Download PDB file with wget command

在Linux服务器下，使用wget命令下载PDB文件，即蛋白质文件。

• 输入文件格式：一个存有protein chain的单独文件，每行的格式为：1A34A
• 输出文件：多个蛋白质文件，买一行下载一个蛋白质，格式：1A34.pdb download.py文件

#!/usr/bin/python
# -*- coding: utf-8 -*-
import os
def downloadPDB(namefile,outpath):
    if not os.path.exists(outpath):
        os.mkdir(outpath)
    os.chdir(outpath)
    inputfile = open(namefile,'r')
    for eachline in inputfile:
        pdbname = eachline.lower().strip()[0:4]
        os.system("wget http://ftp.wwpdb.org/pub/pdb/data/structures/all/pdb/pdb" + pdbname + ".ent.gz")
        os.system("gzip -d pdb" + pdbname + '.ent.gz')
        os.system("mv pdb" + pdbname + ".ent " + pdbname.upper() + '.pdb')
    inputfile.close()
if __name__=="__main__":
    chainfile = os.sys.argv[1] 
    outpath = os.sys.argv[2]
    proteinList = downloadPDB(chainfile,outpath)
"""
test sample
python download.py /ifs/home/liudiwei/DNA_BP/_data/Exp_DBPI/train_set.txt /ifs/home/liudiwei/DNA_BP/_data/Exp_DBPI/pdb_trainset   
"""

命令解释：首先打开文件，然后逐行读取蛋白链，根据蛋白链的前四个字符，得到蛋白质的名字，然后使用wget命令下载.ent.gz文件，最后使用gzip解压文件即可。

命令行输入：

python download.py ../filepath  ../dirpath

其中filepath表示的是一个存有多行，每行表示一个蛋白链的单独文件。

Top10格式如下：

1A12A
1BCH1
1BF6A
1BYPA
1C7JA
1CHMA
1CMNA
1CUHA
1CZYA
1D7EA

最后的输出文件Top5：

1A12.pdb
1BCH.pdb
1BF6.pdb
1BYP.pdb
1C7J.pdb