AffinSculptor 预处理脚本使用指南

概述

preprocess.sh 是一个自动化脚本，用于批量处理蛋白质-配体复合物数据，生成包含 MaSIF 表面指纹的整合特征文件。

前置要求

环境配置：确保已安装所需的 Python 环境和依赖包 脚本权限：给脚本添加执行权限 chmod +x preprocess.sh

输入格式

脚本需要一个 CSV 文件作为输入，格式如下： receptor,ligand,name,pk,rmsd
/xcfhome/zncao02/dataset_bap/test_set/custom/6uux-QHM/protein.pdb,/xcfhome/zncao02/dataset_bap/test_set/custom/6uux-QHM/ligand.sdf,6uux-QHM,6.63,1.25
/xcfhome/zncao02/dataset_bap/test_set/custom/1abc-XYZ/protein.pdb,/xcfhome/zncao02/dataset_bap/test_set/custom/1abc-XYZ/ligand.sdf,1abc-XYZ,7.2,0.8 CSV 字段说明 receptor: 蛋白质 PDB 文件的绝对路径 ligand: 配体 SDF 文件的绝对路径 name: 复合物名称标识符 pk: pK 值（数值） rmsd: RMSD 值（数值） 使用方法 基本调用 ./preprocess.sh input_data.csv

完整示例

1. 准备输入 CSV 文件

cat > my_complexes.csv << EOF
receptor,ligand,name,pk,rmsd
/path/to/complex1/protein.pdb,/path/to/complex1/ligand.sdf,complex1,6.5,1.2
/path/to/complex2/protein.pdb,/path/to/complex2/ligand.sdf,complex2,7.1,0.9
EOF

2. 运行脚本

./preprocess.sh my_complexes.csv 处理流程 脚本会依次执行以下步骤：

Step 1: 调用 custom_input.py 进行预处理，生成基础 PKL 文件 Step 2: 调用 meshfeatureGen.py 生成网格和表面特征 Step 3: 调用 feature_precompute.py 进行特征预计算 Step 4: 调用 fingerprint_gen.py 生成 MaSIF 指纹 Step 5: 调用 merge_pkl.py 整合所有特征到最终 PKL 文件 输出结果 对于每个复合物，脚本会在相应目录下创建 output 文件夹，包含：

/path/to/complex/output/
├── complex.pdb # 预处理后的复合物结构
├── surfaces/ # 表面网格文件
├── precomputed/ # 预计算特征
├── descriptors/ # MaSIF 指纹
├── original_data.pkl # 原始图数据
└── original_data_with_masif.pkl # 整合 MaSIF 特征的最终文件

错误处理

如果某个复合物处理失败，脚本会继续处理下一个 每个步骤都有错误检查，失败时会显示具体错误信息 处理完成后会显示总体处理结果

注意事项

路径要求：CSV 中的文件路径必须是绝对路径 文件存在性：确保所有输入的 PDB 和 SDF 文件都存在 磁盘空间：每个复合物会生成较多中间文件，确保有足够磁盘空间 处理时间：MaSIF 指纹生成可能需要较长时间，特别是对于大型复合物

故障排除

常见错误 权限错误：确保脚本有执行权限 路径错误：检查 CSV 中的文件路径是否正确 依赖缺失：确保所有 Python 脚本都已正确配置命令行参数支持 调试模式 可以手动执行单个步骤来调试问题：

测试单个复合物的处理

python /xcfhome/zncao02/AffinSculptor/preprocess/custom_input.py \
--receptor /path/to/protein.pdb \
--ligand /path/to/ligand.sdf \
--output_dir /path/to/output \
--name test_complex

这个脚本设计为批量处理工具，可以高效地为多个蛋白质-配体复合物生成包含 MaSIF 表面指纹的完整特征数据。