 |
 |
 |
 |
 |
 |
||
 |
 |
 |
 |
 |
| 2 | 1/1 | 返回列表 |
| 查看: 369 | 回復(fù): 1 | |||
[交流]
使用MolAICal進(jìn)行多肽虛擬篩選教程-同樣適用于蛋白質(zhì)和核酸的虛擬篩選 已有1人參與
|
|
MolAICal官方地址： https://molaical.github.io/ 或 https://molaical.gitlab.io/ 更詳細(xì)的教程見(jiàn)：https://molaical.gitlab.io/cntutorial.html 或 https://molaical.github.io/tutorial.html 本教程也適用于蛋白-蛋白，蛋白-核酸等虛擬篩選，MolAICal還提供了一種更快速并可以兼容非氨基酸殘基類型的多肽篩選方式： https://molaical.gitlab.io/cntutorial.html 中的: 30. 使用MolAICal在受體口袋中進(jìn)行多肽虛擬篩選 多肽生成的教程，見(jiàn) https://molaical.gitlab.io/cntutorial.html 中的: 28. 使用MolAICal生成多肽的教程 本教程沒(méi)有包含附錄，更詳細(xì)教程請(qǐng)見(jiàn)：https://molaical.gitlab.io/cntutorial.html 中的: 29. 使用MolAICal與LightDock進(jìn)行多肽虛擬篩選教程-同樣適用于蛋白質(zhì)和核酸的虛擬篩選 ________________________________________ 1. 引言 MolAICal 可以使用開(kāi)源的 LightDock 軟件（https://lightdock.org）并通過(guò) MM/GBSA 或 MM/PBSA 方法進(jìn)一步提升生物大分子對(duì)接的準(zhǔn)確性。LightDock 是一個(gè)開(kāi)源（GPL-3.0 許可）的對(duì)接框架，適用于 蛋白質(zhì)-蛋白質(zhì)、蛋白質(zhì)-肽段、蛋白質(zhì)-RNA 和 蛋白質(zhì)-DNA 復(fù)合物的對(duì)接。它特別擅長(zhǎng)處理柔性及具有挑戰(zhàn)性的情況（例如瞬時(shí)相互作用、低親和力復(fù)合物，或需要主鏈/側(cè)鏈靈活性的體系），并且作為一個(gè)可擴(kuò)展平臺(tái)，支持測(cè)試新型打分函數(shù)、約束條件或優(yōu)化策略。LightDock 采用 螢火蟲群優(yōu)化算法（Glowworm Swarm Optimization, GSO）——一種最初為多峰函數(shù)優(yōu)化設(shè)計(jì)的仿生群體智能方法。 本教程以 胰高血糖素樣肽-1 受體（GLP-1R） 與 艾塞那肽-4（exendin-4，首個(gè) FDA 批準(zhǔn)的 GLP-1R 激動(dòng)劑）為例進(jìn)行演示（PDB ID: 7LLL.pdb）。 注意：本教程僅適用于 Linux 操作系統(tǒng)！ 本教程展示了一種通過(guò) MolAICal 與 LightDock 平臺(tái)集成 實(shí)現(xiàn)肽段虛擬篩選的計(jì)算流程。MolAICal 能夠高效生成并預(yù)測(cè)多種肽段候選結(jié)構(gòu)的 3D 構(gòu)象，包括線性和環(huán)狀變體以及不同二級(jí)結(jié)構(gòu)；而 LightDock 則采用先進(jìn)的群體優(yōu)化算法，實(shí)現(xiàn)高精度的蛋白質(zhì)-肽段對(duì)接模擬。該聯(lián)合方法使研究人員能夠?qū)Τ汕先f(wàn)種肽段變體進(jìn)行靶向篩選，基于結(jié)合能和相互作用模式識(shí)別出有潛力的結(jié)合體。通過(guò)多尺度建模方法和并行計(jì)算能力，該流程顯著加速了治療性肽段、蛋白質(zhì)抑制劑和核酸結(jié)合物的發(fā)現(xiàn)過(guò)程（只需將肽段替換為蛋白質(zhì)或核酸即可）。 