共价对接

共价对接教程
教程贡献者:韩子涧师兄

Covalent Docking 

如果没有找到需要的反应类型,可以选择从官网下载其他反应类型,并从外部读入: https://www.schrodinger.com/science-articles/covdock 
注意,这里设置好以后要在左侧列表中多选选中对接体系和准备好的分子,再run 
A.实际使用时Fast一直报错,Thorough能跑通,Thorough一般每个配体-蛋白对需要0.8-1核时完成。 B.每个配体输出几个poses,1就是只输出最高的,2就是前2高的,以此类推。

数据处理

使用服务器的maestro打开对接结果文件,选择docking score排在-8之上的(阈值),sort 内选择按MOLNAME分组(实际上就是按分子分组),选择每组第一个,select,invert select反选,删除其他的,导出为first.maegz文件。在property tree中去掉多余的内容,最好只保留需要的内容,如MOLNAME(分子名),CAS,docking score列(否则pymol打开会很卡),导出为first.txt文件,再导出一份maegz文件,作为pymol后续看结构的pse文件。。 接下来使用脚本从库中提取对应sdf文件: 
  • python glide_covalent_docking_merge.py -g name-dockingscore.txt -s lig_minimize_20240113.sdf -r NucleophlicAdditionTriple
maestro载入sdf文件,聚类,选择所需的数目的分子,删除其他分子,导出为xlsx即可。data-add property-by type,增加MOLNAME列,将title列复制过去,导出到canvas,再导出为SDF。含docking score的导出后将title改为MOLNAME 同时first.maegz文件手动保留对应的复合物记录,将MOLNAME与docking score合并写入title,在property tree中去掉多余的内容,最好只保留MOLNAME,CAS,docking score列,导出properties项选择shown,否则pymol会卡死。
个人体悟(zzy):
  • pose prediction 的结果比较合理,规定形成共价键的残基位置会有轻微的柔性
  • virtual screening 由于采样没有 Pose prediction 充分,速度较快,但是有的时候打分会明显低于pose prediction 且输出的构象不合理

参考资料:

  1. CovDock - Schrödinger (schrodinger.com)
  2. Docking and scoring - Schrödinger (schrodinger.com)
  3. What is the difference between the docking score and GlideScore from the results of a docking run? (schrodinger.com)