<<"${list}" sed -e 's/,/\n/g')"    # list into a column.
    sedtext="$(<<<"${sedtext}" sed -e 's%[A-Z]%g;s/$/&/p;%g')"  # s/$/?/p
    sedtext="$(<<<"${sedtext}" sed -e '1 s/g/h/' )"             # 1st is h
sedfilter(){ sed -ne "$sedtext"; }    # Define a function for easy use.  

这样做可以提高速度，大约降低 1/3 (33%)。或快 1.47 倍。

---

AWK

最后，我提出了一个 AWK 解决方案。我写的比较早，但是是最快的。所以我把它作为最后的选择。最好的，直到有人提出更好的:-)

# An AWK based solution:
awkfilter(){ awk 'BEGIN { split( "'"$list"'",l,",");}
                        { for (i in l) print $0 l[i] }'
}

是的，只有两行。它的时间是 Leffler 解决方案的一半或两倍。

使用的完整测试脚本如下。它重新调用自己以启用外部时间的使用。确保它是一个带有 bash 的可执行文件。

#!/bin/bash
TIMEFORMAT='%3lR %3lU %3lS'
list="A,D,E,F,G,H,I,K,L,M,N,P,Q,R,S,T,V,W,Y"

# A pure bash based solution:
bashfilter(){
    while read -r line; do
        printf '%s\n' ${line}{A,D,E,F,G,H,I,K,L,M,N,P,Q,R,S,T,V,W,Y}
    done </dev/stdin
}

# Building Leffler solution:
    leftext="$(<<<"${list}" sed -e 's/,/\n/g')"                 # list into a column.
    leftext="$(<<<"${leftext}" sed -e 's%.%s/$/&/p;s/&$//%')"   # each line ==> s/$/?/p;s/?$//
    # echo -e "This is the lef filter \n$leftext"
leffilter(){ sed -ne "$leftext"; }    # Define a function for easy use.

# Building a sed solution:
    sedtext="$(<<<"${list}" sed -e 's/,/\n/g')"                 # list into a column.
    sedtext="$(<<<"${sedtext}" sed -e 's%[A-Z]%g;s/$/&/p;%g')"  # each letter ==> s/$/?/p
    sedtext="$(<<<"${sedtext}" sed -e '1 s/g/h/' )"             # First command is 'h'.
    # echo -e "This is the sed filter \n$sedtext"
sedfilter(){ sed -ne "$sedtext"; }    # Define a function for easy use.

# An AWK based solution:
awkfilter(){ awk 'BEGIN { split( "'"$list"'",l,",");}
                        { for (i in l) print $0 l[i] }'
}

# Execute command filter
docommand(){
    local a count="$1" filter="$2" peptfile="$3"
    for (( i=0; i<count; i++ )); do
        case $filter in
            firsttry) a+=("{$list}"); ;;
            *)        a+=("| $filter"); ;;
        esac
    done
    [[ $filter == firsttry ]] && a+=('| sed '"'"'s/ /\n/'"'" )
    [[ -n $peptfile ]] && peptfile="$peptfile.$count"

    eval 'echo '"$(printf '%s' "${a[@]}")" > "${peptfile:-/dev/null}";
}

callcmd(){
    tf='wall:%e s:%S u:%U (%Xtext+%Ddata %F %p %t %Kmem %Mmax)'
    printf '%-12.12s' "$1" >&2
    /usr/bin/time -f "$tf" "$0" "$repeats" "$1" "$2"
}

nofile=1
if (( $#>=2 )); then
    docommand "$1" "$2" "$3"; exit 0
else
    for (( i=1; i<=6; i++)); do
        repeats=$i; echo "repeats done = $repeats"
        if ((nofile)); then
            callcmd firsttry
            callcmd bashfilter
            callcmd leffilter
            callcmd sedfilter
            callcmd awkfilter
        else
            callcmd firsttry   peptidesF
            callcmd bashfilter peptidesB
            callcmd leffilter  peptidesL
            callcmd sedfilter  peptidesS
            callcmd awkfilter  peptidesA
        fi
    done
fi

