0

我正在逐行读取文件，然后将特定行添加到数据框中。这是我将添加到数据框中的一行示例：

ATOM 230 CA GLU A 31 66.218 118.140 2.411 1.00 31.82 C

我已经验证我的检查没问题，我认为这与我的 rbind 命令特别有关。谢谢你的帮助！

编辑：错误如下，数据框的输出为：

Residue AtomCount SideChain XCoord  YCoord ZCoord
2       MET         1         A 62.935  97.579 30.223
21     <NA>         2         A 63.155  95.525 27.079
3      <NA>         3         A 65.289  96.895 24.308

似乎它不再拿起残留物的名称了..

我正在使用的代码是：

get.positions <- function(sourcefile, chain_required = "A"){
positions = data.frame()
visited = list()
filedata <- readLines(sourcefile, n= -1)
for(i in 1: length(filedata)){
  input = filedata[i]
  id = substr(input,1,4)
  if(id == "ATOM"){
    type = substr(input,14,15)
      if(type == "CA"){
        #if there are duplicates it takes the first one
        residue = substr(input,18,20)
        type_of_chain = substr(input,22,22)
        atom_count = strtoi(substr(input, 23,26))
        if(atom_count >=1){
          if(type_of_chain == chain_required && !(atom_count %in% visited) ){
            position_string = trim(substr(input,30,54))
            position_string = lapply(unlist(strsplit(position_string," +")),as.numeric)
            positions<- rbind(positions, list(residue, atom_count, type_of_chain, position_string[[1]], position_string[[2]], position_string[[3]]))
            }
        }
      }
     }

    } 
        return (positions)
 }
4

2 回答 2

0

当我用我得到的数据运行你的代码时type=="LU"（所以它没有通过type=="CA"测试），其余的处理从未完成。我认为您可能需要将索引更改为

type = substr(input,10,11)

解决该问题会带来其他问题，并且由于目标没有明确说明，因此很难解决所有问题，但是它建议您编辑代码和数据以使其可重现。这可能是一种可重现的输入/执行方法：

get.positions(textConnection("ATOM 230 CA GLU A 31 66.218 118.140 2.411 1.00 31.82 C") )
于 2012-05-21T14:22:22.693 回答
0

最后，以下工作。首先我制作了一个更大的数据框，然后只替换特定的行（感谢 Joran 将我链接到 R inferno）。

对于问我为什么要加分的用户，您的假设是不正确的。语法实际上是“+”，这是一个空格加号，所以它在多个空格上分割。最后，至于不正确的索引，我终于想出了如何在表单上显示额外的空格。这是正确的原始行，您将看到索引匹配。

ATOM      2  CA  MET A   1      62.935  97.579  30.223  1.00 37.58           C

有效的 R 代码如下。

get.positions <- function(sourcefile, chain_required = "A"){
N <- 10^5
AACount <- 0
positions = data.frame(Residue=rep(NA, N),AtomCount=rep(NA, N),SideChain=rep(NA, N),XCoord=rep(NA, N),YCoord=rep(NA, N),ZCoord=rep(NA, N),stringsAsFactors=FALSE)     

visited = list()
filedata <- readLines(sourcefile, n= -1)
for(i in 1: length(filedata)){
  input = filedata[i]
  id = substr(input,1,4)
  if(id == "ATOM"){
    type = substr(input,14,15)
      if(type == "CA"){
        #if there are duplicates it takes the first one
        residue = substr(input,18,20)
        type_of_chain = substr(input,22,22)
        atom_count = strtoi(substr(input, 23,26))
        if(atom_count >=1){
          if(type_of_chain == chain_required && !(atom_count %in% visited) ){
            visited <- c(visited, atom_count)
            AACount <- AACount + 1
            position_string = trim(substr(input,30,54))
            position_string = lapply(unlist(strsplit(position_string," +")),as.numeric)
            #print(input)
            positions[AACount,]<- c(residue, atom_count, type_of_chain, position_string[[1]], position_string[[2]], position_string[[3]])
            }
        }
      }
  }

} 
positions<-positions[1:AACount,]
return (positions)

}

于 2012-05-21T15:11:33.170 回答