TM-align 对蛋白质结构中的序列进行同源性聚类分析的结果格式如下：

8p0k_H	8p0k_H
8p0k_H	8p0n_H
8p0k_H	8p0j_H
8p0v_M	8p0v_M
8p0y_O	8p0y_O
8p0y_O	8p10_O
8p0y_O	8p0y_A
8p0y_O	8p10_D
8p0y_O	8p24_V
8p0y_O	8p24_Z

其中，第一列为聚类的代表序列，第二列为这一聚类的同源序列

把这个格式转换成csv文件：

第一列为编号，第二列为聚类的代表序列，第三列为所有的其它同源序列，逗号隔开。

如：

IDX   CLUSTER   HOMOLOG1     8p0k_H    "8p0n_H,8p0j_H"

代码：

import csv
from collections import defaultdict# 初始化字典存储代表序列及其同源序列
clusters = defaultdict(list)# 从文件中读取数据
with open('result.tsv', 'r') as file:for line in file:rep, seq = line.strip().split()  # 去除换行符并按制表符分割if rep != seq:  # 只保留同源序列，去掉代表序列clusters[rep].append(seq)# 将结果写入CSV
with open('clusters.csv', 'w', newline='') as csvfile:writer = csv.writer(csvfile)writer.writerow(['IDX', 'CLUSTER', 'HOMOLOG'])for idx, (rep, seqs) in enumerate(clusters.items(), 1):writer.writerow([idx, rep, ','.join(seqs)])print("CSV文件已生成")

可以进一步把不符合要求的结构过滤掉，从而得到的数据集可以用于结构预测或蛋白质设计的模型研究。