CombFold笔记

安装（以centOS linux系统为例）

sudo yum install boost-devel

conda install anaconda::numpy

conda install anaconda::biopython

conda install anaconda::scipy

git clone https://github.com/dina-lab3D/CombFold.git

cd CombFold/CombinatorialAssembler

make

组装前准备

单条链太长可以按照长度换分为相同序列长度的子单元；或者基于功能域进行划分序列；亦或者使用IUPred3预测disorder区域进行，以此为标准进行划分 

子单元含有四个键值对
name:子单元名称
chain_names:链名称
start_res:链中开始氨基酸的索引
sequence:氨基酸序列
{
  "name": "AD1",
  "chain_names": ["A", "B"],
  "start_res": 20,
  "sequence": "LTAAAQALDGLGDKFGRSIVDGNAILADVNPRMPQIRRDITGLANLGEVY"
}
注：每个独特的序列应该只出现在一个亚基的定义中

subunits.json
{
  "A0": {"name": "A0", "chain_names": ["A", "B"], "start_res": 1, "sequence": "MKDILEKLEERRAQARLGGGEKRLEAQHKRGKLTARERIELLLDHGSFEE"},
  "C0": {"name": "C0", "chain_names": ["C", "D"], "start_res": 1, "sequence": "MFDKILIANRGEIACRIIKTAQKMGIKTVAVYSDADRDAVHVAMADEAVH"},
  "E0": {"name": "E0", "chain_names": ["E"], "start_res": 1, "sequence": "MGDKIESKKAAAAAEVSTVPGFLGVIESPEHAVTIADEIGYPVMIKASAGA"},
  "E1": {"name": "E1", "chain_names": ["E"], "start_res": 51, "sequence": "GGGKGMRIAESADEVAEGFARAKSEASSSFGDDRVFVEKFITDPRHIEIQ"},
}
对于上述格式，说明A和B具有相同的序列，长度为50，C和D具有相同的序列，长度为50，E的长度是100，划分为两个50的序列（应对较长链GPU无法承受问题）

预测成对结构
python3 scripts/prepare_fastas.py subunits.json --stage pairs --output-fasta-folder <path_to_output_folder> --max-af-size 1800
注意上述--output-fasta-folder后的文件夹路径应该是部存在的，运行脚本的时候会自己创建
以上述subunits.json为例，运行代码后会出现A0_A0.fasta,A0_C0.fasta,A0_E0.fasta,A0_E1.fasta,C0_C0.fasta,C0_E1.fasta,C0_E2.fasta,E1_E1.fasta,E1_E2.fasta,E2_E2.fasta
使用colabfold进行结构预测

预测大复合物
python3 scripts/prepare_fastas.py subunits.json  --stage groups --output-fasta-folder <path_to_output_folder>--max-af-size 1800 --input-pairs-results <path_to_AFM_pairs_results>
其中AFM_pairs_result是上一阶段预测的pdb结构

组装
对于27条链大型复合物(A9B9C9），应提供两链PDB(AA,AB,AC,BB,BC,CC)，其中ABC,AAB，AABC……作为可选项
输入：组合PDB,subunits.json文件
使用本地运行
python3 scripts/run_on_pdbs.py <path_to_subunits.json> <path_to_folder_of_pdbs> <path_to_empty_output_folder>