maxLikelyFit
index
/home/schwitrs/xplor/python/maxLikelyFit.py


 

 
Classes
       
builtins.object
MaxLikelyFit

 
class MaxLikelyFit(builtins.object)
    MaxLikelyFit(atmSelect, verbose, mSelect=1)
 
 A class which implements Maximum Likelihood Superpositioning of
 protein structures.
 Written by
         Robin Augustine Thottugal
         08/08/2007
 
based on: 
  Theobald D.L. and Wuttke D.S., Empirical Bayes hierarchical
  models for regularizing maximum likelihood estimation in the matrix
  Gaussian Procrustes problem, Proc. of the National Academy of
  Sciences 103, 18521-18527 (2006a)
 
  Theobald D.L. and Wuttke D.S., THESEUS: Maximum likelihood
  superpositioning and analysis of macromolecular structures,
  Bioinformatics 22, 2171-2172 (2006)
 
  Methods defined here:
MatToVec(s, Structure)
Function which takes a cdsMatrix and
convert into a cdsVector
NormalRMSD(s, X_Rot, MStruct, NStruct, Natoms)
Calculates the Average RMSD of N Structure
PDBWrite(s, structs, wStruct)
Writing the Co-ords into PDB files
 
if averageFilename is specified,
average coordinates will also be written to the specified filename.
RMSD(s, X_Rot, MStruct, NStruct, Natoms)
Calculates the variance of selected atoms
WriteRotTransMat(s, NStruct)
Writing the Rotation and Translation Matrix
__init__(s, atmSelect, verbose, mSelect=1)
atmSelect   - specify which atoms will be used in the fit
mSelect     - specify method of regularizing the 
              inverse of the covariance matrix -
              if 0 use perturbative approach - add a small value to
              the diagonal. If 1 use diagonal elements as ``eigenvalues,'' 
              and follow the scheme of ref. FIX ME.
verbose     - if True, print out intermediate values of log likelihood
              and RMSD.
atmToMat(s, atm_list)
Function which converts a list of atom object to a cdsMatrix
calcVariance(s, fitted)
Function which calculates the variance of all atoms
which goes into the Bfactor column of the average
structure.
cnorm(s, M, pM)
Calculates the RMSD between two matrix
estimateEgien(s, Segnval, egnval, NStruct)
Function which implements the Expectation Maximization algorithm to
fit all the eigen value according to an inverse gamma distribution
fit(s, coords)
perform the maximum likelihood fitting procedure.
fittedCoords(s)
return an array of all atomic coordinates with the most recent
fit translate+rotation applied
loglikelihood(s, CovMat, X, MStruct, RotMat, transVec, NStruct, gamma, alpha)
Function which evaluvates the log likelihood function
newton(s, x, Mean_inv, inv_egnval)
Newton Rapson Method for root finding.This function is
used to find gamma
orderedResidues(s, threshold, selection=None)
Return a list of tuples describing the range of ordered residues, each
of which contains (segid,(first,last)), where first and last denote
first and last resid in the ordered range.
 
A residue is defined as ordered if the average positional RMSD of
selected atoms of that residue are less than threshold.
 
If selection is not specified, self.atmSelect will be used.
rotate(s, MStruct, CovMat, X_cap, NStruct)
Function to find the ML estimate of optimal Rotation
translate(s, CovMat, X, NStruct)
Function to find the ML estimate of optimal translation
vecToMat(s, Vector)
Fuction which takes a cdsVector and
convert it into a matrix

Data descriptors defined here:
__dict__

 
dictionary for instance variables (if defined)
__weakref__

 
list of weak references to the object (if defined)