使用MolAICal和深度学习模型OnionNet进行药物亲和力的预测
本帖最后由 MolAICal 于 2021-10-22 00:18 编辑使用MolAICal和深度学习模型OnionNet进行药物亲和力的预测 作者：MolAICal （update 2021-10-16） 更多教程（含英文教程）请见如下：MolAICal官方主页：https://molaical.github.ioMolAICal官方主页中国镜像：https://molaical.gitee.ioMolAICal 文章介绍：https://arxiv.org/abs/2006.09747 和 https://doi.org/10.1093/bib/bbaa161MolAICal中文博客：https://molaical.github.io/cntutorial.htmlMolAICal Twitter：https://twitter.com/MolAICalMolAICal QQ学术讨论群： 1151656349
1. 简介深度学习模型可以用来计算配体和受体之间的亲和力，将深度学习模型OnionNet嵌入到MolAICal用以计算配体的亲和力。这个案例可以帮助使用者快速了解深度学习是如何计算配体和蛋白的亲和力，有关MolAICal的更多详细信息，请参考文章(https://doi.org/10.1093/bib/bbaa161)。
2. 软件和所需数据2.1软件需求1）MolAICal: https://molaical.github.io国内镜像MolAICal: https://molaical.gitee.io
2.2案例文件2）所有在教程中的重要文件可以从该网址下载：https://gitee.com/molaical/tutorials/tree/master/014-bindingaffinityOnionnet
3. 步骤3.1安装OnionNet模型现阶段只支持linux系统
1) 点击并打开网页: https://lzueducn-my.sharepoint.com/:f:/g/personal/baiqf11_lzu_edu_cn/EpypiZ9_QDxIjoEjt0tl7osBVrssSaQ5x9Ulxue57ksUkg?e=2FYRVu在已打开的网页中根据路径science/AImodels/BindingAffinity/onionnet/linux，下载文件名是“onionnet.tar.gz”。
2) 把onionnet.tar.gz移动到MolAICal-xxx/mtools目录下，“MolAICal-xxx”是你解压并安装MolAICal的目录，“mtools ”是指定目录。
3) 解压目录#> tar -xzvf onionnet.tar.gz
进入到onionnet目录下#> cd onionnet
4) 安装OnionNet模型#> chmod +x install.sh
#> ./install.sh 现在已成功安装OnionNet模型
3.2计算单个复合物的亲和力 3.2.1 将一个蛋白和配体拼接在一起
打开014-bindingaffinityOnionNet文件夹，使用以下命令准备复合物#> molaical.exe -model mergeon -r 1a30_protein.pdb -l 1a30_ligand.mol2.pdb -c 1a30_complex.pdb
注意：如果使用者没有pdb格式的文件，可以使用MolAICal转换分子格式。例如，如果用户使用的是mol2格式的文件，可以使用下面的命令来进行格式转换（注释：分子应该由正确的分子后缀，如.mol2, pdb等，否则无法被MolAICal自动识别）。#> molaical.exe -tool format -i ligand.mol2 -o ligand.pdb
3.2.2 计算pKx（pKa or pKi）用于亲和力预测把合并好的复合物文件放到一个文件夹中，在这个教程中，将包含复合物文件名的文件命名为“inputlist.dat”，使用下列命令对pKx进行计算：#> molaical.exe -model onionnet -i inputlist.dat -o results.csv
运行结束后，会生成一个包含pKx值的results.csv的文件，如果研究人员想要将pKx值转化为结合自由能，可以参照该网页(https://molaical.github.io/tutorial.html), MolAICal提供自由能转化模块。
3.3计算多个复合物的亲和力3.3.1 将多个配体与一个蛋白分别拼接，形成复合物有些情况下，研究人员需要计算很多配体的亲和力，基于这种需求，这需要将很多配体与蛋白结合，形成很多复合物。
打开014-bindingaffinityOnionnet/list 文件夹
将所有配体的名字写入到“list.txt”文件中，在这部分中，蛋白的pdb文件是GCGRNoLigand.pdb。然后使用下列的命令进行蛋白和配体的合并。#> molaical.exe -model mergeon -r GCGRNoLigand.pdb -f list.txt运行完毕后将会生成一个“complex_<yourligand name>.pdb”文件。
3.3.2 计算pKx（pKa or pKi）用于亲和力预测使用如下命令将所有合并的复合物文件名称写到“complexList.txt”：#> ls -A complex_*.pdb > complexList.txt
然后使用下列命令进行亲和力计算。#> molaical.exe -model onionnet -i complexList.txt -o results.csv
这将生成一个包含所有pKx值的csv文件(results.csv)，如果研究人员想要将pKx值转化为结合自由能，可以参照该网页(https://molaical.github.io/tutorial.html), MolAICal提供自由能转化模块。
参考文献： 1. Zheng L, Fan J, Mu Y. OnionNet: a Multiple-Layer Intermolecular-Contact-BasedConvolutional Neural Network for Protein-Ligand Binding Affinity Prediction.ACS Omega. 2019;4(14):15956-65. Epub 2019/10/09. doi: 10.1021/acsomega.9b01997.PubMed PMID: 31592466; PubMed Central PMCID: PMCPMC6776976.
页:
[1]