Frustratometer安装和使用教程初尝试

根据这个网站一步步尝试的Installation — Frustratometer documentationhttps://frustratometer.readthedocs.io/en/latest/installation.html

一、安装Frustratometer

1、安装Git，前往官网

Githttps://git-scm.com/ 在安装过程中选择“Git from the command line and also from 3rd-party software”选项，这样可以确保 Git 被添加到环境变量中。（我当时忘记添加这个选项，所以后来自己添加环境变量的：

• • 打开“设置”，搜索并选择“环境变量”。
  • 在“系统变量”中找到并双击“Path”变量。
  • 点击“新建”，然后添加 Git 的安装路径（如 C:\Program Files\Git\bin）。
  • 点击“确定”保存设置。

• 重启 PowerShell，然后再次尝试运行 git 命令。）

• 安装完成后，重新打开 PowerShell。
• 输入 git --version，如果安装成功，你会看到 Git 的版本信息。

 2、安装主模块

• 使用 git clone 命令克隆项目仓库到本地。
• 进入项目目录后，使用 conda 和 pip 安装项目所需的依赖包。

git clone https://github.com/HanaJaafari/Frustratometer.git
cd Frustratometer
conda install -c conda-forge --file requirements.txt
pip install -e .

这里因为我用的是python2.5的环境，所以好像pip和setuptools不太兼容的亚子。。。最后一句我就换成了

conda develop .

不嫌麻烦的话也可以一步一步手动安装兼容版本的pip和setuptools

 3、安装可选依赖项

1)  安装 pydca

支持从多个序列比对计算 DCA Potts 模型

git clone https://github.com/cabb99/pydca.git
cd pydca
pip install -e .

2) 安装 pdbfixer

PDBFIXER 是用于修复不完整 PDB 的可选依赖项。

conda install -c conda-forge openmm pdbfixer

二、使用Frustratometer

1、加载蛋白质结构

1）检查并安装prody

pip install prody

2）运行python脚本（和官网不太一样，因为我的python环境不是最新的）

在 Python 2.5 中，你需要用双反斜杠（\\）或者正斜杠（/）来表示路径，确保它们不会被误解为转义字符。

python
import frustratometer
pdb_path = 'E:\\AAAAASPRJ\\Frustratometer\\Frustratometer\\work\\NVVC.pdb'
structure = frustratometer.Structure(pdb_path)
structure.sequence

调用Structure的时候也不是用的官网的full_pdb模块了，可能是弃用了

至此就是成功加载蛋白质结构了

2、创建 AWSEM 模型

根据不同的需求，你可以创建不同的 AWSEM 模型

• 单个残基的挫折（包含静电作用）

  model_singleresidue = frustratometer.AWSEM(structure, min_sequence_separation_contact=0, dtype=np.float32)

        参数：min_sequence_separation_contact=2 表示只有序列分离大于或等于 2 的接触才会被计               算。

• 单个残基的挫折（不包含静电作用）

  model_singleresidue_noelectrostatics = frustratometer.AWSEM(structure, min_sequence_separation_contact=2, k_electrostatics=0)
  

  参数：k_electrostatics=0 表示静电作用的权重设为 0。

• 突变/构象挫折（包含静电作用）

  model_mutational = frustratometer.AWSEM(structure, k_electrostatics=0, dtype=np.float32)
  

  默认参数会被使用。

• 突变/构象挫折（不包含静电作用）

  model_mutational_noelectrostatics = frustratometer.AWSEM(structure, k_electrostatics=0, dtype=np.float32)

  与上一个模型相同，但不考虑静电作用。

• 突变挫折（序列分离为 12）

  model_mutational_seqsep12 = frustratometer.AWSEM(structure, min_sequence_separation_rho=13)
  

  参数：min_sequence_separation_rho=13 指定最小序列分离。

• 典型的 openAWSEM 模型

  model_openAWSEM = frustratometer.AWSEM(structure, min_sequence_separation_contact=10, distance_cutoff_contact=None)
  

  参数：min_sequence_separation_contact=10 表示最小接触分离为 10。

1）构建单个残基模型尝试一下

构建模型的时候还会遇到内存不足的情况，可以将参数调低

model_singleresidue = frustratometer.AWSEM(structure, min_sequence_separation_contact=0, dtype=np.float32)

如果还是构建不出来，可能是python环境垃圾太多了，清理一下

import gc
gc.collect()

就成功了

2）计算残基密度（只有在第一步构建的是单个残基的模型才可以计算）

calculated_densities = model_singleresidue.rho_r
print(calculated_densities)

3）计算挫折指数

• 单个残基指数

  single_residue_frustration = model_singleresidue.frustration(kind='singleresidue')
  print(single_residue_frustration)

  

• 单个残基的诱变波动（快速计算所有单个残基的能量和诱变）

  decoy_fluctuation = model_singleresidue.decoy_fluctuation(kind='singleresidue')
  print(decoy_fluctuation)

  

• 突变的挫折指数（这个要构建了突变模型才可以做）

  mutational_frustration = model_mutational.frustration(kind='mutational')
  print(mutational_frustration)

  3）能量计算