上节讲了单个蛋白-小分子用auto dock vina对接,本节介绍批量小分子与蛋白对接,首先要安装软件:
软件安装
在Linux系统下安装mgltools和auto dock vina:
#安装ADT:
tar xzvf mgltools_x86_64Linux2_1.5.6.tar.gz
cd mgltools_x86_64Linux2_1.5.6
sudo bash install.sh
vi ~/.bashrc
alias pmv='/lustre/home/shouli/autodock-vina/mgltools1.5.6/bin/pmv'
alias adt='/lustre/home/shouli/autodock-vina/mgltools1.5.6/bin/adt'
alias vision='/lustre/home/shouli/autodock-vina/mgltools1.5.6/bin/vision'
alias pythonsh='/lustre/home/shouli/autodock-vina/mgltools1.5.6/bin/pythonsh
source ~/.bashrc
#安装autodock vina和auto dock:
##从官网http://autodock.scripps.edu/downloads下载AutoDock vina和Autodock4.2,直接解压即可;
##注意可能会有关于python的软件目录修改:
sudo vi /lustre/home/shouli/course-protease/autodock/mgltools_x86_64Linux2_1.5.6/MGLToolsPckgs/AutoDockTools/Utilities24/prepare_ligand4.py
##该文件第一行改为:
#! /lustre/home/shouli/autodock/mgltools1.5.6/bin/python
软件安装如遇到什么bug,可将报错内容在必应浏览器中搜索,见招拆招~要坚信,没有安装不上的软件;
准备受体pdbq文件:
用auto dock tool打开6lu7_A_chain.pdb(此步可在windows下做)
- file--read molecule--选择6lu7_A_chain.pdb
- Edit--hydrogens--add--选择Polar only--点OK
- Grid--macromolecule--choose--protein--select molecule--OK--保存为6lu7_A_chain.pdbqt文件
设置盒子大小和坐标:
grid--grid box--调整盒子大小和盒子的中心坐标
包括第一个口袋的作用位点的盒子的大小和坐标:
22,30,28
-11.867, 15.851, 68.917
我们用预测的口袋1的氨基酸来定位盒子,具体的定位方法请查看本推送最后面的视频教程;
创建conf_protease.arg, 包括第一个口袋的盒子的大小和坐标:
receptor = 6lu7_A_chain.pdbqt
ligand = fda.pdbqt
center_x = -11.867
center_y = 15.851
center_z = 68.917
size_x = 22
size_y = 30
size_z = 28
exhaustiveness =16
num_modes = 9
energy_range = 4
准备批量的小分子:
下载ZINC中的FDA数据(mol2格式):
https://zinc.docking.org/substances/subsets/fda/
截止到2020-5-20:ZINC中FDA获批小分子共1615个
小分子mol2文件拆分,以及转换为pdbqt:
#用Babel软件(https://github.com/openbabel/openbabel/releases/tag/openbabel-3-1-1)
#下载后解压
tar xvf openbabel-3.1.1-source.tar.bz2
cd openbabel-3.1.1
#安装
mkdir build
cd build
cmake3 ..
make -j install
#下载缺失的软件
sudo yum provides libboost_regex-mt.so.1.53.0
sudo yum install boost-regex-1.53.0
##使用babel
./lustre/home/shouli/course-protease/autodock/openbabel-3.1.1/build/bin/obabel -i mol2 fda.mol2 -o mol2 -O fda.mol2 -m
##共得到2106个小分子mol2文件
批量创建文件夹,将小分子移到对应编号的文件夹下,对小分子统一命名后,使用auto dock tool将小分子批量转为pdbqt格式文件,再使用auto dock批量对接;
对接后的.log文件移到log文件夹下,使用python脚本调取每个小分子log文件内的亲和力数据,从而得出亲和力排名最前的几个小分子;
下一节,我将介绍如何使用gromacs做小分子和蛋白的模拟,计算小分子与蛋白之间作用力的变化,从而再次确认两者是否有结合;
以上具体的步骤,请到我的微信公众号观看:Bekcy的生活and科研
如有疑问,欢迎叨扰,也欢迎大家将视频与小伙伴一起分享,共同进步哦~
欢迎土豪打赏或转发哦,您的赞赏与肯定是我文思泉涌的不竭动力~