py3Dmol 简介、安装与入门

简介: py3Dmol 简介、安装与入门

image.png

3Dmol.js

3Dmol.js 是由匹兹堡大学的David Koes组创建的JavaScript库。由于它是生物信息学的研究小组,因此该库将专门设计用于绘制蛋白质的三维结构,但也可用于绘制小分子。


py3Dmol

py3Dmol将是在Jupyter上运行3Dmol.js的小部件。并非所有功能都可以使用,但是许多API是通用的,因此阅读3Dmol.js官方网站是学习的最佳方法。


py3Dmol的一个特性是,一旦分子被加载,即使IPython内核未运行,也可以绘制分子。因此,即使您与其他人共享一个笔记本作为ipynb文件,也可以在另一侧移动该结构。


py3Dmol的安装

pip install py3Dmol


如果要与JupyterLab一起使用,则需要安装扩展程序。


jupyter labextension install jupyterlab_3dmol


py3Dmol示例

import py3Dmol
p = py3Dmol.view(query='mmtf:1ycr')
p.setStyle({'cartoon': {'color':'spectrum'}})

image.png

benz='''
     RDKit          3D
  6  6  0  0  0  0  0  0  0  0999 V2000
   -0.9517    0.7811   -0.6622 C   0  0  0  0  0  0  0  0  0  0  0  0
    0.2847    1.3329   -0.3121 C   0  0  0  0  0  0  0  0  0  0  0  0
    1.2365    0.5518    0.3512 C   0  0  0  0  0  0  0  0  0  0  0  0
    0.9517   -0.7811    0.6644 C   0  0  0  0  0  0  0  0  0  0  0  0
   -0.2847   -1.3329    0.3144 C   0  0  0  0  0  0  0  0  0  0  0  0
   -1.2365   -0.5518   -0.3489 C   0  0  0  0  0  0  0  0  0  0  0  0
  1  2  2  0
  2  3  1  0
  3  4  2  0
  4  5  1  0
  5  6  2  0
  6  1  1  0
M  END
$$$$'''
view = py3Dmol.view()
view.addModel(benz,'sdf')
view.setStyle({'stick':{}})
view.setStyle({'model':0},{'stick':{'colorscheme':'cyanCarbon'}})
view.zoomTo()

image.png

view = py3Dmol.view(query='pdb:1dc9',linked=False,viewergrid=(2,2))
view.setViewStyle({'style':'outline','color':'black','width':0.1})
view.setStyle({'cartoon':{'arrows':True, 'tubes':True, 'style':'oval', 'color':'white'}},viewer=(0,1))
view.setStyle({'stick':{'colorscheme':'greenCarbon'}},viewer=(1,0))
view.setStyle({'cartoon':{'color':'spectrum'}},viewer=(1,1))
view.removeAllModels(viewer=(0,0))
view.addModel(benz,'sdf',viewer=(0,0))
view.setStyle({'stick':{}},viewer=(0,0))
view.zoomTo(viewer=(0,0))
view.render()

image.png

view = py3Dmol.view(query='pdb:1ycr')
chA = {'chain':'A'}
chB = {'chain':'B'}
view.setStyle(chA,{'cartoon': {'color':'spectrum'}})
view.addSurface(py3Dmol.VDW,{'opacity':0.7,'color':'white'}, chA)
view.setStyle(chB,{'stick':{}})
view.show()

image.png

目录
相关文章
|
索引 Python
如何在Python中使用Pandas库进行季节性调整?
Pandas库在Python中支持季节性调整,通过`seasonal_decompose`函数实现。步骤包括:导入Pandas和statsmodels模块,准备时间序列DataFrame,调用函数分解数据为趋势、季节性和残差,可选地分析或绘制这些部分,以及根据需求去除季节性影响(原始数据减去季节性成分)。这是基础的季节性调整流程,可按实际需求调整。
835 0
|
Linux Docker 容器
Docker 的/var/lib/docker/overlay2 占用很大,清理Docker占用的磁盘空间,迁移 /var/lib/docker 目录
Docker 的/var/lib/docker/overlay2 占用很大,清理Docker占用的磁盘空间,迁移 /var/lib/docker 目录
4102 1
|
数据可视化 JavaScript API
NGLView 安装与配置-交互式分子结构和轨迹查看
NGLView 安装与配置-交互式分子结构和轨迹查看
1191 0
NGLView 安装与配置-交互式分子结构和轨迹查看
|
4月前
|
人工智能 IDE 数据可视化
从聊天窗口到多 Agent 控制台:一次 AI 编程协作范式的转移
文章内容基于作者个人技术实践与独立思考,旨在分享经验,仅代表个人观点。
从聊天窗口到多 Agent 控制台:一次 AI 编程协作范式的转移
|
5月前
|
人工智能 API iOS开发
一文读懂OpenClaw:功能解析到阿里云/本地部署+API配置,零基础玩转AI工具
2026年,OpenClaw(Clawdbot)凭借开源免费、功能强大、跨平台适配的特性,成为全球AI领域的热门生产力工具,从个人效率提升到企业工作流自动化,从内容创作到智能客服,OpenClaw的应用场景覆盖各行各业。这款工具打破了AI使用的技术门槛,无需专业编程背景,普通人只需完成简单部署和配置,就能让AI成为工作和生活中的高效助手。本文将全面解析OpenClaw的核心功能与应用场景,详细拆解2026年阿里云云端及本地MacOS/Linux/Windows11的完整部署流程,手把手教你配置阿里云百炼Coding Plan免费大模型API,同时整理部署和使用中的高频问题解答,让零基础用户也能
1121 1
|
6月前
|
机器学习/深度学习 JSON 数据可视化
Diy你的蛋白质_AlphaFold3推理
Z_biosketch推出Local AF3进阶推理平台,突破官方限制:支持任意配体/修饰、自定义模板上传、深度MSA控制及轻量交互可视化。首期聚焦“Fold & Validate”验证闭环,为未来“画蛋白”BioSketch Studio奠基,推动蛋白质设计民主化。(239字)
403 2
|
并行计算 PyTorch 开发工具
基于昇腾适配DeepMind团队发布的蛋白质结构预测模型OpenFold
OpenFold是一种基于深度学习的蛋白质结构预测模型,广泛应用于蛋白质从头预测、功能位点解析、突变效应模拟等领域。该模型的核心目标是通过大规模预训练和多阶段优化,从氨基酸序列中高效、准确地推断蛋白质的三维结构。
基于昇腾适配DeepMind团队发布的蛋白质结构预测模型OpenFold
|
机器学习/深度学习 并行计算 PyTorch
【已解决】RuntimeError: CUDA error: device-side assert triggeredCUDA kernel errors might be asynchronous
【已解决】RuntimeError: CUDA error: device-side assert triggeredCUDA kernel errors might be asynchronous
11949 2
|
数据可视化 Python
基因组之全局互作热图可视化
基因组之全局互作热图可视化
基因组之全局互作热图可视化