>>> ps -ef | grep filename 查看关于filename文件的所有进程状态
>>> find dirpath -name filename 在dirpath目录(绝对路径)下查找关于filename的所有文件
>>> fg %jobsnumber 将后台命令调用到前台运行
>>> Ctrl + z 挂起当前运行任务 -jobs filename number 查找运行文件filename的PID号 bg %(jobsnumber)将挂起的文件放在后台运行
>>> Ctrl + c 结束当前运行的任务
>>> cat score.sc | sort -nk2 > score_sorted.txt 对得分文件score.sc的第二列按照数值(n)的大小进行排序,并将排序好的信息存储在score_sorted.txt文件中。
>>> 对模板PDB文件进行处理: python rosetta_tools/protein_tools/scripts/clean_pdb.py 2anv.pdb A
>>> 基于 rosettaCM_1_3.py脚本 同源建模
>>> 基于relax_1_1.py 脚本 模型优化
params文件的制备(对于对接小分子的.sdf mol 和mol2)
python rosetta_source/src/python/apps/public/molfile_to_params.py -n MR3 MR3.mol 得到两个文件 MR3.params and MR3_0001.pdb
dock.xml 文件的设置
single movers_X
compound movers
dock.options设置
-in:file:s inputs_AGI/EbF6H_HEM_AGI.pdb-in:file:extra_res_fa inputs_AGI/HEM.params inputs_AGI/AGI.params-packing-ex1-ex2aro-ex2-no_optH false-flip_HNQ true-ignore_ligand_chi true-parser-protocol inputs_AGI/ligand_dock.xml-out-path:all outputs_AGI1-nstruct 10000
-overwrite
>>> 分子对接 ./rosetta/main/source/bin/rosetta_scripts.linuxgccrelease @dock.options -database /rosetta/main/database -nstruct 1000 构建1000个对接模型 由total_score和其他参数选取最优的对接模型
——————————————————Small-molecule ligand docking into comparative models with Rosett 一篇关于rosettaCM流程详细操作的文章