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

  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'},
  

  其中:
  • 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