更多細(xì)節(jié)請(qǐng)參閱 蛋白質(zhì)-DNA 和 蛋白質(zhì)-RNA 對(duì)接教程，以及 MolAICal 用戶手冊(cè)。 ________________________________________ 2. 材料 2.1 軟件要求 1. MolAICal：https://molaical.github.io 2. NAMD（CPU 版本）：https://www.ks.uiuc.edu/Research/namd/ 注意：本教程可使用 NAMD 2.x、3.x 或更高版本。例如，若您使用 NAMD 3.x 版本，則將教程中的命令 “namd2” 替換為 “namd3”。更高版本的 NAMD 亦可采用類似方式替換。 3. PyMol：https://github.com/cgohlke/pymol-open-source-wheels, https://github.com/maabuu/pymol-wheels , https://pypi.org/project/pymol-open-source-whl/ , https://github.com/cnpem/PyMOL4Win 4. VMD：https://www.ks.uiuc.edu/Research/vmd 2.2 示例文件 1. 所有必需的教程文件可從以下地址下載： https://gitee.com/molaical/tutorials/tree/master/028-peptide_vs_lm ________________________________________ 3. 操作流程 3.1 分子準(zhǔn)備 為了解決Linux中的庫(kù)依賴問(wèn)題，Linux版本的MolAICal (Windows 版本的MolAICal沒(méi)有采用容器)采用了基于容器的方法。如果需要調(diào)用外部程序，建議在MolAICal容器內(nèi)安裝這些程序。如果不需要外部程序，可以忽略此步驟。本教程需要外部程序NAMD和VMD，具體步驟如下： 1. 首先，將文件復(fù)制到 MolAICal 容器中 2. 其次，進(jìn)入 MolAICal 容器的虛擬環(huán)境 注：molaical 是容器名稱。 3. 在 MolAICal 容器虛擬環(huán)境中安裝軟件的方式與在本地主機(jī)上安裝相同。以下以安裝 VMD 和 NAMD 為例： 1) 安裝 NAMD： 解壓 NAMD 文件（假設(shè)解壓后的文件夾名為 namdcpu），然后使用以下命令將其路徑告知 MolAICal： 注：請(qǐng)將上述 VMD 和 NAMD 的路徑替換為您系統(tǒng)中的實(shí)際路徑。-n 后面的 "VMD" 和 "NAMD"（大小寫不敏感）是固定的標(biāo)識(shí)符。為確保 MM/GBSA 結(jié)果的可重復(fù)性，建議使用 NAMD 的 CPU 版本，因?yàn)?CUDA 版本中的 seed 參數(shù)似乎對(duì)結(jié)果可重復(fù)性無(wú)效。 2) 安裝 VMD： 按以下步驟操作： 解壓 VMD 文件： 注：請(qǐng)將上述路徑替換為您系統(tǒng)中的實(shí)際路徑。 修改 VMD 解壓目錄中名為 configure 的文件中的安裝路徑： 安裝 VMD： 注：請(qǐng)運(yùn)行 ./configure 并根據(jù)所用計(jì)算機(jī)選擇正確的類型，此處為 "LINUXAMD64"。 然后使用以下命令將 VMD 路徑告知 MolAICal： 至此，NAMD 和 VMD 在 MolAICal 容器內(nèi)的安裝與配置已完成。為防止MolAICal出現(xiàn)問(wèn)題時(shí)丟失已安裝的程序（例如VMD和NAMD），請(qǐng)參閱附錄2中的第3步。 