结果

使用外部程序/usr/bin/time(而不是 bash 内置时间)来测量使用的内存。这在这个问题中很重要。

With: tf='wall:%e s:%S u:%U (%Xtext+%Ddata %F %p %t %Kmem %Mmax)'

使用上述脚本很容易找到 7 个循环和真实文件输出的结果，但我觉得填充大约 21 GB 的磁盘空间太多了。

最多 6 个循环的结果是:

   repeats done = 1
firsttry    wall:0.01 s:0.00 u:0.00 (0text+0data 0 0 0 0mem 1556max)
bashfilter  wall:0.01 s:0.00 u:0.00 (0text+0data 0 0 0 0mem 1552max)
leffilter   wall:0.01 s:0.00 u:0.00 (0text+0data 0 0 0 0mem 1556max)
sedfilter   wall:0.01 s:0.00 u:0.00 (0text+0data 0 0 0 0mem 1556max)
awkfilter   wall:0.01 s:0.00 u:0.00 (0text+0data 0 0 0 0mem 1560max)

:

   repeats done = 2
firsttry    wall:0.01 s:0.00 u:0.00 (0text+0data 0 0 0 0mem 1556max)
bashfilter  wall:0.01 s:0.00 u:0.00 (0text+0data 0 0 0 0mem 1552max)
leffilter   wall:0.01 s:0.00 u:0.00 (0text+0data 0 0 0 0mem 1560max)
sedfilter   wall:0.01 s:0.00 u:0.00 (0text+0data 0 0 0 0mem 1556max)
awkfilter   wall:0.01 s:0.00 u:0.00 (0text+0data 0 0 0 0mem 1560max)

:

   repeats done = 3
firsttry    wall:0.02 s:0.00 u:0.00 (0text+0data 0 0 0 0mem 1796max)
bashfilter  wall:0.07 s:0.00 u:0.05 (0text+0data 0 0 0 0mem 1552max)
leffilter   wall:0.02 s:0.00 u:0.00 (0text+0data 0 0 0 0mem 1556max)
sedfilter   wall:0.02 s:0.00 u:0.00 (0text+0data 0 0 0 0mem 1560max)
awkfilter   wall:0.02 s:0.00 u:0.00 (0text+0data 0 0 0 0mem 1556max)

:

   repeats done = 4
firsttry    wall:0.28 s:0.01 u:0.26 (0text+0data 0 0 0 0mem 25268max)
bashfilter  wall:0.96 s:0.03 u:0.94 (0text+0data 0 0 0 0mem 1552max)
leffilter   wall:0.13 s:0.00 u:0.12 (0text+0data 0 0 0 0mem 1560max)
sedfilter   wall:0.10 s:0.00 u:0.08 (0text+0data 0 0 0 0mem 1560max)
awkfilter   wall:0.09 s:0.00 u:0.07 (0text+0data 0 0 0 0mem 1560max)

:

   repeats done = 5
firsttry    wall:4.98 s:0.36 u:4.76 (0text+0data 0 0 0 0mem 465100max)
bashfilter  wall:20.19 s:0.81 u:20.18 (0text+0data 0 0 0 0mem 1552max)
leffilter   wall:2.43 s:0.00 u:2.50 (0text+0data 0 0 0 0mem 1556max)
sedfilter   wall:1.83 s:0.01 u:1.87 (0text+0data 0 0 0 0mem 1556max)
awkfilter   wall:1.49 s:0.00 u:1.54 (0text+0data 0 0 0 0mem 1560max)

:

   repeats done = 6
firsttry    wall:893.06 s:30.04 u:105.22 (0text+0data 402288 0 0 0mem 7802372m)
bashfilter  wall:365.13 s:14.95 u:368.09 (0text+0data 0 0 0 0mem 1548max)
leffilter   wall:51.90 s:0.09 u:53.91 (0text+0data 6 0 0 0mem 1560max)
sedfilter   wall:35.17 s:0.08 u:36.67 (0text+0data 0 0 0 0mem 1556max)
awkfilter   wall:25.60 s:0.06 u:26.77 (0text+0data 1 0 0 0mem 1556max)