import numpy as np import matplotlib.pyplot as plt import re import os def read_xpm_simple(filename): """Lecture simplifiée et robuste des fichiers XPM""" try: with open(filename, 'r') as f: lines = f.readlines() # Trouver la ligne de dimensions dimensions = None for i, line in enumerate(lines): if line.startswith('"') and 'c ' not in line: # Essayer plusieurs patterns pour les dimensions patterns = [ r'"\s*(\d+)\s+(\d+)\s+(\d+)\s+(\d+)', r'"\s*(\d+)\s+(\d+)\s+(\d+)', r'"\s*(\d+)\s+(\d+)' ] for pattern in patterns: match = re.search(pattern, line) if match: groups = match.groups() if len(groups) >= 2: nx, ny = int(groups[0]), int(groups[1]) dimensions = (nx, ny) break if dimensions: break if not dimensions: print(f"Dimensions non trouvées dans {filename}") return None, None, None nx, ny = dimensions print(f"Dimensions détectées: {nx}x{ny}") # Extraire le mapping des couleurs color_map = {} for line in lines: if '"' in line and 'c ' in line and '/*' in line: # Pattern: "A c #000000 " /* "0" */, parts = line.split('/*') if len(parts) >= 2: key_part = parts[0].strip().strip('",') value_part = parts[1].strip().strip('",*/') # Extraire la clé (premier caractère) key = key_part.split()[0] if key_part.split() else '' # Extraire la valeur numérique try: # Enlever les guillemets et convertir en float value = float(value_part.strip('"')) color_map[key] = value except ValueError: # Si la conversion échoue, utiliser l'index if key: color_map[key] = ord(key) - ord('A') # Si le mapping est vide, créer un mapping basé sur l'ordre alphabétique if not color_map: print("Création d'un mapping de couleur basé sur l'ordre alphabétique") for line in lines: if '"' in line and 'c ' in line: key = line.split('"')[1].split()[0] if '"' in line else '' if key and key.isalpha(): color_map[key] = ord(key) - ord('A') print(f"Mapping des couleurs: {color_map}") # Extraire les données - chercher les lignes qui commencent par " et ont la bonne longueur data_lines = [] for line in lines: line = line.strip() if line.startswith('"') and '/*' not in line and 'c ' not in line: data_content = line.split('"')[1] if '"' in line else line if len(data_content) >= nx: data_lines.append(data_content[:nx]) print(f"Lignes de données trouvées: {len(data_lines)} (attendu: {ny})") if len(data_lines) != ny: print(f"Ajustement: utilisation des {len(data_lines)} lignes disponibles") ny = len(data_lines) if ny == 0: return None, None, None # Créer la matrice de données data_matrix = np.zeros((ny, nx)) valid_chars = 0 for i, line in enumerate(data_lines): for j, char in enumerate(line): if char in color_map: data_matrix[i, j] = color_map[char] valid_chars += 1 else: # Caractère non trouvé dans le mapping data_matrix[i, j] = 0 print(f"Caractères valides mappés: {valid_chars}/{ny*nx}") print(f"Plage des données: {data_matrix.min():.3f} à {data_matrix.max():.3f}") return data_matrix, nx, ny except Exception as e: print(f"Erreur lors de la lecture de {filename}: {e}") import traceback traceback.print_exc() return None, None, None def debug_xpm_content(filename): """Debug détaillé du contenu XPM""" print(f"\n=== DEBUG {filename} ===") with open(filename, 'r') as f: content = f.read() lines = content.split('\n') print(f"Total lines: {len(lines)}") print("\nFirst 20 lines:") for i, line in enumerate(lines[:20]): print(f"{i:3d}: {repr(line)}") print("\nLines containing data patterns:") data_lines = [] for i, line in enumerate(lines): if '"' in line and len(line.strip()) > 10 and '/*' not in line and 'c ' not in line: data_lines.append((i, line.strip())) for i, line in data_lines[:10]: # Show first 10 data lines print(f"{i:3d}: {line}") def plot_fel_for_all_systems(base_dir, output_dir): """Génère les FEL individuels pour tous les systèmes""" systems = [ {'folder': 'CNP0075206.3', 'xpm_file': 'FEL_PCA_CNP007.xpm', 'label': 'CNP007'}, {'folder': 'CNP0188167.1', 'xpm_file': 'FEL_PCA_CNP018.xpm', 'label': 'CNP018'}, {'folder': 'CNP0196376.4', 'xpm_file': 'FEL_PCA_CNP019.xpm', 'label': 'CNP019'} ] os.makedirs(output_dir, exist_ok=True) success_count = 0 for system_info in systems: folder = system_info['folder'] xpm_file = system_info['xpm_file'] label = system_info['label'] full_path = os.path.join(base_dir, folder, xpm_file) if not os.path.exists(full_path): print(f"Fichier non trouvé: {full_path}") continue print(f"\n{'='*50}") print(f"Traitement: {label}") print(f"Fichier: {full_path}") print(f"{'='*50}") # Debug du contenu d'abord debug_xpm_content(full_path) # Lecture des données data, nx, ny = read_xpm_simple(full_path) if data is not None: plot_individual_fel(data, nx, ny, label, output_dir) success_count += 1 else: print(f"ÉCHEC: Impossible de lire {full_path}") return success_count def plot_individual_fel(data, nx, ny, label, output_dir): """Plot individuel pour chaque système""" plt.figure(figsize=(10, 8)) # Créer les coordonnées x = np.linspace(-10, 10, nx) y = np.linspace(-10, 10, ny) # Inverser les données si nécessaire pour l'affichage data_display = data # Créer le contour plot contour = plt.contourf(x, y, data_display, levels=20, cmap='viridis') # Ajouter les lignes de contour contour_lines = plt.contour(x, y, data_display, levels=10, colors='black', linewidths=0.5, alpha=0.5) plt.clabel(contour_lines, inline=True, fontsize=8, fmt='%1.1f') plt.colorbar(contour, label='Free Energy (kJ/mol)') plt.xlabel('Principal Component 1') plt.ylabel('Principal Component 2') plt.title(f'Free Energy Landscape - {label}') # Sauvegarder png_file = os.path.join(output_dir, f'FEL_{label}.png') svg_file = os.path.join(output_dir, f'FEL_{label}.svg') plt.savefig(png_file, dpi=300, bbox_inches='tight') plt.savefig(svg_file, bbox_inches='tight') plt.close() print(f"✓ FEL sauvegardé: {png_file}") # SOLUTION ALTERNATIVE: Utiliser gmx xpm2ps si disponible def convert_xpm_with_gmx(base_dir, output_dir): """Essaie de convertir XPM en PS avec GROMACS""" systems = ['CNP0075206.3', 'CNP0188167.1', 'CNP0196376.4'] for system in systems: xpm_file = os.path.join(base_dir, system, f'FEL_PCA_{system.split(".")[0]}.xpm') if os.path.exists(xpm_file): try: # Essayer la conversion avec gmx xpm2ps output_ps = os.path.join(output_dir, f'FEL_{system.split(".")[0]}.ps') cmd = f'gmx xpm2ps -f {xpm_file} -o {output_ps}' print(f"Exécution: {cmd}") os.system(cmd) # Convertir PS en PNG (si convert est disponible) if os.path.exists(output_ps): output_png = os.path.join(output_dir, f'FEL_{system.split(".")[0]}.png') cmd = f'convert {output_ps} {output_png}' os.system(cmd) print(f"✓ Conversion réussie pour {system}") except Exception as e: print(f"Échec conversion pour {system}: {e}") if __name__ == "__main__": BASE_DIR = "/media/sf_TAWWORI/AR1_IL18R/Dynamic_Results" OUTPUT_DIR = "/media/sf_TAWWORI/AR1_IL18R/Dynamic_Results/FEL_Results" print("Génération des Free Energy Landscapes individuels...") print(f"Répertoire: {BASE_DIR}") # Méthode Python pour plots individuels uniquement success_count = plot_fel_for_all_systems(BASE_DIR, OUTPUT_DIR) if success_count == 0: print("\n" + "="*60) print("METHODE PYTHON ÉCHOUÉE - ESSAI AVEC GROMACS") print("="*60) # Essayer la méthode GROMACS convert_xpm_with_gmx(BASE_DIR, OUTPUT_DIR) print("\n" + "="*50) if success_count > 0: print(f"SUCCÈS: {success_count} FEL individuels générés dans {OUTPUT_DIR}") else: print("ÉCHEC: Aucun FEL généré") print("Considérations:") print("1. Vérifiez que les fichiers XPM sont valides") print("2. Essayez: gmx xpm2ps -f fichier.xpm -o output.ps") print("3. Contactez le support si le problème persiste") print("="*50)