進(jìn)入教程材料文件夾 “028-peptide_vs_lm”： 將看到以下文件列表： 7LLL.pdb：來(lái)自 https://www.rcsb.org 的復(fù)合物結(jié)構(gòu)文件（PDB 格式） dock_u.sh：對(duì)接單元腳本（適用于本教程類似的膜蛋白受體） dock_u_nomem.sh：對(duì)接單元腳本（適用于非膜蛋白受體） dock_u_cyc.sh：環(huán)肽與膜蛋白的對(duì)接單元腳本 dock_u_cyc_nomem.sh：環(huán)肽與非膜蛋白的對(duì)接單元腳本 mempro.pdb：本受體對(duì)應(yīng)的膜蛋白受體（制備方法見(jiàn)附錄 1或 MolAICal 蛋白質(zhì)-肽段對(duì)接教程） new.pdb：受體構(gòu)建過(guò)程中的臨時(shí)文件 P_peptide.pdb：從 “7LLL.pdb” 中提取的肽段配體（制備方法見(jiàn)附錄 1或 MolAICal 蛋白質(zhì)-肽段對(duì)接教程） restraints.list：指定活性位點(diǎn)的文件，可減少構(gòu)象搜索的對(duì)接時(shí)間（制備方法見(jiàn)附錄 1） R_protein.pdb：從 “7LLL.pdb” 中提取的受體文件（制備方法見(jiàn)附錄 1） R_P_complex.pdb：包含肽段配體和受體的復(fù)合物文件（制備方法見(jiàn)附錄 1） 選項(xiàng)：LightDock中的DFIRE評(píng)分函數(shù)需要標(biāo)準(zhǔn)氨基酸殘基及其原子名稱，因此在使用DFIRE評(píng)分函數(shù)進(jìn)行對(duì)接前，必須檢查并修復(fù)受體或配體。修復(fù)命令如下： 此處該P(yáng)DB文件正常，無(wú)需通過(guò)上述選項(xiàng)處理。 ________________________________________ 3.2 肽段生成 LightDock的功能實(shí)現(xiàn)依賴于打分函數(shù)所支持的氨基酸類型。例如：DFIRE僅支持標(biāo)準(zhǔn)氨基酸及殘基名稱為"MMB"的氨基酸；此時(shí)必須使用"-nc"參數(shù)以避免在生成肽段的N端和C端添加封端基團(tuán)，因?yàn)镈FIRE無(wú)法識(shí)別這些修飾結(jié)構(gòu)。 1) 使用 MolAICal 生成線性肽段 參數(shù)說(shuō)明： -call：與外部程序或命令交互。值為 ‘set’（設(shè)置環(huán)境）或 ‘run’（運(yùn)行程序） -i：調(diào)用外部程序，其后跟隨該程序的所有命令行參數(shù) -c（在 -i 之前）：若值為 “pepgen”，則生成肽段 -l：肽段中氨基酸殘基數(shù) -n：生成的唯一序列數(shù)量 -3d：使用 pyPept 生成 3D 結(jié)構(gòu) -nc：不為序列添加乙�；╝c）/酰胺基（am）封端 -o：生成序列的輸出文件 -dir：3D 結(jié)構(gòu)的輸出目錄 更多細(xì)節(jié)請(qǐng)參閱 MolAICal 手冊(cè)。 生成的 3D 肽段位于 “l(fā)inear” 文件夾中，可用于后續(xù)虛擬篩選。 2) 使用 MolAICal 生成帶有固定殘基的線性肽段（用于肽段修飾） 新增參數(shù)說(shuō)明： -dir：3D 結(jié)構(gòu)輸出目錄 -rc：使用 RDKit 生成的隨機(jī)構(gòu)象數(shù)量（默認(rèn)：1） -d：從種子序列擴(kuò)展的方向（[forward, backward, both, none]） -s：起始序列（可選） -fix：生成過(guò)程中保持固定的殘基位置（1 起始索引） 3) 使用 MolAICal 生成環(huán)狀肽段 MolAICal 還支持生成含二硫鍵等修飾的肽段（詳見(jiàn) MolAICal 手冊(cè)）。 新增參數(shù)說(shuō)明： -cc：生成環(huán)狀肽段（僅支持 BILN/HELM 格式） -c（在 -i 之后）：用于并行處理的 CPU 核心數(shù) 在 “l(fā)inear”、“mpep” 和 “cyclic” 目錄中分別包含了三類肽段，適用于不同目的。