玩转ChatGPT：批量下载Alphafold的蛋白pdb文件

一、写在前面

突发奇想，想批量下载Alphafold网站的蛋白pdb文件，后续再做个分子对接用。又不想手动下载，来求助CSDN和GPT。

二、CSDN白嫖基础代码

CSDN大神多，这不，找到一个：
Alphafold批量下载蛋白的pdb文件_pdb文件下载-CSDN博客

不过使用的是谷歌浏览器，我自己用的是Edge浏览器，因此需要魔改。

三、GPT魔改代码

话不多说，直接上步骤。

（1）安装Selenium包

selenium是自动化测试工具，可以理解为Python使用它来操作网页。

安装代码：

pip install selenium

或者

conda install selenium

（2）安装Selenium驱动

Selenium需要一个驱动程序来与所选的浏览器交互，不同浏览器驱动不同。

我的是Edge浏览器，下载地址：

Microsoft Edge WebDriver - Microsoft Edge Developer

当然，是有版本区别的，因此，先看看我们的版本号：

下载相应版本的驱动：

解压，但是要记住放的路劲地址，比如我的是：O:/msedgedriver.exe。

（3）GPT魔改后的代码

咒语要点主要是告诉GPT我们使用的是Edge浏览器、驱动放置的地点等，经过几轮Debug，代码如下：

import os
from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.edge.service import Service
from selenium.webdriver import EdgeOptions
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC
import time

# Constants
EDGE_DRIVER_PATH = r'O:/msedgedriver.exe'
WORK_PATH = r"O:/"
PROTEIN_FILE = "test1.txt"
XPATH_DOWNLOAD_LINK = "//*[@id=\"main-content-area\"]/app-entry/div[1]/div/app-summary-text/div/div[1]/div[2]/a[1]"
PAGE_LOAD_TIMEOUT = 2500
EXPLICIT_WAIT_TIMEOUT = 30  # 设置显式等待的超时时间

# Edge Options
edge_options = EdgeOptions()
# edge_options.add_argument('--headless')
edge_options.add_argument('--disable-gpu')
service = Service(executable_path=EDGE_DRIVER_PATH)

# Change working directory
os.chdir(WORK_PATH)

# Read proteins from file
with open(PROTEIN_FILE, "r") as f:
    proteins = [line.strip() for line in f.readlines()]

failed_downloads = []

# Initialize browser instance
with webdriver.Edge(service=service, options=edge_options) as driver:
    driver.set_page_load_timeout(PAGE_LOAD_TIMEOUT)
    wait = WebDriverWait(driver, EXPLICIT_WAIT_TIMEOUT)

    for protein_id in proteins:
        print(f"{protein_id} is downloading!")
        driver.get(f"https://alphafold.ebi.ac.uk/entry/{protein_id}")
        
        try:
            download_link = wait.until(EC.element_to_be_clickable((By.XPATH, XPATH_DOWNLOAD_LINK)))
            download_link.click()
            time.sleep(4)  # Wait for the file to download
            print(f"{protein_id} succeed!")
        except Exception as e:
            print(f"{protein_id} download failed!")
            failed_downloads.append(protein_id)

# Write failed downloads to file
with open("failed.txt", "w") as df:
df.write("\n".join(failed_downloads))

（4）运行

首先，把需要下载的蛋白的Uniport的ID整理到一个txt文件，蛋白后面不要有空格，一个蛋白一行！！！我的保存路劲为：O:/。