Tyrosinase 建模尝试 (二)
本帖最后由 lrf1980 于 2014-12-30 20:26 编辑前段时间发了一部分Tyrosinase建模的过程，很抱歉，最近没有好好的把剩下的过程整理出来。今天得空整理了一下。
在上一篇帖子里提到，因为tyrosinase里有一大段loop里口袋区很远，可能对最后我们需要的口袋结构在建模过程中不会有太大的影响，所以，将这部分的区域做了一个假设性删除。并重新生成了一个新的序列建模。两个模型建好后，我们就可以按照阿里说的利用SAVES服务器对模型进行评估，并且得到需要进一步优化的区域。
1. 首先我们可以看看裁剪大段loop前后的SAVES服务器出的ERRAT2结果。
裁剪前，总得分为57.585， 整个蛋白质中有大概11个区域的残基建模质量差。需要我们一个个去优化，这个过程可能非常的难
裁剪后，总得分为50.498， 得分稍微下降了。但是整个蛋白质约有9个区域的残基建模质量差。从连续性上看，大区域只有5个。那个这就大大降低了我们优化的难度。另外，在这里，我用了sybyl的minimization对裁剪后的蛋白质做了一个能量优化，发现优化后对结果的改进有很大的提高。总得分从50.498 提高到76.667. 整个蛋白质也只有3个区域的残基质量不好。所以在建完模后先对结构进行能量优化，再继续用modeller对局部做优化，可能会是一个不错的方法。
2. 然后我们以做过能量优化的模型作为模版，开始对其进行特定区域的优化。首先是loop的优化，就用loop-refine这个脚本对残基142-152这段loop进行优化。选用模块m.loop.md_level = refine.slow，在建好的模型中挑选质量最好的模型提交到SAVES上，我们可以看到ERRAT2的打分有了进一步的提高，从76.667上升到了80.333， 而且142-152残基质量已经处在可以接受的范围了。
3.我们继续用上一步生成的质量最好的模型做模版，来对另外两个区域的残基优化。这次我们还是用loop-refine这个脚本对残基268-280这段loop进行优化，仍然选用m.loop.md_level = refine.slow，然后重复SAVES评估，总得分并没有多大的提高，只从80.333提高到82.000，但该区域的大部分残基度都在可接受的范围。
4. 最后用model-segment这个脚本对49-54区域的残基优化，因为该段区域不是loop，所以不能用loop-refine来做优化。最后的结果有点出乎意料，SAVES评估结构并没有明显改善，打分和是区域的残基都没有改善。这个情况下，估计再用modeller也无济于事，所以最后在用sybyl做一次能量最小化。SAVES的总体得分到了91.379，整个蛋白质也只有特殊的几个氨基酸残基的结果是不理想的。
5. 通过这么几步的工作，整体来讲我们完成了从基本的模型建立到最后的优化，从50.498的得分，优化到了91.379。结果还是可以接受。整个过程我们用到了modeller及sybyl的minimization。这么比较下来，不得不说yasara这个软件还是相当的不错。只要提交序列，剩下的它全部自动搞定，而且最重要的，结构优化，能量优化，甚至还有将蛋白质模型放入水盒子里来进一步的优化。大家有机会可以尝试一下modeller的整个过程，或者试试yasara的同源建模，然后比较一下。
有问题站内信件联系。
非常详细的modeller的loop优化和比较过程！ 本帖最后由 lrf1980 于 2014-12-29 20:07 编辑
川大-灰太狼 发表于 2014-12-29 09:55
非常详细的modeller的loop优化和比较过程！
哈哈，得到灰大大的认可我很是受鼓舞啊。：）
lrf1980 发表于 2014-12-29 19:55
哈哈，得到灰大大的认可我很是受鼓舞啊。：）
YASARA模建的结果如何呢？文中只是提及到了，但没有看到比较。 版主，我想咨询一下你是如何区分loop还是片段的呢？》 kangsgo 发表于 2015-1-13 16:39
版主，我想咨询一下你是如何区分loop还是片段的呢？》
你可以根据残基的你需要优化的残基编号来看，比方说48-58， 你不了解是loop还是片段，那么你把建模好的模型用pymol打开，然后select resi 48-58， 你就可以观察这段区域是loop还是片段。这种方法的判断是建立在你已经有模型，但是也有不确定性，因为一旦模型不合适，那么就会判断错误，所以有很多的软件能够做一个氨基酸序列的二级结构预测，你把这个二级预测的结果结合起来，基本就可以判断出来了。
页:
[1]