由于肽段虛擬篩選計(jì)算耗時(shí)，本教程僅提取少量肽段用于演示。用戶可根據(jù)自身計(jì)算資源生成足量肽段用于研究。 ________________________________________ 3.3 肽段虛擬篩選 MolAICal 的虛擬篩選方法包括：創(chuàng)建一個(gè) 對(duì)接單元（Docking Unit）腳本文件，其中包含多個(gè)任務(wù)；每個(gè)單元對(duì)接一個(gè)分子（見(jiàn)圖 1）。在此基礎(chǔ)上，通過(guò) 多核并行處理 可同時(shí)篩選多個(gè)分子，實(shí)現(xiàn)虛擬篩選。 圖 1：對(duì)接單元示意圖 “l(fā)inear” 和 “mpep” 文件夾中的肽段可使用相同流程篩選。對(duì)于 “cyclic” 文件夾中的環(huán)狀肽段，需進(jìn)行小幅修改：在 MM/GB/PB/SA 步驟中，末端殘基必須使用 ‘LINK’ 進(jìn)行打補(bǔ)丁。該方法也適用于肽段中二硫鍵等殘基修飾。 1) 對(duì) “l(fā)inear” 和 “mpep” 文件夾中的線性肽段進(jìn)行篩選： 參數(shù)說(shuō)明： '-call'：與外部程序交互（‘set’/‘run’） '::= '：用于按指定順序?yàn)閰?shù)賦值，后面的變量必須緊跟"::="，不能有空格。 '-c'：若值為 “sfile”，則運(yùn)行 MolAICal 腳本 '1::= '：待篩選分子（如肽段）的工作目錄（默認(rèn)：‘linear’） '2::= '：受體文件（默認(rèn)：‘mempro.pdb’） '3::= '：第一個(gè)分子（即受體）的鏈名（默認(rèn)：‘R’） '4::= '：第二個(gè)分子（即配體）的鏈名（默認(rèn)：‘Z’） '5::= '：每個(gè)子任務(wù)（即每次對(duì)接）使用的 CPU 核心數(shù)（默認(rèn)：2） '6::= '：虛擬篩選任務(wù)使用的CPU核心總數(shù)。默認(rèn)值為1。此參數(shù)決定啟動(dòng)的并行管道數(shù)量，多個(gè)并行管道會(huì)顯著增加內(nèi)存消耗。建議保持默認(rèn)值1，即僅激活一個(gè)管道。除非可用內(nèi)存資源非常充足，方可考慮增加并行管道數(shù)量。 若要進(jìn)一步提升計(jì)算效率，可增加單個(gè)管道內(nèi)子任務(wù)的并行核心數(shù)，例如通過(guò)"5::=8"格式配置（表示該子任務(wù)使用8個(gè)核心）。 '8::= '：調(diào)試模式（0 或 1）。1 表示測(cè)試任務(wù)以檢查錯(cuò)誤；0 表示直接運(yùn)行（默認(rèn)：0） '9::= '：MolAICal 腳本格式的對(duì)接腳本文件（默認(rèn)：‘dock_unit.sh’） '11::= '：結(jié)果輸出目錄（默認(rèn)：‘dresults’） 更多細(xì)節(jié)請(qǐng)參閱 MolAICal 手冊(cè)。 2) 對(duì) “cyclic” 文件夾中的環(huán)狀肽段進(jìn)行篩選： ________________________________________ 3.4 結(jié)果排序 此處以 “cyc_result” 文件夾中的結(jié)果為例進(jìn)行說(shuō)明，用戶可參考此案例用于自身研究。 1) 僅處理自定義百分比（此處為 20%）的篩選候選分子： 或 2) 僅處理 MMGBPBSA，并自定義結(jié)果輸出目錄： 或 3) 同時(shí)處理篩選與 MMGBPBSA，使用默認(rèn)設(shè)置并獲取前 20% 的結(jié)果： 參數(shù)說(shuō)明： -m {both,filtered,mmgbpbsa}: 處理模式（默認(rèn)：both） -p: 提取頂部分子的百分比（默認(rèn)：5.0） -fo: 篩選結(jié)果輸出目錄（默認(rèn)：vs_filtered_results） -mo: MMGBPBSA結(jié)果輸出目錄（默認(rèn)：vs_mmgbpbsa_results） "cyc_result"是包含用于虛擬篩選的候選肽段分子的輸入目錄。 