https://github.com/goldengrape/check_patentIn_sequence
本程序用于检查专利文件中的蛋白质序列是否一致. 在专利撰写时, 发明人往往在技术交底书中使用Word文件来提交蛋白质序列. 而在USPTO的要求中, 需要使用PatentIn软件来生成标准的序列提交文件.
专利代理人在撰写专利说明书时可能通过ctrl+C/ ctrl+V 等操作将技术交底书中的序列复制粘贴到PatentIn软件中, 在这一动作中有可能引起增加或减少字母, 造成说明书中的序列与发明人所期望的序列不一致.
适用文件形式
适用文件的样例在demo文件夹中. 其中:
- 技术交底书样例, AAA.docx,序列以word表格的形式出现
- PantentIn生成文件样例, BBB.txt
安装
推荐使用Microsoft Azure Notebooks在云端运行.
Azure Notebooks安装
- 打开https://notebooks.azure.com 以注册或以MS账户登录.
- 新建Lib: +New Library
- 从Github中导入:
- 在GitHub repository中填入: https://github.com/goldengrape/check_patentIn_sequence
- 自行设定好Library Name和Library ID
- Import
- 设置:
- 选择刚刚建立的Library, 点击Setting
- Infomation: 如果不想泄露数据, 请确认 Public library 不被选上
- Environment: Shell scirpt->script.txt
在本地电脑安装
依赖包
- python 3.5
- biopython
- python-docx
- numpy
- pandas
太麻烦了, 你不会真的打算本地运行吧. 实在要装的话推荐使用anaconda进行安装, 但anaconda装python-docx有坑, 最好调用anaconda下的pip进行安装python-docx.
安装
从github clone.
使用
- 上传或copy需要检查校对的文件到指定的目录.
- 打开compare_seq.ipynb
- 设定文件名:
input_path='demo' output_path='demo' docx_name='AAA.docx' txt_name='BBB.txt' - 指定word文件中表格的属性
其中:table_catalog_dict={ 0: {"head": 1, "seqtype":'chain', "chaintype":'HeavyChain'}, 1: {"head": 1, "seqtype":'chain', "chaintype":'LightChain'}, 2: {"head": 2, "seqtype":'CDR', "chaintype":'HC'}, 3: {"head": 2, "seqtype":'CDR', "chaintype":'LC'}, 4: {"head": 1, "seqtype":'chain', "chaintype":'HeavyChain'}, 5: {"head": 1, "seqtype":'chain', "chaintype":'LightChain'},- head: 表格中标题行的行数
- seqtype: 表格所描述的序列是长链chain或是CDR
- chaintype: 序列的类型, 是
- HeavyChain: 重链
- LightChain: 轻链
- HC: 重链CDR
- LC: 轻链CDR
- 完成设定后, 在菜单中选择Kernel->restart&run all
- 结果:
- 结果首先会显示在程序页面中
- 结果以report.txt文件存储在output_path所指定的路径中
- 为方便进一步处理,
- PatnetIn生成的txt文件, 会被转换成同名的json文件和csv文件.
- word文件, 会被转换成同名的csv文件.
更新
本程序还将不断更新.
在Azure Notebooks中更新
- 点击Terminal
- 输入
cd Library - 输入
git checkout .注意末尾有个点 - 输入
git pull
