超实用!用ChimeraX对AlphaFold 结果可视化(上)

我们前面介绍了 如何通过AlphaFold在线版对蛋白结构进行预测,但预测仅仅是一个开始,对于预测得到的PDB文件我们还需要选择 PymolChimera等软件对结果进行可视化。 Pymol需要大量的代码来得到我们想要的结果,上手难度较高;而今天我们介绍的 ChimeraX是一款简单易上手的软件,本次主要介绍 ChimeraX软件和蛋白结构的导入。

01: ChimeraX 介绍

UCSF ChimeraX(简称 ChimeraX )是一款由美国加州大学开发的免费分子可视化工具,目前已经更新到1.5版本(点击阅读原文跳转下载)。该软件下载速度慢,需要科学上网(VPN),后台回复ChimeraX可得到软件安装包。ChimeraX 可以从PDB数据库中直接导入蛋白结构,也可以将AlphaFold预测的结果进行可视化,该软件能展示蛋白三级结构的形状、蛋白之间互作界面预测的结果。软件的安装比较简单,本文不再赘述,着重介绍模型选择和简单可视化操作。

02: PDB 文件的选择

AlphaFold预测结束后我们会得到一个 .zip 格式的压缩包,解压缩打开后主要有 .JSON 、 .PDB 、.PNG 和文本文档类格式文件,我们需要的是 .PDB 文件,这里面存放着我们预测的蛋白结构结果,如果我们对一个蛋白预测了好几个模型,那么我们该如何选择哪个模型进行可视化?因此我们还要关注 .PNG 格式文件和文本文档格式中的settings文件,因为通过这些文件可以判断我们蛋白结构预测的质量高低。当然为了我们后续可以更好的实验,建议最好选择所有预测的模型来进行可视化分析,毕竟AlphaFold只是预测出来的结果,其可信度仍有待验证。

.PDB格式文件是我们需要在ChimeraX中打开的文件;.PNG格式文件反馈蛋白结构预测质量;settings文件反馈蛋白结构预测质量

打开所有 .PNG 格式文件如下图,每一张图都是对我们预测的蛋白模型的精准度反映。我们主要看图⑤,可以清楚的看到蛋白不同区段的预测精准度,峰值越高则越精准,通过该图我们选择预测结果最精准的PDB文件进行可视化,在此选rank1用于后续的分析。(如果我们想看结构域之间的互作,可直接在AlphaFold预测时只输入结构域蛋白序列,小编认为这样预测更可信)

我们还可以通过settings文件看到预测时的参数pLDDT和pTMscorc值,结果也表明rank1为可信度高的模型。

03:使用 ChimeraX 可视化蛋白预测结果

打开 ChimeraX 后依次点击File、Open选择我们要打开的PDB文件,就可以看到我们预测的蛋白模型。

下面我们简单介绍一下这个界面包含的信息:

图中1位置是我们常用到的可视化指示命令工具,可满足对蛋白结构进行各种操作。当然如果个人对代码比较了解可以直接在最下面的Command中输入命令来执行操作。

图中2位置是蛋白可视化的界面,用于查看蛋白结构。使用鼠标滚轮可以进行蛋白缩放,使用左键可以选择和转动模型,使用右键可以移动模型。

图中3位置会实时显示所执行的命令以及执行完命令后的结果反馈,例如想选中某一条蛋白链可以在Chain中直接选择,后在此界面可以看到该蛋白链的数据。

图中4位置是所打开的Models目录,如果打开多个PDB文件这里就会显示每个文件,我们选择需要的Model进行观察。

关于 ChimeraX 具体怎么使用我们很快会给大家介绍,如果大家有什么问题或者想要了解的内容,欢迎关注同名公众号。

  • 0
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
好的,我可以帮你解答这个问题! 首先,为了使用tensorboardx可视化Pytorch模型,你需要先安装tensorboardX库。你可以通过以下命令来安装: ``` pip install tensorboardX ``` 安装完成后,你需要在你的Pytorch代码中导入tensorboardX: ```python from tensorboardX import SummaryWriter ``` 接下来,在你的代码中创建一个`SummaryWriter`对象,它将负责记录你的模型的数据和可视化: ```python writer = SummaryWriter() ``` 现在你可以在代码中使用`writer`对象来记录任何你想要记录的数据。例如,你可以记录损失函数的值: ```python writer.add_scalar('Loss', loss_value, global_step) ``` 其中`loss_value`是损失函数的值,`global_step`是你的训练步数。 你也可以记录模型的权重和梯度: ```python writer.add_histogram('conv1/weights', conv1.weight, global_step) writer.add_histogram('conv1/grads', conv1.weight.grad, global_step) ``` 这将记录名为`conv1/weights`和`conv1/grads`的直方图,它们分别显示了`conv1`层的权重和梯度。 最后,在你的代码结束时,不要忘记关闭`SummaryWriter`对象: ```python writer.close() ``` 现在你可以在终端中输入以下命令来启动tensorboard: ``` tensorboard --logdir=/path/to/logs ``` 其中`/path/to/logs`是你保存日志文件的路径。然后在你的浏览器中访问`http://localhost:6006`,你将能够看到Pytorch模型的可视化结果。 希望这能够帮助你!

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值