更多幫助信息，請(qǐng)查閱MolAICal用戶手冊(cè) 任務(wù)續(xù)跑：如果任務(wù)被中斷，請(qǐng)運(yùn)行以下命令進(jìn)行恢復(fù)： '7::=': 檢查對(duì)接任務(wù)是否完成。其值為 0 或 1。若值為 1，將檢查 MM/GB/PB/SA 步驟的結(jié)果；若值為 0，則檢查第一步虛擬篩選步驟的結(jié)果。默認(rèn)值為 1。 '12::=': 為對(duì)接腳本文件 '9::=' 提供更多選項(xiàng)。默認(rèn)值為空字符串，用 "" 表示。若此輸入包含多個(gè)參數(shù)，請(qǐng)使用逗號(hào)字符 ',' 分隔。MolAICal 會(huì)自動(dòng)將每個(gè)逗號(hào) ',' 轉(zhuǎn)換為空格 " "。它有一些特殊值： 若為 "createdir"，則僅創(chuàng)建虛擬篩選的文件夾； 若為 "startvs"，則僅運(yùn)行虛擬篩選任務(wù)； 若為 "continuevs"，則會(huì)處理剩余的未完成虛擬篩選任務(wù)； 若為 "sn_{num}"，則會(huì)設(shè)置 ${num} 個(gè)并行管道，這對(duì)應(yīng)于 '6::=' 的設(shè)置； 否則，運(yùn)行所有任務(wù)。 在指定文件夾 ${work_dir}（例如 "linear" 文件夾）中完成虛擬篩選的 PDB 文件，將被移動(dòng)到目錄 ${work_dir}_complete_folder 中。然后，直接運(yùn)行之前的虛擬篩選程序?qū)?${work_dir} 文件夾恢復(fù)任務(wù)，從而有效實(shí)現(xiàn)任務(wù)續(xù)跑。 ________________________________________ 參考文獻(xiàn) 1. Jiménez-García, B.; Roel-Touris, J.; Romero-Durana, M.; Vidal, M.; Jiménez-González, D.; Fernández-Recio, J., LightDock: a new multi-scale approach to protein-protein docking. Bioinformatics 2018, 34 (1), 49–55. 2. Krishnanand, K. N.; Ghose, D., Glowworm swarm optimization for simultaneous capture of multiple local optima of multimodal functions. Swarm Intelligence 2009, 3 (2), 87–124. ________________________________________ |
回復(fù)此樓» 本帖已獲得的紅花（最新10朵）
滴滴Grace合肽庫(kù)» 猜你喜歡
085701環(huán)境工程專碩求調(diào)劑
已經(jīng)有6人回復(fù)
-
0817化學(xué)工程319求調(diào)劑
已經(jīng)有10人回復(fù)
-
伙伴們，祝我生日快樂(lè)吧
已經(jīng)有5人回復(fù)
-
274求調(diào)劑0856材料化工
已經(jīng)有10人回復(fù)
-
337一志愿華南理工0805材料求調(diào)劑
已經(jīng)有6人回復(fù)
-
（081700）化學(xué)工程與技術(shù)-298分求調(diào)劑
已經(jīng)有7人回復(fù)
-
材料與化工304求B區(qū)調(diào)劑
已經(jīng)有5人回復(fù)
-
NSFC申報(bào)書里申請(qǐng)人簡(jiǎn)歷中代表性論著還需要在申報(bào)書最后的附件里面再上傳一遍嗎
