用薛定谔软件(schrodinger)做交叉对接（CROSSING DOCKING）

1、PDB结构下载：在PDB官网下载靶点的蛋白结构，筛选条件：人源，X-ray,分辨率在3.0以下

 

2、筛选蛋白结构：没有复合物的不要，只保留一个小分子和一条链，其他操作：去水或者其他杂原子选做

3、做一个分子重合，quick align,看看蛋白质结构重合度

4、蛋白质准备：找到对接的最好构象并保存成maestro格式（.mae）（可以使用ome step protein preparation批量处理蛋白）

5、导出小分子，然后做配体准备，导出文件格式为SDF（.sdf）

6、开始对接，用cross docking 模块对接，受体选择复合物（complex）将保存好的复合物文件上传，将配体文件也上传，（可以更改一些设置，例如用几个核运行和分成几个任务），点击运行

注：这个这是一般流程·，具体操作要看实际情况。

后续处理：因为交叉对接是选择最好的PDB蛋白质构象，后面交叉对接后需要处理数据，在薛定谔的log输出里面找到Receptor 和RMSD值，把数据放入csv文件中，然后用一个python代码进行数据处理。

import pandas as pd
import math

data= pd.read_csv('D:/desk/rmsd.csv')

            
value_mean = data.groupby(['Receptor'],as_index = False,group_keys=False)['RMSD'].mean()
value_std = data.groupby(['Receptor'],as_index = False,group_keys=False)['RMSD'].std()

value_lower_than_2 = data.loc[data['RMSD']<=2]
rmsd_lower_than_2_count = value_lower_than_2.groupby(['Receptor'],as_index = False,group_keys=False)['RMSD'].count()


result = pd.concat([value_mean, value_std,rmsd_lower_than_2_count], axis=1)

print(result)

result.to_csv('result1.csv',index=False)

 RMSD<=2的蛋白质结构比较适合