python - 在 Biopython 的 PDB 模块中实现等效性

Question

背景

在Biopython的PDB模块中，PDB structures被解析为 Structure 对象，这些对象将结构的组件存储在 SMCRA 架构中(结构/模型/链/残基/原子)。此层次结构的每个级别都由继承 Entity 容器类的对象表示。

等价

我的问题是任何两个实体对象都不可能相等。

从同一文件构建的结构不相等:

>>> from Bio import PDB
>>> parser = PDB.PDBParser()
>>> struct1 = parser.get_structure("1hgg", "pdb1hgg.ent")
>>> struct2 = parser.get_structure("1hgg", "pdb1hgg.ent")
>>> struct1 == struct2
False

该结构中的残基不相等:

>>> first_res1 = struct1.get_residues().next()
>>> first_res2 = struct2.get_residues().next()
>>> first_res1 == first_res2
False

等等。

如果我们单独解析同一个 PDB 文件，结构中的任何 Entity 对象都不会相等。

解决方案

此问题的明显解决方案是永远不要解析同一个 PDB 文件两次。然后，我们就有了对象同一性，因此也就有了等价性。然而，这个答案对我来说似乎不完整。

每个Entity对象都可以返回一个标识元组get_full_id() 。此方法给出从顶部对象向下的所有 id；它对于结构中的每个Entity 应该是唯一的，并且如果在构造 Structure 对象时提供了正确的 PDB id，则在所有结构中都应该是唯一的。

我的测试Entity等效性的解决方案只是比较这个完整的ID。即:

def __eq__(self, other):
    return self.get_full_id() == other.get_full_id()

问题

此时，我想问我的 Entity 等效实现是否合理。

• 是否担心误报(例如，提供相同 PDB ID 的不同结构)？
• 每当我们需要测试等效性时，简单地手动比较完整 ID 是否更好？
• __eq__ 在 PDB 模块中未实现是否有任何原因？

Answer 1

不定义 __eq__ 的一个常见原因是它使事物不可散列(因此您不能将它们用作字典键或将它们放入集合中)，除非您还定义了一致的 __hash__ 函数，并且你的对象是不可变的。

默认情况下，对象的 __hash__ 仅使用 ID，这甚至适用于可变对象，因为 ID 永远不会改变。但是如果你定义了一个自定义的__eq__，你就不能继续按ID进行散列，否则你会遇到这样的情况:两个对象可以比较相等但具有不同的散列，这与散列的方式不一致应该可以工作。因此，您必须定义一个自定义 __hash__ 函数(您可以这样做)，但是如果您的对象是可变的，您就不能/不应该这样做，，要么，所以你只会有一个不可散列的对象。这可能适合你。

在 python 文档中查看更多信息 here .

因此，只要您不需要对象可散列，或者它们是不可变的，您就可以使用自定义 __eq__；否则事情会变得更加复杂。或者，您可以保留 __eq__ 并将完整 ID 比较函数命名为其他名称，以免破坏哈希性。

我不太了解 PDB ID 的含义(特别是是否可能出现误报)，无法从这个角度判断您的 __eq__ 实现是否合理。