已經(jīng)有9人回復(fù)
-
一志愿北京化工大學(xué)材料與化工296分求調(diào)劑
已經(jīng)有17人回復(fù)
-
0703化學(xué)一志愿211 總分320求調(diào)劑
已經(jīng)有3人回復(fù)
» 本主題相關(guān)商家推薦: (我也要在這里推廣)
滴滴Grace合肽庫(kù)
金蟲 (正式寫手)
- 應(yīng)助: 1 (幼兒園)
- 金幣: 1702.3
- 散金: 226
- 沙發(fā): 2
- 帖子: 827
- 在線: 74小時(shí)
- 蟲號(hào): 23321770
- 注冊(cè): 2020-08-05
- 性別: MM
- 專業(yè): 外國(guó)語(yǔ)言
2樓2026-01-26 14:42:55
相關(guān)版塊跳轉(zhuǎn)
我要訂閱樓主 MolAICal 的主題更新
| 2 | 1/1 | 返回列表 |
| 最具人氣熱帖推薦 [查看全部] | 作者 | 回/看 | 最后發(fā)表 | |
|---|---|---|---|---|
|
[考研]
一志愿天津大學(xué)材料與化工275求調(diào)劑
 10+5
|
穿只靴子 2026-03-07 | 22/1100 |
|
|---|---|---|---|---|
|
|
[考研] 材料工程,326分，求調(diào)劑 +5 | KRSLSR 2026-03-10 | 5/250 |
|
|
[考研] 一志愿江南大學(xué)085701環(huán)境工程專碩總分287求調(diào)劑 +5 | 18266118446 2026-03-09 | 5/250 |
|
|
|
[考研] 工科0856專碩化學(xué)工程269能調(diào)劑嗎 +9 | 我想讀研11 2026-03-10 | 9/450 |
|
|
|
[考研] 271求調(diào)劑 +4 | 生如夏花… 2026-03-11 | 4/200 |
|
|
|
[考研] 求調(diào)劑 +4 | 鶴遨予卿 2026-03-09 | 4/200 |
|
|
|
[考研] 大連大學(xué)化學(xué)專業(yè)研究生調(diào)劑 +3 | 琪久. 2026-03-10 | 8/400 |
|
|
|
[考研] 327分求調(diào)劑086 +4 | 西紅柿?小帥 2026-03-09 | 7/350 |
|
|
|
[考研] 材料與化工求調(diào)劑 +11 | 與冬清寧 2026-03-07 | 14/700 |
|
|
|
[考博] 找博導(dǎo) +4 | 小呆呆熊 2026-03-07 | 4/200 |
|
|
|
[考博] 2026博士申請(qǐng) +6 | 起泡酒 2026-03-08 | 6/300 |
|
|
|
[考研] 材料調(diào)劑 +4 | xxxcm 2026-03-08 | 7/350 |
|
|
|
[考研] 求0856調(diào)劑 +5 | 小力氣珂珂 2026-03-08 | 5/250 |
|
|
|
[考研] 0817找調(diào)劑 +6 | kk扛 2026-03-08 | 6/300 |
|
|
|
[考研] 269求調(diào)劑 +3 | 朔朔話 2026-03-08 | 4/200 |
|
|
|
[考研] 288求調(diào)劑085600材料與化工 +13 | Daunrin 2026-03-07 | 15/750 |
|
|
|
[考研] 一志愿鄭大071000分?jǐn)?shù)282求調(diào)劑 +3 | 研研顏 2026-03-05 | 7/350 |
|
|
|
[考研] 求調(diào)劑，不管什么專業(yè)，我是可塑造的人才一枚，希望遇到知己老師撈撈我 +4 | 13102137290 2026-03-06 | 5/250 |
|
|
|
[考研] 材料專碩323求調(diào)劑 +5 | 李白26 2026-03-07 | 5/250 |
|
|
|
[考研] 334求調(diào)劑 +6 | Trying] 2026-03-05 | 8/400 |
|